Symbolische Ansätze, beispielsweise auf Basis von Ontologien oder Wissensgraphen, ermöglichen durch logische Schlussfolgerungen implizites Wissen in Daten aufzudecken und somit in explizites Wissen zu verwandeln.
Hingegen verwenden subsymbolische KI-Verfahren, wie beispielsweise Neuronale Netze und Deep Learning, sog. Trainingsdaten und Algorithmen, um Muster und Zusammenhänge in Daten zu erkennen und zu lernen. Dieser Mechanismus der Erkennung von Regelmäßigkeiten kann beispielsweise für die Feststellung von Anomalien oder die Klassifikation von Maschinenzuständen verwendet werden.

In dem gemeinsamen Projekt von HEKUMA und der THA werden beide Ansätze untersucht und evaluiert, um herauszufinden, welche Verfahren und deren Kombination am besten geeignet sind, um im Sondermaschinenbau das Anforderungsmanagement, insbesondere in frühen Projektphasen, zu verbessern. So oder so ist man davon überzeugt, dass die Anwendung von Künstlicher Intelligenz im Anforderungsmanagement dazu beitragen kann, Effizienz und Qualität zu steigern.

Mit diesem Projekt, welches in den kommenden Monaten intensiviert werden soll, gelingt ein optimaler Wissenstransfer und Austausch zwischen Wissenschaft und Praxis und fördert so eine innovative Lösungsfindung. Geplant ist, die Ergebnisse auf international angesehenen Konferenzen einem breitem Fachpublikum zu präsentieren und damit weiterführende Diskussionen anzuregen.

Alle beteiligten freuen sich auf die erfolgreiche Fortführung der Zusammenarbeit und sind auf die Ergebnisse des Projekts gespannt.