Dr.-Ing. Matthias Schindler

Dr.-Ing. Matthias Schindler

Clusterverantwortlicher Smart Data Analytics, BMW Group


Künstliche Intelligenz im BMW Produktionssystem: Selbstservice zur Demokratisierung von KI.

Der Integration unterschiedlicher Antriebsformen und der Individualisierung von Premiumfahrzeugen werden in der Produktion der BMW Group entscheidende Bedeutung zuteil. In der Fertigung gilt es, die induzierte Komplexität optimal zu managen. Dabei nimmt Künstliche Intelligenz, KI, eine zentrale Rolle im BMW Produktionssystem ein: Die BMW Group nutzt KI für Qualitätsinspektionen und fokussiert dabei hundertprozentige Robustheit – im Besonderen werden Pseudofehler vollständig eliminiert.

Um KI im Produktionssystem zu integrieren und auszurollen, setzt die BMW Group auf den Selbstservice für Mitarbeiter. Im Zentrum dieser unternehmensweiten Initiative stehen Algorithmen, mithilfe denen jeder Produktionsmitarbeiter in die Lage versetzt wird, eine individuelle KI für seinen eigenen Anwendungsfall zu kreieren – ohne dafür eine einzige Zeile Code zu programmieren. Gemäß der Maxime ‚Technik dient dem Menschen‘ verfolgt die BMW Group so die Demokratisierung von KI.

Vita

Vita

Nach dem Studium des Maschinenbaus an der TU München startete Schindler seine professionelle Laufbahn bei der BMW Group in München. Im Projekt Industrie 4.0 führte er dort bis 2016 die Vorentwicklungsaktivitäten zu 3D-Digitalisierung zur Brownfield-Planung und promovierte. Seit 2017 leitet Schindler als Clusterverantwortlicher für Smart Data Analytics die Innovationen zu Datenvisualisierung und -analyse im BMW Produktionssystem: Im Zentrum stehen die Optimierung der Prozessqualität und die Steigerung der Analagenverfügbarkeit. Schindler und sein Team führen Künstliche Intelligenz in die Produktion ein – als Selbstservice für Produktionsmitarbeiter. Sie publizieren die entwickelten KI-Algorithmen Open Source. Im Mittelpunkt der KI-Entwicklungen steht aktuell die Industrialisierung neuronaler Netze für die Objektdetektion auf Fotos unter maximaler Robustheit.