Forschungsprojekt PrePAIR
KI-gestütztes Fehlermanagement für die Produktion
KEY FACTS
PrePAIR erforscht und entwickelt KI-basierte Anwendungen, um das Fehlermanagement entlang der industriellen Wertschöpfungskette zu verbessern.
01
Integrierte Lösung.
PrePAIR verbindet Daten und Prozesse entlang der gesamten Wertschöpfungskette – unternehmens-übergreifend und interoperabel.
02
KI als
Enabler.
Durch den gezielten Einsatz von KI werden Fehler früher erkannt, Ursachen präziser analysiert und Maßnahmen vorausschauend abgeleitet.
03
Souveräner Datenaustausch
PrePAIR untersucht Möglichkeiten, um Anwendungsfälle im Fehlermanagement einen sicheren, standardisierten und souveränen Datenaustausch mit Catena-X zu ermöglichen.
USE-CASES
PrePAIR vernetzt vier Anwendungsfälle aus den Phasen Produktion, Logistik und Feld.
A1: KI-gestützte Analyse und Auswertung von Materialstammdaten zur
Vermeidung von Produktionsstörungen
Materialstammdaten bilden die Grundlage zentraler Geschäftsprozesse. A1 adressiert fehlerhafte oder unvollständige Stammdaten, die zu Störungen in Produktion und Logistik führen. Mithilfe von KI werden diese Fehler automatisch erkannt, Anwender informiert und gezielte Korrekturvorschläge bereitgestellt, um die Datenqualität nachhaltig zu verbessern.
A3: Proaktive Fehlervermeidung durch Korrelationsanalyse zwischen Prozessparametern und Schallprüfung im EOL
In der Produktion von Komponenten für E-Motoren werden fehlerhafte Bauteile häufig erst nach der Montage identifiziert. A3 nutzt KI-Methoden zur Analyse von Produktions- und Prüfdaten, um potenziell fehlerhafte Zahnräder und Wellen bereits während der Fertigung zu erkennen und Mitarbeitende frühzeitig über notwendige Anpassungen zu informieren.
A4: Fehlererkennung und Echtzeit-Analyse durch
Bildverarbeitung zur Reduzierung von Nacharbeit.
Fehler treten nicht nur in der Produktion, sondern auch in nachgelagerten Prozessen auf. Aufgrund hoher Variantenvielfalt und komplexer Arbeitsschritte ist die manuelle Fehlererkennung am Endprodukt anspruchsvoll. In A4 unterstützt eine KI-gestützte Bilderkennung Mitarbeitende bei der Identifikation, Erfassung und Dokumentation von Bauteilen und Fehlern.
A5: KI-gestützter Assistent zur automatisierten Identifikation und Formulierung von Fehlerbildern im Feld.
Die zunehmende Digitalisierung erzeugt große Mengen heterogener Fahrzeug- und Umweltdaten im Feld. A5 entwickelt eine KI-basierte Lösung zur automatisierten Identifikation und Formulierung von Fehlermustern aus diesen Daten. Dadurch werden Diagnose und Fehlerabstellung beschleunigt und wertvolles Wissen systematisch in vorgelagerte Prozesse zurückgeführt.
ERGEBNISSE
Mit den Ergebnissen wird einen wichtiger Beitrag zur Weiterentwicklung des Fehlermanagements im Standort Deutschland.
Die Zwischenergebnisse der einzelnen Anwendungsfälle werden schrittweise veröffentlicht und hier dargestellt.
PUBLIKATION
Publikationen und Wissensnuggets zur Öffentlichkeitsarbeit.
Im Rahmen des Projekts werden wissenschaftliche und praxisnahe Inhalte veröffentlicht und zugänglich gemacht.
- Strategies for Resilient Manufacturing: A Systematic Literature Review of Failure Management in Production
57th CIRP Conference on Manufacturing Systems, August 2024 (Veröffentlichung), WZL - Retrieval-Augmented Generation-based Decision Support System for Deviation Analysis on the Shop Floor
19th CIRP Conference on Intelligent Computation in Manufacturing Engineering, Juli 2025 (Konferenz), PTW - Wertkettenübergreifender Datenaustausch für effizientes Fehlermanagement in der Automobilbranche
Zeitschrift für wirtschaftlichen Fabrikbetrieb, September 2025 (Veröffentlichung), PTW & WZL - Enhancing Systematic Problem-Solving with Large Language Models
WGP-Jahreskongress 2025, September 2025 (Konferenz), PTW - Datenqualität im Kontext der Informationsbereitstellung durch LLMs
WerkstattTechnik, November 2025 (Veröffentlichung), WZL - Semantische Datenmodellierung für Fehlermanagement auf dem Shopfloor
Zeitschrift für wirtschaftlichen Fabrikbetrieb, November 2025 (Veröffentlichung), PRS & PTW
NEWS
Alle Neuigkeiten zum Forschungsprojekt PrePAIR auf einen Blick.
- April 30, 2026
Webinar-Aufzeichnung: KI & Datenökosysteme im Fehlermanagement
Im Rahmen des Forschungsprojekts PrePAIR ist ein spannender Expertentalk entstanden, der zentrale Zukunftsthemen im Qualitäts- und Fehlermanagement beleuchtet. Mit ... - April 15, 2026
Austausch zu Catena-X
Heute hatten wir einen spannenden Austausch mit Dr.-Ing. Robert Reiter, BMW Group Lead für den Use Case Quality bei ... - Januar 16, 2026
PrePAIR-Veröffentlichungen 2025/2025
Das Projekt PrePAIR liefert nicht nur innovative Ansätze für KI-gestütztes Fehlermanagement in der Praxis, sondern auch eine wachsende Zahl ... - Januar 12, 2026
PrePAIR in der Hochschullehre
🧠🤖 KI trifft Fehlermanagement – PrePAIR in der Hochschullehre an der RWTH Aachen Wie lassen sich Fehlermanagement und Künstliche ... - November 28, 2025
Konsortialtreffen in Attendorn
Ein weiteres spannendes Konsortialtreffen Projekt PrePAIR – 𝗣𝗿𝗲𝗱𝗶𝗰𝘁𝗶𝘃𝗲 𝗙𝗮𝗶𝗹𝘂𝗿𝗲 𝗠𝗮𝗻𝗮𝗴𝗲𝗺𝗲𝗻𝘁 𝘄𝗶𝘁𝗵 𝗔𝗜 𝗶𝗻 𝗣𝗿𝗼𝗱𝘂𝗰𝘁𝗶𝗼𝗻 🚀 Dieses mal heißt uns ... - November 7, 2025
From Silos to Ecosystems
🌐 From Silos to Ecosystems – Creating Europe’s Digital Momentum Eine inspirierende Veranstaltung des Bundesministerium für Wirtschaft und Energie ...
PARTNER
Im Forschungsprojekt arbeiten insgesamt 6 Unternehmen und 2 Forschungseinrichtungen an 4 Anwendungsfällen.
FÖRDERUNG
Dieses Forschungsprojekt wird gefördert und finanziert.
Das Forschungsprojekt PrePAIR wird mit Mitteln des Bundesministerium für Wirtschaft und Energie (BMWE) unter dem Förderkennzeichen 13|K037| gefördert. Projektträger ist die VDI Technologiezentrum GmbH.
KONTAKT
Wir stehen bei Fragen jederzeit zur Verfügung.
Konsortialführung:
PRS Technologie GmbH
Tel.: +49 241 894384-0
E-Mail: prepair@prstg.de
Adresse: Charlottenburger Allee 61, 52068 Aachen