Daedalus entwickelt rekonfigurierbare Produktionskapazität für die automatisierte Produktion von Kleinserien. Unsere Roboter- und Künstliche-Intelligenz-Technologie ermöglicht es uns, agile Herstellungsmethoden für jegliche Prozesse, Mengen, und Bauteilkomplexität anzubieten.

Martin Lander macht gerade seinen Master in Wirtschaftsingenieurwesen am KIT. Neben Künstlicher Intelligenz und Produktionsanlagen interessiert ihn auch die Optimierung von Geschäftsprozessen durch Process Mining und Data Science sowie Spieltheorie in der VWL. Durch mehrere Jahre als Werkstudent in der IT-Branche mit vielen Projekten im Maschinenbau ist er mit Abläufen und Engpässen der Branche vertraut und hat viele Ideen die er im Projekt mit einbringt.

Jonas Schneider hat schon währen seinem Informatik Studium am KIT den Drang nach größeren Herausforderungen verspürt, weshalb er nach gutem Abschneiden bei einem CTF Event von Stripe im Jahr 2012 dort ein Praktikum machte, und sich sofort in das Silicon Valley verliebte. Nachdem er seinen Abschluss in der Tasche hatte ging er sofort zurück und begann bei OpenAI zu arbeiten. Zu seinen Forschungserfolgen dort zählt das bezwingen des Weltmeisterteams im Spiel Dota 2, sowie das Lösen eines Rubick's Cube durch eine Roboterhand - beides jeweils mit einer durch Reinforced Learning trainierten KI.

Jetzt wollen die beiden Kindheitsfreunde durch ihr jeweils erlerntes Wissen den Industriestandort Baden Würtemberg erobern und eine innovative Idee zur Marktreife führen.

Unser Plan für 2020 und darüber hinaus ist die Entwicklung einer Rekonfigurierbaren Mikrofabrik, also einer flexiblen Plattform zur Prozessautomatisierung unter Verwendung von KI-basierter Robotertechnik.

Industrieroboter werden heutzutage überwiegend von Hand einprogrammiert. Das ist zeitaufwändig und geschieht deshalb einmalig im Rahmen der Inbetriebnahme einer neuen Anlage. Das bedeutet, dass eine Produktions- und Montagelinie oft nur eine schmale Produktreihe herstellen kann. Das Schlüsselproblem ist dabei die manuelle Programmierung der Roboter.

Unsere Technologie verlagert die Programmierung der Roboter hin zu Software (Software-Defined Manufacturing) mithilfe von Deep Reinforcement Learning (s.u.). Damit kann eine Montagelinie flexibel für diverse Produktionsvorgänge, wie z.B. verschiedene Varianten eines Produkts eingesetzt werden. Dies führt zu drastischen Verbesserungen in der Anlaufzeit für die Inbetriebnahme einer neuen Prozesskette und damit zu gesteigerter Flexibilität und verkürztem Zeitbedarf für die Produktentwicklung; zentrale Kennwerte auf dem Gebiet der “Industrie 4.0”, um schneller auf sich wandelnde globale Märkte reagieren zu können.