Nachhaltige Reparaturen vorantreiben: Entwicklung eines KI-gesteuerten Fehlererkennungsmodells Im Rahmen des EU-geförderten Projekts „CIRC-UITS“ arbeiten wir gemeinsam mit BOSCH an einem spannenden Teilprojekt: Wir entwickeln ein Computer-Vision-Modell zur Diagnose und Fehlererkennung von Steuergeräten, die in Autos verwendet werden – beispielsweise für ABS oder ESP. Das Ziel? Die Nachhaltigkeit in der Elektronikindustrie zu steigern! Ein Interview mit Alexandr Bystrov, Student an der Universität Oldenburg und Nachwuchswissenschaftler im Bereich Produktion bei OFFIS.
Aleksandr, Du bist Teil des CIRC-UITS-Projekts. Kannst Du erklären, worum es bei diesem Projekt geht und welche Rolle Du dabei spielst?
Das Projekt CIRC-UITS, das für „Circular Integration of Independent Reverse Supply Chains for the Smart Reuse of Industrial Relevant Semiconductors“ steht, zielt darauf ab, Produkte mit Leiterplatten (PCBs) nachhaltiger zu machen. In Zusammenarbeit mit BOSCH arbeiten wir an einem Diagnosemodell für elektronische Steuergeräte (ECUs). Das Projekt bewertet sowohl die theoretische als auch die praktische Reparierbarkeit von Produkten, und eines unserer Pilotprojekte betrifft Bosch-Steuergeräte, die in Systemen wie ABS und ESP in Autos verwendet werden.
Was ist das spezifische Ziel dieses Teilprojekts?
Das Ziel ist die Entwicklung eines Computer-Vision-Modells, das Fehler in sieben kritischen Komponenten von Steuergeräten erkennt. Im Wesentlichen wird dieses Modell diese Komponenten entweder als funktionsfähig oder als fehlerhaft klassifizieren. Durch den Einsatz von maschinellem Lernen wollen wir nicht reparable Produkte so früh wie möglich ausschließen und so die Nachhaltigkeit des Reparaturprozesses erhöhen. Wir optimieren nicht nur die Reparatur selbst, sondern reduzieren auch den unnötigen Ressourcenverbrauch für Transport, Reinigung und Sortierung. Letztlich lautet die Schlüsselfrage: „Ist dieses Produkt eine Reparatur wert?“
Du hast erwähnt, dass im Rahmen dieses Projekts ein Modell für die Computer Vision entwickelt werden soll. Wie weit seid Ihr in diesem Prozess?
Wir befinden uns in der Anfangsphase - dem Aufbau eines soliden Rahmens für die Bilderfassung und -kennzeichnung. Das mag einfach klingen, aber wir sind bereits mit Herausforderungen konfrontiert worden. Zum Beispiel sind einige Steuergerätekomponenten reflektierend, andere nicht, was die Belichtungseinstellungen für die Bilderfassung erschwert. Wir haben mehrere Ansätze entwickelt, um dieses Problem zu lösen, und jeder wird zur Erstellung mehrerer Datensätze führen. Diese Datensätze werden später anhand der Modellgenauigkeit miteinander verglichen. Trotz der Herausforderungen macht diese Phase den vielleicht langweiligsten Teil eines Bildverarbeitungsprojekts - das Labeling - noch spannender.
Du hast 2024 mit der Arbeit an diesem Projekt bei OFFIS begonnen. Welche Erfahrungen hast Du bisher gemacht?
Ich kam Mitte Juli 2024 zu OFFIS und wurde sofort in das Projekt eingebunden. Meine ersten Aufgaben konzentrierten sich auf eine Literaturrecherche und die Erforschung potenzieller Herausforderungen wie Klassenungleichgewicht, Datenerweiterung und Modellarchitektur. Jetzt arbeite ich sowohl an den theoretischen als auch an den praktischen Aspekten des Projekts, was dazu beiträgt, dass wir auf dem Weg zu unseren Zielen eine gute Balance finden. Einer der spannenden Aspekte ist die Anzahl der Herausforderungen, mit denen wir konfrontiert sind: die Komplexität der Berechnungen, die Unausgewogenheit der Klassen und der kleine Datensatz, den wir derzeit für das Training haben. Diese sind sowohl motivierend als auch herausfordernd, was mich bei der Stange hält.
Hilft Dir dein Studium bei diesem Projekt?
Ich studiere derzeit den Masterstudiengang Angewandte Wirtschaftswissenschaften und Data Science an der Universität Oldenburg, den ich im Oktober 2023 begonnen habe. Dieses Projekt ermöglicht es mir, mein theoretisches Wissen in die Praxis umzusetzen, was eine fantastische Lernerfahrung ist. Das Team bei OFFIS hat mich unglaublich unterstützt, und ich habe Glück, dass ich ein so positives Arbeitsumfeld habe. Es ist auch großartig, dass ich die Fähigkeiten, die ich in meinem Masterstudiengang erworben habe, weiter ausbauen kann.
Es klingt, als hättest Du im letzten Jahr viele Veränderungen erlebt. Magst Du darüber sprechen?
Vor fast einem Jahr habe ich im Alter von 32 Jahren ein neues Kapitel in meinem Leben begonnen: Ich habe den Beruf, das Land (ich komme aus Sankt Petersburg, Russland), die Sprache und die Menschen gewechselt. Ich habe mein Studium an der Universität Oldenburg im Masterstudiengang Applied Economics and Data Science begonnen. In dieser Zeit habe ich eine Menge wertvolles theoretisches und praktisches Wissen erworben. Langer Rede kurzer Sinn: Ich genieße das Studium an der UOL aus einer multidimensionalen Perspektive - Studium, Menschen, Stadt und Einrichtungen. Als Werkstudent weiß ich diese Möglichkeit jetzt noch mehr zu schätzen. OFFIS ist unter den Studenten ein bekannter potenzieller Arbeitgeber, und ich habe zum ersten Mal davon gehört, als ich während meines Studiums über fachbezogene Jobmöglichkeiten beraten wurde. Ich hatte das Glück, dort im zweiten Semester eine Stelle zu bekommen.
Und wie verbringst Du deine Zeit außerhalb von Arbeit und Studium?
Neben dem Studium und der Arbeit setze ich in meiner Freizeit folgende Prioritäten: Meditation, Gitarre spielen, Yoga und Rennradfahren - wobei natürlich das Deutschlernen an erster Stelle steht. Alle diese Aktivitäten sind toll, aber Meditation ist die Leidenschaft meines Lebens. Vielleicht erzähle ich Ihnen eines Tages mehr darüber.
