Die Beleuchtungsindustrie hat sich durch die Verbreitung von LEDs als Standardleuchtmittel grundlegend gewandelt. Damit europäische Unternehmen auf diesem veränderten Markt langfristig konkurrenzfähig sein können, sollen ihnen moderne Technologien und Forschungserkenntnisse aus den Hochschulen zugänglich gemacht werden. Zu dieser Transferaufgabe trägt AI-TWILIGHT bei. Im Rahmen des Projekts werden physikalische Modelle mit Methoden der künstlichen Intelligenz kombiniert, um die Lebensdauerberechnung, Produktentwicklung und Wartung von LED-Systemen verbessern zu können. Dazu werden auch die Ergebnisse des Vorgänger-Projekts Delphi4LED einbezogen. Als langfristiges Ziel werden digitale Zwillinge von Beleuchtungssystemen angestrebt, die in ausgewählten Anwendungsbereichen, beispielsweise in der Automobil-, Gartenbau-, Gebäude- und Straßenbeleuchtung, getestet werden.

Bei einem digitalen Zwilling handelt es sich um ein virtuelles Modell von einem Prozess oder Produkt. Mit Hilfe von Daten, Sensoren und Algorithmen kommunizieren „realer“ und digitaler Zwilling miteinander. Aus dem Abgleich der Daten beider Zwillinge lassen sich wertvolle Erkenntnisse gewinnen. Digitale Zwillinge kommen zunehmend zum Einsatz, vor allem in modernen Produktionssystemen der Industrie 4.0, die vollständig vernetzt sind und sich selbst steuern und organisieren. Die für das Forschungsprojekt AI-TWILIGHT geplanten digitalen Zwillinge sollen während ihrer eigenen Lebenszeit Daten aufzeichnen, um eine vorausschauende Wartung und Produktanpassungen der nachfolgenden Generationen von Beleuchtungssystemen ermöglichen zu können.

LED-Systeme mit Methoden der künstlichen Intelligenz verknüpfen

Die Forschenden des Fachgebiets für adaptive lichttechnische Systeme und visuelle Verarbeitung (FG Lichttechnik) verfügen über eine langjährige Expertise mit LED-Systemen und Komponenten. Sie werden im Rahmen des Forschungsprojekts zunächst Verfahren zur Beschleunigung standardisierter Lebensdauertests entwickeln und erproben, da derzeitige LED-Lebensdauertests sehr zeit- und kostenintensiv sind. Zudem sollen bestehende Testverfahren um zusätzliche Einflussparameter wie Strom, Temperatur oder Feuchtigkeit für unterschiedliche Anwendungsgebiete erweitert werden.

Für eine verbesserte Genauigkeit und Zuverlässigkeit der Lebenszeitvorhersagen werden zeitgleich am Fachgebiet für Computersimulation elektromagnetischer Felder (CEM) physikalische Modelle mit Methoden des Machine Learnings kombiniert.

„Durch die Kooperation der beiden Arbeitsgruppen lässt sich das Wissen über physikalische Gesetzmäßigkeiten und Abhängigkeiten von LED-Systemen mit Methoden der künstlichen Intelligenz verknüpfen“, sagt Professor Tran Quoc Khanh vom FG Lichttechnik. Den Mehrwert dieser Verknüpfung erläutert Professor Sebastian Schöps vom CEM: „Auf diese Weise wird die Entwicklung optimaler Lebensdauertests und -vorhersagen mit Hilfe statistischer Verfahren ermöglicht. In der Praxis lässt sich dadurch der Zeit- und Kostenaufwand für die Tests, bei gleichbleibender Genauigkeit der Ergebnisse, senken.“