Potentialanalyse für den Einsatz von KI im Digitalen Zwilling

Institut

Institut für Werkzeugmaschinen und Betriebswissenschaften (TUM-ED)

Typ

Bachelorarbeit / Semesterarbeit /

Inhalt

 

Beschreibung

Ausgangssituation und Motivation

Digitale Zwillinge werden in Industrie und Forschung zunehmend als zentrale Grundlage für Analyse, Optimierung und datengetriebene Entscheidungen eingesetzt. Gleichzeitig wächst der Druck, KI-Methoden (z. B. Vorhersagemodelle, Anomalieerkennung oder generative Verfahren) zielgerichtet in bestehende Digital-Twin-Architekturen zu integrieren, ohne dabei in „KI um der KI willen“ zu verfallen. In der Praxis fehlt häufig eine strukturierte Übersicht, welche KI-Potenziale entlang typischer Digital-Zwilling-Komponenten (Datenpipeline, Modellwelt, Synchronisation, Betrieb) tatsächlich relevant und realistisch sind. Eine fundierte Potentialanalyse hilft, Investitionen zu fokussieren, Risiken früh zu erkennen und den Nutzen von KI im Digitalen Zwilling nachvollziehbar zu priorisieren.

Zielsetzung

Ziel ist es, eine wissenschaftlich fundierte Potentialanalyse für den Einsatz von KI im Kontext Digitaler Zwillinge zu erstellen, die das Unternehmen befähigt, KI-Initiativen strukturiert zu bewerten und umzusetzen.

• Systematische Identifikation und Strukturierung von KI-Einsatzfeldern im Digitalen Zwilling auf Basis einer Systematic Literature Review.
• Entwicklung eines Bewertungsrasters zur Priorisierung von KI-Potenzialen (z. B. Nutzen, Umsetzbarkeit, Datenverfügbarkeit, Integrationsaufwand).
• Validierung und Schärfung der priorisierten Potenziale durch Experteninterviews inkl. Handlungsempfehlungen.

Leitfragen

1. Welche KI-Einsatzfelder und Wertbeiträge werden in der Literatur für Digitale Zwillinge beschrieben, und wie lassen sie sich konsistent clustern und abgrenzen?
2. Wie kann ein belastbares Bewertungs- und Priorisierungsraster für KI-Potenziale im Digitalen Zwilling gestaltet werden, und welche Potenziale werden von Expert:innen als besonders relevant eingeschätzt?

Geplante Arbeitspakete und Inhalte

• Einarbeitung in Grundlagen: Digitaler Zwilling (Begriffe, Architekturen, Lebenszyklus) und KI-Verfahren (Kategorien, typische Aufgaben).
• Systematic Literature Review: Suchstrategie, Screening, Extraktion und Synthese zur Identifikation von KI-Potenzialen im Digital-Twin-Kontext.
• Entwicklung eines übertragbaren Templates: Clusterlogik + Bewertungsraster (Kriterien, Skalen, Gewichtungsoptionen) zur Priorisierung.
• Anwendung & Validierung: Durchführung und Auswertung von Experteninterviews zur Plausibilisierung, Ergänzung und Priorisierung der Potenziale.

Methodisches Vorgehen

• Systematic Literature Review mit transparenter Such- und Screeninglogik (inkl. Ein-/Ausschlusskriterien und Syntheseansatz).
• Konzeption/Modellierung eines Bewertungsframeworks (Kriterienkatalog, Scoring- bzw. Priorisierungslogik).
• Validierung mittels Experteninterviews (Leitfaden, qualitative Inhaltsanalyse, Ableitung konsolidierter Ergebnisse).

Voraussetzungen

Erforderliche Voraussetzungen

• Sehr gute Deutsch- oder Englischkenntnisse in Wort und Schrift (wissenschaftliches Arbeiten).
• Interesse an Digitalen Zwillingen, Datenarchitekturen und industriellen Anwendungen.
• Strukturierte, zuverlässige Arbeitsweise und Bereitschaft zur Literaturarbeit.

Erwünschte Voraussetzungen

• Erste Erfahrung mit wissenschaftlicher Literaturrecherche (z. B. Scopus, Web of Science, IEEE Xplore).
• Kenntnisse zu Industrie-4.0-/Produktions- oder IoT-Kontexten.
• Grundlagen qualitativer Methoden (z. B. Interviewführung, qualitative Inhaltsanalyse nach Mayring/Kuckartz).
• Fähigkeit, Bewertungslogiken nachvollziehbar zu operationalisieren (z. B. Kriterien, Skalen, Gewichtungen).
• Optional: Grundkenntnisse in Python/R oder Excel für einfache Auswertungen/Visualisierungen.

Diese Studienarbeit bietet Dir die Möglichkeit, tiefgehende Einblicke in ein innovatives und zukunftsweisendes Thema zu gewinnen und aktiv zur Forschung in diesem Bereich beizutragen. Durch die enge Zusammenarbeit mit den analysierten Firmen besticht die Arbeit ebenfalls über einen hohen Praxisbezug. Die exakte Ausgestaltung der Arbeit legen wir gern auch zusammen fest!

Interesse? Melde Dich:

Jonas Dudzik

jonas.dudzik@iwb.tum.de

Möglicher Beginn

sofort

Kontakt

Jonas Dudzik
Tel.: 0049 89 289 15543
jonas.dudzikiwb.tum.de