Projekt: GUARD

Das von der EU geförderte Projekt EVOLVE zielt darauf ab, die Herausforderungen der Datenrevolution anzugehen, indem eine Lösung entwickelt wird, die High-Performance-Computing, Big-Data-Software und Cloud-Funktionen integriert.

Das UP2DATE-Projekt zielt darauf ab, die Herausforderungen von Sicherheit, Sicherheit und Unannehmlichkeiten anzugehen, die durch Over-the-Air-Software-Updates (OTASU) in gemischten-kritischen cyber-physischen Systemen (MCCPS) in Kraftfahrzeugen und Eisenbahnen verursacht werden, indem ein neues Paradigma für Safety and Security (SASE) Software-Updates entwickelt wird.

Safe-DEED, ein von der EU gefördertes Projekt, zielt darauf ab, die Debatte über den Datenaustausch anzugehen, indem Sicherheit, Vertrauen und Datenschutz durch die Einführung von Privacy Enhancing Technologies (PET) in Übereinstimmung mit globalen Makrotrends und der Datenwirtschaft verbessert werden.

BOOST 4.0 soll durch die Einrichtung von 10 intelligenten vernetzten Leuchtturmfabriken und die Entwicklung eines offenen EU-Rahmens und eines Governance-Modells die transformative Kraft von Big Data in Factory 4.0 demonstrieren, die Herausforderungen der Industrie 4.0 angehen und die Wettbewerbsfähigkeit der europäischen Fertigungsindustrie sichern und gleichzeitig den teilnehmenden Fabriken und Partnern erhebliche finanzielle Renditen bieten.

Ziel des Projekts GO0D MAN ist die Integration von Prozess- und Qualitätskontrolle für die mehrstufige Fertigung mittels agentenbasierter Cyber-Physical Systems (CPS) und intelligenter Inspektionstools.

Das einheitliche, Open-Source-Execution Framework für skalierbare Datenanalyse adressiert die Grenzen aktueller Technologien, indem es ein universelles, aufgabenparalleles Programmiermodell, ein dynamisches Modellierungs-Framework zur Ressourcenoptimierung, eine Anpassungsmethodik für Analyseaufgaben und eine Echtzeit-Visualisierungs-Engine bereitstellt.

Die Verbindung zur Cybersicherheit besteht darin, dass Softwareanbieter ihre Geschäfts- und Technologiemodelle transformieren müssen, um wettbewerbsfähig zu bleiben, insbesondere durch den Übergang von Legacy-Anwendungen zu Software-as-a-Service (SaaS), der erhebliche Herausforderungen mit sich bringt. Der vorgeschlagene ARTIST Software-Migrationsansatz zielt darauf ab, diesen Prozess zu automatisieren, Risiken, Zeit und Kosten zu reduzieren und Unternehmen in die Lage zu versetzen, die neuesten Technologien und Geschäftsmodelle wie Cloud Computing und SaaS zu nutzen.

Das certMILS-Projekt befasst sich mit den Herausforderungen der Cybersicherheit komplexer und offener Cyber-physischer Systeme (CPS) durch die Verwendung eines Security-by-Design-Konzepts namens Multiple Independent Levels of Security (MILS), das eine zertifizierte Trennung von Anwendungen ermöglicht, die Zertifizierungskomplexität reduziert, die Wiederverwendung fördert und sichere Updates während des gesamten CPS-Lebenszyklus ermöglicht.

Big Data, Künstliche Intelligenz (KI) und Internet-of-Things (IoT) sind in unserer datengesteuerten Umgebung unverzichtbar – in allen Facetten des Alltags. Allerdings haben viele Finanz- und Versicherungsinstitute aufgrund komplizierter Vorschriften und fehlender Testbed-Ressourcen immer noch Schwierigkeiten beim Einsatz von Big-Data-Technologien. Das von der EU geförderte INFINITECH-Projekt wird innovative Anstrengungen unternehmen, um die Einhaltung gesetzlicher Vorschriften zu verbessern und gezielte Investitionen zu fördern. Führende Finanz- und IKT-Unternehmen wollen neue Big Data/IoT/KI-Technologien für die Verwaltung und Abfrage aller Arten von Daten zusammen mit Data Governance-Funktionen bereitstellen. Diese disruptiven Tools werden Innovationen in Geschäftsbereichen fördern und neun Neuheits-Testbeds und Sandboxen unterstützen, die offene Anwendungsprogrammierschnittstellen (APIs) bieten.

