Projekte

Der technologische Wandel erfolgt in steigendem Tempo und geht mit zunehmender Digitalisierung einher. Es verändern sich Arbeit, Kollaboration und Kommunikation und damit entstehen neue Anforderungen für Unternehmen und Beschäftigte. Zur Bewältigung dieser Anforderungen benötigen die Unternehmen zukunftsfähig qualifizierte Mitarbeitende, womit der zukunftsorientierenden Aus- und Weiterbildung entscheidende Bedeutung zukommt. Von zentraler Bedeutung ist die Entwicklung individueller Kompetenzen zum selbstorganisierten Handeln unter Nutzung von IKT. Es werden neue methodisch-didaktische Ansätze und Konzepte sowie auch die Nutzung von modernsten technischen Lösungen und Instrumenten nötig.

Ziel des Projektes ist es daher, ein DIY-Autorentool zu entwickeln und zu evaluieren, mit dem Lehrende und später auch Aus-/Weiterzubildende eigene MR-Lehrinhalte erstellen und anpassen können. Denn nur so kann die breite Verfügbarkeit von Inhalten beschleunigt werden. Im Sinne einer effektiven User Experience ermöglicht das DIY-Tool die Editierung direkt in MR. Die im Projekt entwickelten und kuratierten methodisch-didaktische Ansätze (inkl. Gamification) sollen vom Tool teilautomatisiert Usern zur Verfügung gestellt werden um die Erstellung von hochqualitativen und abwechslungsreichen Inhalten zu unterstützen. Zudem soll untersucht werden, wie eine erweiterbare Modellbibliothek zur Integration und Adaption von digitalen Ausgangsdaten und –modellen implementiert werden kann. Die Einbindung von bestehenden physischen als auch digitalen Elementen wird durch Pipelines – u. a. zur automatisierten Reduktion von STEP/GLFT-Dateien – unterstützt.

Für eine weite Verbreitung und Nachnutzung der geplanten Entwicklungen erfolgt eine enge Vernetzung mit anderen themennahen MR4B-Projektvorhaben. Zudem wird die Integrierbarkeit von Erkenntnissen und technologischen Lösungen aus potentiellen MR4B-Projekten (z. B. KeepCool und Reduktion von Motion Sickness in VR) berücksichtigt.

Konsortialführer
Hochschule für Technik und Wirtschaft Berlin
Forschungsgruppe Creative Media
Wilhelminenhofstr, 75A
10623 Berlin

Prof. Dr. Regina Frieß
+49 30 5019-3467

Regina.Friess@HTW-Berlin.de
www.htw.de

Wartungsprozesse im industriellen Kontext weisen eine hohe Komplexität auf. Komponentenmüssen demontiert und unter genau definierten Bedingungen gewartet und anschließendwieder montiert werden. Zur Unterstützung liegen unterschiedlichste Handbücher, Normen,Richtlinien und Verfahrensanweisungen vor.

Ziel dieses Projekts ist es, diese Dokumente und Informationsquellen digital zu erschließen und mittels Augmented Reality-Technologie die Inhalte passend zu den jeweiligen Wartungsprozessen bzw. Betriebsprozessen den Betriebs- und Wartungsmitarbeitern darzustellen. Das Aufschließen der Informationsquellen soll hierbei mittels KI-gestützter Methoden und maschineller Verarbeitung in Kombination mit einer domänenspezifischen Ontologie erfolgen. Die Informationen werden dabei auch auf die Ontologie abgebildet, die dann zum Beispiel die Domäne “chemische Anlage”beschreibt. Für die heterogenen textlichen und graphischen Informationen (2D, 3D) werden anschließend passgenaue Visualisierungsformen für die AR-Anwendung entwickelt. Im Projekt entstehen Prototypen für verschiedene industrielle Anwendungen, die mindestens über ein webAR-Interface verfügen sollen, mit denen Betriebs- und Wartungsaufgabenunterstützt und spezifische Informationen visuell aufbereitet werden.

Langfristiges Ziel ist eine AR-Unterstützungslösung für Betrieb und Wartung, die auf jedes technische Gerät, Anlage etc. übertragbar ist, für die bisher komplexe Benutzerhinweise, Handbücher oder ähnliches zu lesen sind.

Konsortialführung
Technische Universität Berlin
Str. des 17. Juni 135
10178 Berlin

Dr.-Ing. Erik Esche
+49 30 314 21634
erik.esche@tu-berlin.de
https://www.tu.berlin/dbta

VR bietet großes Potential für Lehr-Lernlösungen in verschiedensten Kontexten: Sie ermöglicht das Erleben von gefährlichen Situationen ohne in Gefahr zu sein, das Üben anMaschinen/Anlagen die für Trainingszwecke viel zu teuer wären sowie daserfahrungsbasierte Lernen mit Fokus auf Kompetenzerwerb. In vielen Lernkontexten inIndustrie & Handwerk – insbesondere auch zu Themen wie Ausbildung an schwerenMaschinen und in gefährlichen Anwendungsfällen – gilt es eine herausfordernde Balance zumeistern.

