Wissenschaftliche Veröffentlichungen
Publikationen
Auf dieser Seite finden Sie wissenschaftliche Publikationen und projektrelevante Veröffentlichungen aus dem Forschungsprojekt KI-ssist. Die Beiträge dokumentieren zentrale fachliche Ergebnisse des Projekts und geben Einblick in die wissenschaftliche Auseinandersetzung mit Large Language Models in industriellen Assistenzszenarien.
Publikationsübersicht
Die nachfolgende Übersicht umfasst alle im Rahmen von KI-ssist veröffentlichten Publikationen und wird im Projektverlauf fortlaufend ergänzt.
Potentiale und Grenzen des Einsatzes von LLMs in industriellen Assistenzszenarien
Die Publikation untersucht die Potenziale und Grenzen von Large Language Models in industriellen Assistenzszenarien. Im Mittelpunkt stehen Einsatzmöglichkeiten in Wartung, Fehlerdiagnose und Wissensbereitstellung sowie die damit verbundenen Herausforderungen in Bezug auf Verlässlichkeit, Erklärbarkeit, Energieverbrauch und regulatorische Anforderungen.
Abstract lesen
Large Language Models (LLMs) eröffnen neue Potenziale für industrielle Assistenzsysteme: Sie ermöglichen sprachbasierte Interaktionen, automatisierte Analyse technischer Informationen und kontextbezogene Entscheidungsunterstützung. Besonders in Wartung, Fehlerdiagnose und Wissensbereitstellung können sie Produktivität und Anlagenverfügbarkeit deutlich steigern. Dem gegenüber stehen zentrale Herausforderungen: LLMs neigen zur Generierung fehlerhafter Inhalte („Halluzination“), sind schwer erklärbar, verbrauchen enorme Energiemengen im Training und werfen Fragen zu Datenschutz und rechtlicher Konformität auf. Der EU AI Act fordert dabei erhöhte Anforderungen an Transparenz, Sicherheit und Robustheit im industriellen Kontext. Derzeit fehlt es an praxistauglichen Architekturkonzepten und validierten Best Practices für den verlässlichen und nachhaltigen Einsatz von LLMs in technischen Systemen. Das Forschungsprojekt KI-ssist adressiert diese Lücke. Es verbindet theoretische Analysen mit der praxisnahen Erprobung in industriellen Use Cases, um technologische, regulatorische und ökologische Anforderungen an den Einsatz von LLMs greifbar zu machen. Ziel ist es, auf dieser Grundlage Handlungsempfehlungen für den industriellen Einsatz generativer KI abzuleiten und so einen Beitrag zur strategischen Positionierung dieser Schlüsseltechnologie zu leisten.