Das Projekt LOD2 zielt darauf ab, unternehmensreife Werkzeuge und Methoden für die Verwaltung großer Mengen strukturierter Informationen im Data Web zu entwickeln, wobei Algorithmen für maschinelles Lernen für Datenanreicherung, Interlinking und Fusion genutzt werden. Dabei sollen Datensicherheit, Datenschutz und Informationsqualität gewährleistet werden. Dadurch sollen verknüpfte Daten mit bestehenden Anwendungen in verschiedenen Bereichen wie Medien & Publishing, Unternehmensdatenintranets und E-Government integriert und mit dem digitalen Design verknüpft werden.

SHOP4CF zielt darauf ab, die richtige Balance zwischen kosteneffizienter Automatisierung, repetitiven Aufgaben zu finden und die Mitarbeiter in Bereichen wie Anpassungsfähigkeit, Kreativität und Agilität einzubinden, wo sie den größten Mehrwert schaffen. Die Erschließung dieser Datenströme und des Humankapitals erfordert die Schaffung günstiger technologischer, wirtschaftlicher und gesellschaftlicher Rahmenbedingungen. SHOP4CF setzt dabei auf: Eine Plattform, die auf einer offenen Architektur entwickelt wurde und Technologien auf Basis von RAMI 4.0 und FIWARE Technologies umfasst, die den Menschen bei der Produktion unterstützt und die Basisimplementierung als freie Open-Source-Lösung bietet.

CASEK wird das Potenzial des Internets der Dinge nutzen, indem es die Kreativität von Entwicklern im Allgemeinen nutzt, angetrieben durch das Cassting-Framework. Während des CASEK-Projekts konzentrieren sie sich auf zwei Aspekte, um ihre Ambitionen zu unterstützen: Business und Technologie. Der Business-Fokus hat als Ziel, einen Business- und Marketing-Plan zu festigen. Der Technologiefokus hat das Ziel, ein tragfähiges Produktangebot zu entwickeln.

I-NERGY zielt darauf ab, innovative AI-as-a-Service-Anwendungen (AIaaS) für Energieanalyse und digitale Zwillingsdienste zu entwickeln, zu skalieren und zu demonstrieren, die im Rahmen von neun Pilotprojekten validiert werden.

Das IOTWINS-Projekt wird groß angelegte industrielle Testbeds bereitstellen, die Daten aus verschiedenen Quellen wie Daten-APIs, historischen Daten, eingebetteten Sensoren und Open-Data-Quellen nutzen und kombinieren. Ziel ist es, eine Referenzarchitektur für die Entwicklung und den Einsatz verteilter und Edge-fähiger digitaler Zwillinge von Produktionsanlagen und -prozessen zu schaffen. Digitale Zwillinge sammeln Daten aus Fertigung, Wartung, Betrieb, Anlagen und Betriebsumgebungen und verwenden sie, um ein Modell für jedes spezifische Asset, System oder Prozess zu erstellen. Diese Modelle werden dann verwendet, um Anomalien zu erkennen und zu diagnostizieren, um einen optimalen Satz von Aktionen zu bestimmen, die wichtige Leistungskennzahlen maximieren.

Ziel des BIG IoT-Projekts ist es, wirklich lebendige IoT Ökosysteme zu entfachen. Dies erreichen wir, indem wir die bestehende Interoperabilitätslücke zwischen den vertikal integrierten IoT-Plattformen überbrücken und Marktplätze für IoT-Dienste und -Anwendungen schaffen. Ziel des Projektes ist es, diese Hürden zu überwinden, indem die Interoperabilitätslücke des IoT überbrückt und Marktplätze für Service- und Anwendungsanbieter sowie Plattformbetreiber geschaffen werden. Die Interoperabilitätslücke werden geschlossen, indem eine generische, einheitliche Web-API für Smart-Objekt-Plattformen definiert wird, die BIG IoT API.

Ziel von NeuroMotive ist die Entwicklung eines Traktionskontrolldienstes für die Automobilindustrie, der auf Innovationen der NeuroRobotics Platform aufbaut. Der Dienst wird die Fähigkeit der Plattform nutzen, um hochentwickelte neuronale Kontrollgesetze zu synthetisieren. Die entwickelten Controller werden auf einer einzigartigen Infrastruktur getestet, dem Siemens Mobility Test Setup, das die physikalische Emulation einer Vielzahl von Straßenbedingungen für jedes angeschlossene Fahrzeug ermöglicht. Dieses System-in-the-Loop (SyL)-Setup unterstützt maschinelle Lernprozesse, ermöglicht die Abstimmung der Traktionssteuerung auf einen hohen Leistungsstandard und ermöglicht eine frühzeitige Validierung der Steuerungsfunktionen und eine Leistungsbewertung.

