Abteilung Human-Cyber-Physical Systems (HCPS)

Kognitives Systems Engineering

Damit Digitalisierung am Menschen ausgerichtet und für den Menschen gewinnbringend ist, braucht es eine ganzheitliche, strukturierte Vorgehensweise. Der obere Teil der Abbildung zeigt den vereinfachten, menschzentrierten Digitalisierungskreislauf "Human-CoMo", der z.B. für den Aufbau von Entscheidungsunterstützungssystemen genutzt werden kann. Die verschiedenen Rollen des Menschen sind mit unterschiedlichem Know-how und Aufgaben verbunden, die zusammengeführt werden müssen.

Der untere Abbildungsteil zeigt einen Auszug aus einer hierarchischen, kognitiven Map-Darstellung von Expertenwissen am Beispiel eines galvanischen Beschichtungsprozesses als Teilergebnis eines Wissenserhebungsprozesses. Rechts daneben befindet sich ein zugehöriges datenbasiertes KI-Modell, das auf dem Wissensmodell aufgebaut ist. Die Datengrundlage ist in Zusammenarbeit mit der B+T Unternehmensgruppe entstanden.

Die Abteilung HCPS verfügt über Expertise in den Bereichen "Kognitives Systems Engineering" und "KI-Modellierung". Sie bilden die Grundlage für die Nutzbarmachung von Erfahrungswissen für verschiedene Digitalisierungslösungen (u.a. Implementation von implizitem Wissen in Chatbots), aber auch die Entwicklung KI-basierter Entscheidungsunterstützungssysteme und Forschung zu "Mensch-Maschine-Teaming".

Eigene Referenzen:

• Bocklisch & Lampke (2024) "Human-CoMo"
• Bocklisch (2025)

Entscheidungsunterstützung

Das Video zeigt an einem Mock-up-Beispiel für die mehrkriterielle Parameteroptimierung bei galvanischen Beschichtungsprozessen, wie menschzentrierte Digitalisierung in der Produktion durch Assistenzlösungen gelingen kann.

Es adressiert Anforderungen, die sich bei der Entscheidung zwischen Input-Parametersets oder alternativen Elektrolyten bzw. Fertigungsverfahren stellen, am Beispiel des galvanischen Zink-Nickel-Beschichtens.

Im Fokus stehen dabei die Zielkriterien "Schichtdicke", "Nickelgehalt", "Korrosionsschutz" und "Oberflächenrauheit" als Beispiele für wichtige Schichtmerkmale, die in der Praxis in Zielkonflikten zueinanderstehen. Das Assistenzsystem ermöglicht es, jedes dieser Kriterien einzeln oder mehrkriteriell zu optimieren und so unterschiedliche Zielprofile abzubilden.

Auf Grundlage der vorhandenen Datenbasis aus Beschichtungsexperimenten, die zusammen mit der B+T Unternehmensgruppe durchgeführt wurden, analysiert die KI, welche Kombinationen von Prozessparametern mit den gewählten Zielsetzungen korrespondieren. Danach werden konkrete Empfehlungen für Parametereinstellungen abgeleitet und dem menschlichen Entscheider transparent dargestellt. Es ist möglich, den Einfluss von Inputparametervariationen auf die einzelnen Zielgrößen zu quantifizieren und so auch Ursache-Wirkungs-Zusammenhänge zu erkennen.

Eigene Referenzen:

• ZVO Report 02/2026
• Bocklisch et al., 2024
• Bocklisch et al., accepted

Mensch-Maschine-Teaming

Die Formen der Zusammenarbeit von Mensch und Maschine befinden sich im stetigen und schnellen Wandel. Neben Assistenz- und Automatisierungslösungen rückt das Mensch-Maschine-Teaming als neue, hochinnovative Form in den Fokus der Forschung und Entwicklung. Teamingfähige Systeme haben zum Ziel, dass der Mensch und der im technischen System implementierte Cyber-Teampartner ähnlich einem gut funktionierenden Kollegenteam zusammenarbeiten. Dafür braucht es ein stabiles Miteinander zwischen hochleistungsfähiger Technik und kompetenten Menschen, welches völlig neue Möglichkeiten hinsichtlich Leistungsfähigkeit und nachhaltigem Arbeiten eröffnen wird.

Damit ein System teamingfähig ist, muss es u.a. folgende Kriterien erfüllen:

• Komplementarität: Mensch und Cyber-Teampartner bringen zur Aufgabenerfüllung sich ergänzende Funktionen in den Arbeitsprozess ein. Die erhöhte Leistungsfähigkeit entsteht aus dem Zusammenlegen der jeweiligen Stärken.
• Geteiltes Wissen und gemeinsame Ziele: Beide Seiten müssen den Kontext der Zusammenarbeit verstehen und auf gemeinsame Ziele gerichtet arbeiten. Neben den eigenen Wissenssphären besteht eine geteilte Wissensbasis, die sich am menschlichen Fachwissen und dessen kognitiven Strukturen orientiert. Die Implementation im Cyber-Teampartner ist transparent und für den Menschen versteh- und nachvollziehbar.
• Gebundene Autonomie: Wie in einem menschlichen Team sind die Partner aufeinander bezogen und aneinander gebunden. Es bestehen für jeden entsprechend seiner Aufgaben und Stärken Freiräume – insgesamt ist die Autonomie der Teampartner aber begrenzt. Der Cyber-Teampartner kann vom Menschen übersteuert werden, so dass die Entscheidungsgewalt stets vom menschlichen Teampartner ausgeht.
• Vertrauen in die Automation: Das gerechtfertigte menschliche Vertrauen in den Cyber-Teampartner entsteht als Folge der erfolgreich realisierten Kriterien "Komplementarität", "Geteiltes Wissen / Ziele" und "Gebundene Autonomie" in realen Interaktionserfahrungen in produktionstechnischen Anwendungsfällen.

