FL.IN.NRW

Beschreibung

Industrielle Daten sind häufig über mehrere Unternehmen verteilt und können aufgrund von Sicherheits-, Eigentums- und regulatorischen Anforderungen nicht gemeinsam genutzt werden. Gleichzeitig setzen Unternehmen zunehmend auf datengetriebene Ansätze zur Optimierung von Prozessen und zur Entwicklung neuer industrieller KI-Anwendungen.

FL.IN.NRW begegnet diesen Herausforderungen durch den Einsatz von föderiertem Lernen zur sicheren und dezentralen Datennutzung. Anstatt Rohdaten auszutauschen, werden Machine-Learning-Modelle gemeinsam über verschiedene Partner hinweg trainiert, während die Daten lokal gespeichert bleiben. Dieser Ansatz ermöglicht es Unternehmen, den Wert verteilter Daten zu nutzen und gleichzeitig volle Kontrolle sowie Datensouveränität zu gewährleisten.

Im Rahmen des Projekts bringen wir unsere Expertise in den Bereichen Digital Twin Management und Daten­integration ein und unterstützen die Entwicklung skalierbarer und interoperabler Lösungen für industrielle KI-Anwendungen in verteilten Datenökosystemen.

gemineers Rolle bei FL.IN.NRW

Im Projekt FederatedLearning.IN.NRW übernehmen wir eine zentrale Rolle bei der Konzeption, Entwicklung und Integration der Dateninfrastruktur sowie des Digital-Twin-basierten Frameworks für dezentrale KI-Modellentwicklung.

Zu den zentralen Aufgaben gehören:

• Leitung von Arbeitspaket 1, einschließlich der Koordination der Partner, Definition von Use Cases und Spezifikation der Anforderungen für Datenerfassung und digitale Infrastruktur
• Konzeption und Implementierung des Datenerfassungssystems, einschließlich der Integration sensorbasierter Systeme, der Anbindung heterogener Datenquellen sowie der Einrichtung sicherer und strukturierter Datenspeicherung
• Entwicklung und Bereitstellung der Digital-Twin-Infrastruktur zur prozessparallelen Datenerfassung, Vorverarbeitung und standardisierten Datenanbindung für nachgelagerte KI-Services
• Beitrag zur Datenvorverarbeitung und Entwicklung von ML-Pipelines, einschließlich der Synchronisation heterogener Daten und Bereitstellung von Vorverarbeitungsdiensten
• Unterstützung bei der Integration und Orchestrierung von KI-Modellen und FL-Services, einschließlich Containerisierung, Infrastrukturbereitstellung und Deployment von Orchestrierungstools
• Erweiterung und Anpassung der Dateninfrastruktur für Föderiertes Lernen zur nahtlosen Integration von Datenquellen in die FL-Plattform

Insgesamt sind wir verantwortlich für die Etablierung der datenorientierten und Digital-Twin-basierten Grundlage des Projekts und ermöglichen die sichere, dezentrale und skalierbare Entwicklung von KI-Modellen mithilfe von Technologien des Föderierten Lernens.

Zusammenfassung

FL.IN.NRW ermöglicht die sichere und unternehmensübergreifende Nutzung industrieller Daten durch Föderiertes Lernen, wodurch Machine-Learning-Modelle gemeinsam trainiert werden können, während die Daten lokal gespeichert bleiben. Das Projekt adressiert zentrale Herausforderungen in den Bereichen Datensouveränität, Interoperabilität und dezentrale KI.

Kick-off des FederatedLearning.IN.NRW-Projekts am Fraunhofer IPT in Aachen