Die Lernanwendungen sollen weder langweilig noch zu aufregend oder zu schwierig sein. Weder soll die Wichtigkeit und Bedeutung von Handlungen unterschätztwerden noch sollen Nutzende Ängste vor den Tätigkeiten entwickeln. Dieser Spagat wirdnoch herausfordernder durch den Umstand, dass das Level an Emotionen und Stress vonindividuellen Faktoren und Vorerfahrungen der Nutzenden mit den Tätigkeiten abhängen.Erklärtes Ziel des zweijährigen FuE-projekts ist daher: Die Entwicklung und Evaluierung einesFrameworks für KI-gestützte, adaptive Virtual Reality (VR) Lernumgebung zum Training inGefahrensituation in industriellen & handwerklichen Kontexten.

Im Fokus des Vorhabens steht dabei sowohl die (Simulations-)mechanische und audio-visuelle Adaption (MuAVA)von VR-Anwendungen (VRA) auf Basis von Vitaldaten zur Laufzeit. Um das Framework zutesten, müssen konkrete VRA vorliegen, welche Proband*innen erleben können. Mit diesen können dann u.a. die folgenden Forschungsfragen bzgl. MuAVA evaluiert werden: Mit welchen Vital-Sensoren kann das Stress-Level hinreichend bestimmt werden? (Wie) Ist es möglich durch MuAVA optimale Stress-Level zu erzeugen? Kommt es durch MuAVA zu signifikantenten Änderungen bzgl. Wahrnehmung und Verhalten? Bis zu welchem Grad haben MuAVA einensignifikanten Einfluss auf die Gefahreneinschätzung?

Die Ergebnisse und Erkenntnisse werden MR4B-Projekten zur Verfügung gestellt, die Entwicklung des Frameworks zu einemProdukt wird nach Projektende vorangetrieben.

Konsortialführung
Hochschule für Technik und Wirtschaft Berlin
Wilhelminenhofstr, 75A
12459 Berlin

Prof. Dr. Regina Frieß
+49 30 5019 3467
regina.friess@htw-berlin.de
https://www.htw-berlin.de/

Der deutsche Anlagenbau ist das Rückgrat unserer Wirtschaft und Gesellschaft. Eine Studievom VDMA (Verband Deutscher Maschinen- und Anlagenbau e. V.) aus 2018 belegt, dass die, insbesondere mittelständisch geprägte, Maschinenbaubranche abermals der größte industrielle Arbeitgeber in Deutschland ist. Innerhalb des Anlagenbaus arbeiten dabeiverschiedene Gewerke des Maschinenbaus, der Verfahrenstechnik, Elektrotechnik,technischen Gebäudeausrüstung sowie der Bautechnik gemeinsam an Planungsprojektenhoher Komplexität.

Diese Projekte sind in der Regel stark individuell sowie kundenspezifischund scheitern oft, weil innerhalb der Vorplanung die Anforderungen der unterschiedlichen Gewerke und die örtlichen Gegebenheiten sowie Ressourcenanforderungen nichtausreichend definiert sind. Erfahrungen zeigen, dass sich viele Fehler durch eine bessere Kommunikation aller Projektbeteiligten insbesondere in frühen Phasen vermeiden ließen.

Ziel des Projekts ist die Entwicklung einer Plattformanwendung zur 3D-Aufstellungsplanung,welche die unterschiedlichen Gewerke des Anlagenbaus dazu befähigt, auf einer gemeinsamen Datenbasis iterativ zu planen. Die Anwendung soll dabei auch das frühe (Pre-und Basic-) Engineering in VR und AR durch einen kollaborativen Multi-User Ansatzermöglichen und so die Kommunikation und den Anforderungsaustausch allerProjektbeteiligten untereinander stärken. Grundlage der Aufstellungsplanung bilden dabei indie Anwendung importierte BIM-Modelle, welche die örtlichen Gegebenheiten und Limitierungen abbilden. Durch die Gewerke werden innerhalb des Architekturmodels imPlanungsverlauf simple Objektmodelle platziert, verschoben, skaliert und modifiziert. Diese Objekte referenzieren dabei auf die wichtigsten und gewerkeübergreifend relevantenInformationen. Am Ende der kollaborativen Planung entsteht so ein frühzeitig durch dieGewerke abgestimmtes Anlagenmodell, welches für die Weiterverwendung in Anwendungenfür die Detailplanung exportiert werden kann.