YesElf ist eine Onboarding-Plattform, die einen personalisierten und vorausschauenden Schritt-für-Schritt-Walkthrough für jede Unternehmenssoftware bietet, die Mitarbeiter effizienter macht (+10%) ohne zusätzliche persönliche Schulung zur richtigen Zeit durch Anwendung von künstlicher Intelligenz und Nutzerverhaltensanalysen. YesElf verbessert den Prozess der Mitarbeiter-Onboarding, Engagement und Einführung digitaler Produkte. Basierend auf Kundenfeedback kann unsere Lösung die Schulungskosten der Mitarbeiter um mehr als 50 % senken, die Supportkosten um mehr als 30 % senken, die Produktivität der Mitarbeiter im zweistelligen Bereich steigern, eine reibungslose digitale Einführung gewährleisten und die Unternehmenseinnahmen pro Mitarbeiter steigern.

EUHubs4Data wird eine europäische Föderation von Big Data Digital Innovation Hubs (DIHs) gründen, mit dem Ziel, ein Referenzinstrument für datengesteuerte grenzüberschreitende Experimente und Innovationen zu werden und das Wachstum europäischer KMU und Start-ups in einer globalen Datenwirtschaft zu unterstützen. Auf der Grundlage des Konzepts „Europäischer Katalog, lokales Angebot“ wird EUHubs4Data ein europaweites, nachhaltiges Ökosystem aufbauen, das auf lokalem Know-how und den Errungenschaften europäischer Initiativen und nationaler/regionaler Big Data DIHs aufbaut, mit drei Zielen: (1) Schaffung eines europäischen Katalogs von Datenquellen und föderierten datengesteuerten Diensten und Lösungen; (2) Bereitstellung dieses Angebots auf regionaler Ebene, damit europäische KMU, Start-ups und Web-Unternehmer Zugang zu den wertvollsten Ressourcen und Know-how auf dem Kontinent haben; (3) Förderung grenzüberschreitender und sektorübergreifender Daten- Erleichterung durch Datenaustausch und Daten- und Service-Interoperabilität. Mitarbeiter steigern.

Das EFPF-Projekt realisiert ein föderiertes Smart-Factory-Ökosystem, indem es in erster Linie vier Smart-Factory-Plattformen aus dem FoF-11-2016-Cluster über eine offene und interoperable Datenspine miteinander verbindet. Die Föderation der vier Basisplattformen wird durch Industrieplattformen, Kollaborationstools und Smart-Factory-Systeme ergänzt, die speziell ausgewählt wurden, um vernetzte Fabriken in der Einzelstückfertigung zu unterstützen. Die föderierte EFPF-Plattform bietet einen Mehrwert und senkt die Innovationsbarriere, indem sie einen nahtlosen Zugang zu derzeit verstreuten Diensten und Lösungen ermöglicht. Gleichzeitig stellt die Plattform die notwendige Infrastruktur, Tools und Unterstützung für die Schaffung und Validierung neuartiger Dienste durch Dritte bereit. Darüber hinaus wird die EFPF-Plattform durch die Förderung eines gesunden Wettbewerbs im Ökosystem der intelligenten Fabrik sicherstellen, dass die Anforderungen der sich entwickelnden intelligenten Fertigungsindustrie langfristig erfüllt werden. Der EFPF-Verbund wird Fertigungs- und Logistikunternehmen als offene Plattform angeboten, um die angebotenen Funktionen zu nutzen, mit innovativen Ansätzen zu experimentieren und maßgeschneiderte Lösungen für spezifische Anforderungen zu entwickeln. Das Projekt demonstriert die Leistungsfähigkeit der Föderation anhand von drei integrierten groß angelegten Pilotprojekten, die sich auf die Fertigung von Losgrößen von eins und nachhaltige Wertschöpfungsnetzwerke in verschiedenen Sektoren konzentrieren, wobei auch ein sektorübergreifendes Pilotprojekt zur Kreislaufwirtschaft einbezogen wird. Die Ergebnisse der Pilotprojekte werden als gewonnene Erkenntnisse und bewährte Verfahren offen zugänglich gemacht. Die Schaffung des europäischen Ökosystems für intelligente Fabriken wird durch technische und finanzielle Unterstützung für interessierte Unternehmen gefördert. Es wird ein spezielles Budget bereitgestellt, um Unternehmen, die daran interessiert sind, die EFPF-Plattform zur Verbesserung ihrer Geschäftsabläufe zu nutzen, finanziell zu unterstützen. Das Projekt besteht in erster Linie aus KMU, die über die Flexibilität verfügen, schnell zu reagieren und innovative Lösungen zu übernehmen, wobei auch die Erfahrung und Marktpräsenz großer Akteure wie Siemens und anderer genutzt wird.

