Moderne Fahrzeuge verfügen über bis zu 180 Steuergeräte, die während der Produktion verschiedene definierte Schritte der digitalen Wertschöpfung durchlaufen. Diese reichen von der Kontrolle des Verbaus über das Flashen der Software und die individuelle Konfiguration nach Kundenwunsch bis hin zur Funktionsprüfung und Inbetriebnahme. Dabei sind Reihenfolge, Randbedingungen und Abhängigkeiten entscheidende Faktoren für eine erfolgreiche Fahrzeuginbetriebnahme. Da der Umfang der digitalen Wertschöpfung stetig wächst, wird nach einer Lösung gesucht, die künftig dynamisch, individuell und intelligent die Prozesse resilienter gestaltet.

Das Gesamtziel dieses Projektes ist die Entwicklung einer integrierten KI-Methodik zur intelligenten Automatisierung und Optimierung der digitalen Wertschöpfungsprozesse in der Automobilproduktion. 

Im Kern verfolgt das Projekt drei ineinandergreifende Zielsetzungen: Erstens die automatisierte Generierung von Precedence Graphs mittels künstlicher Intelligenz, um die komplexen Abhängigkeiten und Reihenfolgen in den digitalen Wertschöpfungsketten ohne aufwändige manuelle Modellierung zu erfassen. Zweitens die dynamische Erstellung fahrzeugspezifischer OTX-Checklisten durch Generative AI, die sich individuell an Kundenkonfigurationen und Variantenanforderungen anpassen. Drittens die Implementierung eines integrierten Ansatzes zur proaktiven Anomalieerkennung, die Abweichungen in der digitalen Wertschöpfung frühzeitig identifiziert und damit Produktionsfehler sowie Feldausfälle verhindert.

Das Projekt basiert auf einer dreistufigen, integrierten Methodik, die künstliche Intelligenz systematisch zur Analyse und Optimierung der digitalen Wertschöpfung in der Automobilproduktion einsetzt. Diese Methodik kombiniert datengetriebene Prozessmodellierung, generative KI-Technologien und intelligente Anomalieerkennung zu einem kohärenten Lösungsansatz.