Name des Teilnehmers: Lukas Rauh
Projekttitel: QUAIL: Qualifizierbares KI-Lebenszyklusmanagement für Produktionssysteme
Beschreibung des IT-Forschungsprojektes:
Künstliche Intelligenz hat enormes Potenzial für die industrielle Fertigung, doch über die Hälfte aller KI-Vorhaben scheitern auf dem Weg vom Prototyp in den produktiven Betrieb. Heterogene IT-/OT-Systemlandschaften, fehlende Automatisierung, regulatorische Unsicherheiten und mangelndes Know-how bremsen insbesondere kleine und mittelständische Unternehmen, aber auch Großunternehmen aus. QUAIL setzt genau an dieser Lücke an.
QUAIL entwickelt eine ganzheitliche Blaupause für die Operationalisierung von KI-Anwendungen in cyber-physischen Produktionssystemen (CPPS). Im Zentrum steht nicht ein neuer Algorithmus, sondern ein integrierendes Software-System, das bestehende Werkzeuge verbindet und den gesamten KI-Lebenszyklus strukturiert, automatisiert und dokumentiert, von der Datenerfassung über die Modellentwicklung bis zum laufenden Betrieb.
QUAIL verbindet drei bislang isoliert betrachtete Bausteine in einer modularen Lösung:
- MLOps für die Produktion: Bewährte DevOps-Prinzipien werden auf die spezifischen Anforderungen industrieller Fertigung übertragen, inklusive Echtzeitfähigkeit, Safety und Verfügbarkeit
- Semantisches Datenmodell: Eine standardnahe Datenbasis (z.B. auf Grundlage der Asset Administration Shell) beschreibt alle KI-Artefakte interoperabel und nachvollziehbar, als Rückgrat für Transparenz und Wiederverwendbarkeit
- Integrierte Compliance-Mechanismen: Regulatorische Anforderungen aus EU AI Act, EU Data Act oder ISO-Normen werden durch automatisierte Dokumentation und Qualitätsnachweise direkt im Prozess unterstützt
Ergänzt wird das System durch eine LLM-basierte Assistenzfunktion, die die komplexe Tool-Landschaft im Hintergrund abstrahiert und auch Nicht-KI-Experten eine sichere Nutzung ermöglicht und in Entscheidungen einbindet.
Das Vorhaben realisiert einen Technologie-Demonstrator, bestehend aus Backend, Integrationsschicht für gängige MLOps-Tools und einem rollenbasierten Web-Interface. Die iterative Validierung erfolgt in enger Zusammenarbeit mit dem Industriepartner TRUMPF unter realitätsnahen Produktionsbedingungen.
Mehrwert der Projektergebnisse
- Für KMU: Niedrigschwelliger, regelkonformer Einstieg in die KI-Nutzung über das Software-System
- Für Großunternehmen: Konsistenter Rahmen zur Skalierung und effizienten Verwaltung von KI-Anwendungen, über Abteilungen hinweg
- Für den Standort Deutschland: Stärkung technologischer Souveränität durch offene Standards statt proprietärer Abhängigkeiten
Software Campus Partner: Fraunhofer ICT Group und TRUMPF
Umsetzungszeitraum: 01.01.2026 – 31.12.2027







































![[KOM,BI]: Kozitierungsbasierte Maschinelle Lernverfahren zur Bestimmung Vielversprechender Forschungsvorhaben](https://softwarecampus.de/wp-content/uploads/2022/02/KOMBI-768x768.png)































