KITT4SME richtet sich speziell an europäische KMU und mittelständische Unternehmen und bietet ihnen maßgeschneiderte, branchengerechte Hardware-, Software- und Organisations-Kits, die als modular anpassbare digitale Plattform geliefert werden und Künstliche Intelligenz nahtlos in ihre Produktionssysteme integrieren. Die Akzeptanz der resultierenden Pakete und angebotenen Dienstleistungen wird durch die klare Charakterisierung und Marktreife der einzelnen Komponenten sowie durch die Verankerung der Plattform auf dem bereits etablierten RAMP-Marktplatz stark unterstützt. Die Nutzung des Netzwerks der Digital Innovation Hubs, von denen drei im Konsortium vertreten sind, stellt sicher, dass KITT4SME einem breiten Spektrum von Unternehmen in Europa zugänglich gemacht wird. Die nahtlose Einführung der maßgeschneiderten Kits wird durch eine „Powered by FIWARE“-Infrastruktur ermöglicht, die Fabriksysteme (wie MES und ERP), IoT-Sensoren und tragbare Geräte, Roboter, kollaborative Roboter und andere Datenquellen der Fabrik reibungslos mit funktionalen Modulen kombiniert, die datengesteuerte Wertschöpfung auslösen können.

Smart Manufacturing wird als entscheidend für die Wettbewerbsfähigkeit von Unternehmen angesehen, da es sie auf verschiedenen Ebenen unterstützt, etwa bei der Prozessoptimierung, Ressourceneffizienz, vorausschauenden Wartung und Qualitätskontrolle. Dennoch bleiben KI-Technologien, die derzeit schnell in diesen Bereichen der Industrie Einzug halten, im Wesentlichen Systeme der sogenannten schmalen KI. Dies liegt an dem fehlenden Maß an Selbstanpassungsfähigkeit, mit der KI neue Informationen außerhalb ihrer vordefinierten Programmparameter assimilieren und interpretieren kann. Das bedeutet, dass KI-Systeme speziell für die Lösung bestimmter Aufgaben in einem spezifisch vordefinierten Umfeld konzipiert sind und Änderungen in diesem Umfeld in der Regel Anpassungen des Systems erfordern – von feinkörnigen Parameteranpassungen bis hin zu vollständigem Neudesign und Neuentwicklung der KI-Systeme. Das TEAMING_AI-Projekt zielt auf die Entwicklung eines Human-AI-Teaming-Frameworks ab, das die Stärken beider Seiten integriert: die Flexibilität der menschlichen Intelligenz und die Skalierbarkeit der maschinellen Intelligenz. Human-AI-Teaming ist gleichermaßen darauf ausgerichtet, dem steigenden Bedarf an Flexibilität in der Wartung und Weiterentwicklung von KI-Systemen zu begegnen, bedingt durch die zunehmende Personalisierung von Produkten und Dienstleistungen. Darüber hinaus soll es Barrieren der Nutzerakzeptanz und ethische Herausforderungen überwinden, die in kollaborativen Umgebungen auftreten, in denen KI eingesetzt wird, sodass KI als „Teamkollege“ und nicht als Bedrohung angesehen werden kann.

Planung und Terminierung (P&S) ist ein zentrales Gebiet der Künstlichen Intelligenz, das darauf abzielt, Systeme zu entwickeln, die Menschen bei der Planung, Organisation und Optimierung von Handlungsabläufen zur Erreichung komplexer Ziele unterstützen. Trotz des steigenden Bedarfs an entscheidungsunterstützenden Systemen für P&S-Anwendungen in Industrie und öffentlichen Diensten erfüllen aktuelle Methoden wesentliche Eigenschaften vertrauenswürdiger KI, wie Transparenz, Erklärbarkeit, Robustheit, Sicherheit und Skalierbarkeit, nicht. Das TUPLES-Projekt, eine dreijährige Initiative, hat das Ziel, skalierbare und gleichzeitig transparente, robuste und sichere algorithmische Lösungen für P&S zu entwickeln. Die wissenschaftlichen Beiträge des Projekts konzentrieren sich auf (1) die Integration symbolischer P&S-Methoden mit datengetriebenen Ansätzen, um die Skalierbarkeit und Modellierungskraft datengetriebener Methoden zu nutzen, während die Transparenz, Robustheit und Sicherheit symbolischer Methoden erhalten bleibt, und (2) die Entwicklung strenger Erklärungs- und Verifikationsmethoden, um die Transparenz, Robustheit und Sicherheit einer Abfolge interagierender, maschinell gelernter Entscheidungen sicherzustellen.