Eigene Referenzen:

• Bocklisch & Huchler (2023)
• Bocklisch (2025)

Menschzentrierte Modellierung und Künstliche Intelligenz

https://www.mec.ed.tum.de/utg/dfg-schwerpunktprogramm-2476/teilprojekte/projekt-4/

Komplexe Fertigungsprozesse oder Prozessketten können mit datenbasierten KI-Verfahren in Teilen abgebildet oder simuliert werden. Die entstehenden Modelle sollten transparent und für den Menschen gut verstehbar sein. Dann können die Modellergebnisse z.B. die industrielle Fertigung von Komponenten und Produkten mit definiertem Eigenschaftsprofil zielgerichtet unterstützen. Die modellbasierte Beschreibung ist wichtig, um u.a. folgende Herausforderungen zu bewältigen: Optimierung einzelner Fertigungsprozesse oder globale Optimierung über die Prozesskette hinweg sowie Umgang mit prozessimmanenten Unsicherheiten und heterogener Datenlage.

Die Abbildung zeigt ein konkretes Beispiel einer Prozesskette aus (1) Thermischem Beschichten, (2) Drehen und (3) Diamantglätten, um eine Funktionsoberfläche mit oberflächennaher, gradierter Härtesteigerung herzustellen. Durch thermisches Beschichten (primäre Formgebung) werden auf rotationssymmetrischen Komponenten Oberflächen aus Manganhartstahl aufgebracht und durch Drehen und Diamantglätten hinsichtlich Kern- und Randeigenschaften angepasst. Die zu optimierenden Zielgrößen der Prozesskette sollen in diesem Beispiel wie folgt beeinflusst werden: (1) Oberflächenhärte maximieren, (2) Oberflächenrauheit minimieren, (3) Oxidgehalt des Schichtsystems maximieren und (4) die Energieeffizienz der Oberflächenerzeugung maximieren.

Durch integrierte Sensorik werden Daten der Fertigungsprozesse erfasst und zur Modellbildung genutzt. Als Verfahrensansätze dienen die statistische Modellierung und die mehrdimensionale, musterbasierte Beschreibung mittels grey-box KI-Algorithmen (Fuzzy Pattern Classification). Sie ermöglichen die Quantifizierung verschiedener Unsicherheitsarten und die vorwärts- sowie rückwärtsgerichtete Kopplung der Prozesskette.

Die modellbasierten Entscheidungsvorschläge helfen in Forschung und Entwicklung, auch sehr komplexe Fragestellungen zu adressieren, die über eine wissensbasierte bzw. heuristische Entscheidungsfindung hinausgehen und dennoch nahe am Menschen orientiert sind.

Kognitive Ergonomie

https://www.tu-chemnitz.de/mb/WOT/abteilungen/hcps/forschung/projekte/komti/demonstrator/

Die Gestaltung von komplexen Mensch-KI-Technik-Systemen muss sich an humanzentrierten Kriterien orientieren, damit der Mensch als Bedienender seinen Aufgaben bestmöglich nachkommen kann und nicht fehlbelastet wird. Durch die Einbindung kognitionspsychologischer Erkenntnisse und Methoden können neue Interaktionsqualitäten zwischen Mensch und (teil)autonomen technischen/digitalen Systemen entstehen und die Technikakzeptanz erhöht werden.

Im Forschungsprojekt KoMTI "Kognitionsbasierte Mensch-Technik-Interaktion" wurde an einer ganzheitlichen Herangehensweise zur menschzentrierten Auslegung von Technik geforscht, welche der Leitidee einer hilfsbereiten Technik, die menschliche Selbstbestimmtheit unterstützt und nicht kontrolliert bzw. einschränkt, folgt. Ergebnis des Projektes ist ein modularer Methodenbaukasten sowie eine Vorgehensstrategie zur Entwicklung und Realisierung menschengemäßer Interaktionsschnittstellen in komplexen Mensch-Technik-Systemen.

Technologien und menschzentrierte Maßnahmen, z.B. zum nachhaltigen, ressourcenschonenden Handeln im Produktionsalltag, sind nur erfolgreich, wenn sie vom Menschen in ihrer Wirkungsweise verstanden, akzeptiert und umgesetzt werden. Dafür werden verschiedene Methoden in der Abteilung HCPS angewandt und angepasst. Unter anderem Beobachtungs- und Befragungsmethoden, Interviews und psychologische Experimente sowie Nutzerstudien, Kognitive Aufgabenanalysen, Verfahren zur Bestimmung von (Team-) Situation-Awareness und mentalem Workload oder Blickbewegungsmessung und Pupillometrie mittels Eye-Tracking.

Im Forschungsprojekt REDUCE war das Ziel, den Energieverbrauch in der industriellen Produktion zu senken. Dafür wurden in einem transdisziplinären Lösungsansatz technische Möglichkeiten mit einer menschzentrierten Perspektive kombiniert und ein Mensch-Maschine-Interaktion (MMI)-Demonstrator entwickelt, welcher den Energieverbrauch transparent darstellt und Handlungsempfehlungen für den Menschen bietet. Der MMI-Demonstrator wurde dann im Realbetrieb hinsichtlich Effizienz, Nutzungserlebnis, Akzeptanz und individueller Präferenzen evaluiert.

Eigene Referenzen:

• Link zum KoMTI-Demonstrator
• Abschlussbericht des Projektes "REDUCE"