Konsortialführer
X-Visual Technologies GmbH
James-Franck-Straße 15
12489 Berlin

Wolfgang Welscher
+49 (30) 4036 882 20
wolfgang.welscher@x-visual.com
www.x-visual.com

Sicherer Betrieb und Wartung von Industrieanlagen mittels MR- und IoT-Technologie

In Industrieanlagen muss eine Vielzahl an Betriebs- und Wartungsaufgaben vollzogen werden, bei denen Mitarbeiter*innen einerseits auf Grund von Gefahrensituationen umfangreiche persönliche Schutzausrüstung benötigen (Helme, Handschuhe, Schutzbrillen, Arbeitskleidung, etc.) und zugleich eine Vielzahl an manuellen Aktionen durchführen müssen sowie Anweisungen an die Prozessleittechnik geben müssen. Darüber hinaus werden häufig Messdaten aus der Leittechnik ausgelesen sowie weitere Daten,während der Arbeitsprozesse, erhoben und notiert. Auf Grund der technischen Anlagen und dem eventuellen Umgang mit Gefahrstoffen finden diese Arbeiten häufig in einem Gefahrenumfeld statt, in dem die Arbeitszeit der Mitarbeiter minimiert werden sollten bzw. müssen, insbesondere für routinemäßige Betriebs- und Wartungsaufgaben (B&W). Zusätzlich können durch die Schutzausrüstung Sichtfeld, Bewegungsradius und ähnliches eingeschränkt sein.

In diesem Forschungsvorhaben sollen Arbeitsprozesse, z.B. manuelle Probenentnahmen in einer chemischen Anlage, MR-basiert begleitet, unterstützt und dokumentiert werden. Zugleich soll die Kommunikation zwischen B&W-Personal und Leitwarte bzw. Leittechnik mittels IoT-Lösungen vereinfacht werden. Dies soll zu einer Erhöhung der Betriebssicherheit und Arbeitssicherheit durch MR-basiert geführte Arbeitsabläufe führen. Für das B&W-Personal soll zudem die Informationsbereitstellung und -aufnahme bei wiederkehrenden Arbeitsabläufen erleichtert werden. Benutzerbezogenes Wissen soll in der MR-Lösung abgelegt und so zu einer beschleunigten Einarbeitung weiterer Mitarbeiter*innen führen.

Mittel- bis langfristig sollen alle Arbeiten „hands free“ dank Nutzung von MR-Endgeräten und IoT-Technologien sein und diese breite Anwendung in Industrieumgebungen finden. Insgesamt soll dieses Projekt zu einer signifikanten Verbesserung der Arbeitsbedingungen von Betriebs- und Wartungspersonal im Industrieumfeld führen.

Konsortialführer
Technische Universität Berlin

Prinzessinnenstraße 1
10969 Berlin

Prof. Dr. Steffi Knorn
+49 30 2851 980
info@3pc.de
www.3pc.de

MR-Projekte scheitern bislang am Aufwand zur Datenaufbereitung und Adaption für MR-Anwendungen.

Ziel dieses Vorhabens ist es, diese Hürden zu überwinden und dazu einenDatenstandard vorzuschlagen, der die Entwicklung und Einführung von Anwendungen imBereich Mixed Reality beschleunigt und nachhaltig ermöglicht. Ein Datenstandard umfassthierbei Semantik, Datenformate, technische Schnittstellen für den Datenaustausch, sowieSpezifikation von Datenschutz und Datensicherheit. Der Standard wird in einem Protoypenfür alle Bündnispartner zur Verfügung gestellt, um die Interoperabilität innerhalb desBündnisses zu fördern.

Ergebnisse anderer Bündnisprojekte sollen in dieses Projekteinfließen, um so kooperativ den neuen Standard zu erarbeiten. In diesem Vorhaben werdendie Domänen “Industrielle Betriebs- und Engineeringdaten”, “Geschäftsdaten ausUnternehmensprozessen”, “MR-Daten” und “sensible, personenbezogene Daten”einbezogen. Bestehende Technologie- und Datenstandards werden bewertet und zu einemgemeinsamen Ansatz für MR-Anwendungen konsolidiert. Der Standard soll in einerServeranwendung prototypisch implementiert werden, dem MR-Datenhub. Mit dem Protoypen werden erste Ergebnisse exemplarisch gezeigt und den Bündnispartnernentsprechende hilfreiche Lösungsbausteine angeboten. Auf Basis der definierten Elementedes Standards können Vorgehensweisen zur Implementierung von MR-Lösungen definiertwerden, die die Einführung und Entwicklung von MR-Lösungen deutlich vereinfachen.

Im besten Fall werden durch eine wiederverwendbare Datenstruktur auch die Kosten zurEinführung von MR-Technologien deutlich gesenkt. Durch die bereits bestehenden Kontakte verschiedener Bündnispartner zu Normungsgremien kann davon ausgegangen werden, dassdie Ergebnisse einen relevanten Beitrag zur allgemeinen Standardisierungsdiskussion indiesem Bereich leisten werden. Durch den stardardisierten Umgang mit sensiblenpersonenbezogenen Daten reduzieren die Anwender Datenschutzverstöße nach DSGVO.

Konsortialführer
Str. des 17. Juni 135
10623 Berlin

Dr.-Ing. Erik Esche
+49 30 314 21634
erik.esche@tu-berlin.de
www.breakpoint.one