COSMOS vereint ein ausgewogenes Konsortium aus Großindustrie, KMUs und akademischen Einrichtungen, um erweiterte DevOps-Pipelines für die Entwicklung von Software für cyber-physische Systeme (CPS) zu entwickeln. Diese Pipelines werden eine verbesserte Validierung und Verifikation (V&V) integrieren, die eine Kombination aus statischer Codeanalyse, korreliert mit Fehlermeldungen und Bug-Reports, automatischer Testfallerstellung, Laufzeitüberwachung, Hardware-in-the-Loop (HiL)-Tests und Feedback von Feldgeräten umfasst. Ansätze basierend auf maschinellem Lernen, modellbasiertem Testen und suchbasierten Testgenerierungsverfahren werden eingesetzt. Zudem werden Techniken zur Priorisierung und Planung der Tests entwickelt, um die Effizienz des Testprozesses zu maximieren und Sicherheitsbedrohungen zu minimieren. COSMOS wird bestehende Prototyp-Technologien der Partner nutzen und im Laufe des Projekts weiter ausbauen. Die CPS-Pipelines von COSMOS werden anhand von fünf Anwendungsfällen getestet, die von den Industriepartnern in den Bereichen Gesundheitswesen, Luftfahrt, Automobil, Versorgung und Bahn bereitgestellt werden. Diese werden als Referenzfälle dienen, um die Technologie in Open-Source- und Standardisierungsgemeinschaften zu fördern.

Die vierte industrielle Revolution wird von einem der größten Megatrends, der künstlichen Intelligenz (KI), geprägt. Während diese Technologien nachhaltiges Wirtschaften und hohe Produkt- und Prozessqualität versprechen, führen die sich stetig wandelnden Marktanforderungen und der Mangel an qualifizierten Fachkräften, kombiniert mit der technologischen Komplexität, zu einem dringenden Bedarf an neuen Lösungen. Diese Lösungen müssen agil, wiederverwendbar, verteilt, skalierbar, transparent, sicher, standardisiert und kollaborativ sein. Um die Eintrittsbarrieren für diese Technologien abzubauen und ihr Potenzial freizusetzen, entwickelt das Projekt knowlEdge eine neue Generation von KI-Methoden, Systemen und Datenmanagement-Infrastrukturen. Dieses Rahmenwerk bietet Möglichkeiten für das sichere Management verteilter Daten sowie die Recheninfrastruktur zur Ausführung der notwendigen Analysen und zur Weitergabe des Wissens an eine Wissensaustausch-Gesellschaft. Zur Umsetzung schlägt knowlEdge sechs wesentliche Innovationen in den Bereichen Datenmanagement, Datenanalyse und Wissensmanagement vor: (i) Eine Reihe von KI-Diensten, die Edge-Deployments als Rechen- und Live-Datenspeicherinfrastruktur nutzen, mit einer Pipeline für kontinuierliches Lernen auf Edge-Ebene; (ii) Einen digitalen Zwilling der Produktionshalle, um die KI-Modelle zu testen; (iii) Ein Datenmanagement-Framework vom Edge bis zur Cloud, das Datenqualität, Datenschutz und Vertraulichkeit gewährleistet und eine sichere „Fog-Continuum“-Infrastruktur schafft; (iv) Werkzeuge für die Zusammenarbeit zwischen Mensch und KI sowie die Fusion von Domänenwissen, die es Fachleuten ermöglichen, ihre Erfahrung in das System einzubringen, um eine automatische Wissensentdeckung anzustoßen, die das System an Änderungen anpasst; (v) Standardisierungsmechanismen für den Transfer trainierter KI-Modelle von einem Kontext in einen anderen; (vi) Eine Wissensmarktplatz-Plattform für die Verteilung und den Austausch von KI-Trainingsmodellen.

Smart Factories zeichnen sich durch intelligente Prozesse, smarte Maschinen, smarte Werkzeuge, smarte Produkte sowie smarte Logistikabläufe aus. Diese erzeugen große Datenmengen, die zur Analyse und Fehlerprävention sowie zur Optimierung der Qualität von Fertigungsprozessen und Produkten genutzt werden können. DAT4.ZERO ist ein digital erweitertes Qualitätsmanagementsystem (DQM), das Daten aus einem verteilten Multi-Sensor-Netzwerk sammelt und organisiert. In Kombination mit einem DQM-Toolkit und einer Modellierungs- und Simulationsschicht sowie der Integration in bestehende cyber-physische Systeme (CPS) ermöglicht es eine hohe Genauigkeit und Präzision der Daten für effektive Entscheidungsunterstützung und Problemlösungen. Durch smarte, dynamische Rückkopplungs- und Feed-Forward-Mechanismen trägt DAT4.ZERO zur Realisierung von Zero Defect Manufacturing (ZDM) in Smart Factories und ihren Ökosystemen bei. Ziel ist es, smarte und kostengünstige Sensoren und Aktoren für Prozesssimulation, Überwachung und Steuerung zu integrieren; Strategien für die Echtzeit-Datenvalidierung und -integrität in realen Produktionslinien zu entwickeln; innovative Datenmanagement-Strategien als integrierten Ansatz für ZDM zu demonstrieren; und Strategien für eine schnelle Linienqualifizierung und -rekonfiguration zu entwickeln.

Beton ist das weltweit und in der EU bedeutendste Baumaterial und die größte Quelle für Bau- und Abbruchabfälle. Das Projekt ReCreate zielt darauf ab, den Kreislauf für Beton auf höchstem Verwertungsniveau zu schließen, indem der Rückbau und die Wiederverwendung vorgefertigter Bauelemente demonstriert wird, was den sekundären Materialien ihren höchsten Wert erhält. Im Vergleich zur Neuproduktion, zum Recycling von Zuschlagstoffen und zur Verfüllung kann die Wiederverwendung den Energieverbrauch und den CO₂-Fußabdruck um 93–98 % senken. Das Hauptziel ist es, den Rückbau und die Wiederverwendung als sozio-technisches System zur Marktreife zu führen. Das Projekt fördert den Übergang zur Kreislaufwirtschaft im Bauwesen, indem die notwendigen systemischen Veränderungen im gesamten Bau- und Abbruchökosystem untersucht werden.

Das FAIRWork-Projekt bietet ein Entscheidungshilfesystem, das (a) digitale Zwillinge integriert, um Produktionsprozesse anhand mehrerer Parameter zu optimieren, und (b) die Entscheidungsfindung demokratisiert, indem sowohl menschlichen Arbeitskräften als auch Maschinen eine Rolle im Prozess zugewiesen wird. Einzelne Anforderungen werden konsolidiert, um eine Entscheidungshilfe zu erstellen, die anschließend optimiert wird. Der Ansatz kombiniert (a) modellbasierte Methoden, um Entscheidungsprozesse transparent zu gestalten, zu simulieren und zu verbessern; (b) ein Co-Creation-Labor, in dem Modelle und physische Experimente als Kommunikationsmittel für alle Akteure dienen; und (c) eine Anzeige zur Zuverlässigkeit von Daten und KI-Algorithmen. Die Modelle werden nach rechtlichen, ethischen, Sicherheits- und Schutzstandards bewertet, und nur diejenigen, die diesen Standards entsprechen, werden in der Entscheidungsfindung eingesetzt.

Das FAIRWork-Projekt bietet ein Entscheidungshilfesystem, das (a) digitale Zwillinge integriert, um Produktionsprozesse anhand mehrerer Parameter zu optimieren, und (b) die Entscheidungsfindung demokratisiert, indem sowohl menschlichen Arbeitskräften als auch Maschinen eine Rolle im Prozess zugewiesen wird. Einzelne Anforderungen werden konsolidiert, um eine Entscheidungshilfe zu erstellen, die anschließend optimiert wird. Der Ansatz kombiniert (a) modellbasierte Methoden, um Entscheidungsprozesse transparent zu gestalten, zu simulieren und zu verbessern; (b) ein Co-Creation-Labor, in dem Modelle und physische Experimente als Kommunikationsmittel für alle Akteure dienen; und (c) eine Anzeige zur Zuverlässigkeit von Daten und KI-Algorithmen. Die Modelle werden nach rechtlichen, ethischen, Sicherheits- und Schutzstandards bewertet, und nur diejenigen, die diesen Standards entsprechen, werden in der Entscheidungsfindung eingesetzt.