@misc{TschoepeMuehleJuetal., author = {Tsch{\"o}pe, Constanze and M{\"u}hle, Maximilian and Ju, Yong Chul and Kraljevski, Ivan and Wolff, Matthias}, title = {K{\"u}nstliche Intelligenz in der ZfP - Welchen Beitrag kann KI in der ZfP leisten?}, series = {DGZfP-Jahrestagung 2021, 10.-11. Mai}, journal = {DGZfP-Jahrestagung 2021, 10.-11. Mai}, isbn = {978-3-947971-18-3}, pages = {17}, abstract = {K{\"u}nstliche Intelligenz zieht derzeit in alle Bereiche der Gesellschaft und des Lebens ein. Aber welchen Stellenwert hat sie momentan auf dem Gebiet der zerst{\"o}rungsfreien Pr{\"u}fung? Was kann KI leisten? Welche Herausforderungen m{\"u}ssen erfolgreich bew{\"a}ltigt werden? Gibt es das eine KI-Verfahren, welches prinzipiell f{\"u}r ZfP geeignet ist? Bei der Bauteil- und Materialpr{\"u}fung w{\"a}hrend und unmittelbar nach der Herstellung, der {\"U}berwachung von Verschleißteilen in Maschinen und Anlagen oder der Schadensdetektion an Bauteilen und Komponenten liefern ZfP-Verfahren Daten, die bewertet werden m{\"u}ssen. Obwohl inzwischen sehr leistungsf{\"a}hige Toolkits verf{\"u}gbar sind, erfordert der optimale Einsatz der KI f{\"u}r ein ZfP-Verfahren oftmals mehr. Die meisten Kunden m{\"o}chten nicht nur eine L{\"o}sung ihres Problems; sie wollen verstehen, warum die KI so und nicht anders entschieden hat, warum der Klassifikator das Bauteil einer bestimmten Klasse (z. B. gut/schlecht oder neuwertig/verschlissen/defekt) zugewiesen hat. Abh{\"a}ngig von der Klassifikationsaufgabe sowie der Art und der Anzahl der vorliegenden Daten kann ein geeignetes Verfahren bestimmt werden. Mit Methoden des maschinellen Lernens werden Modelle gebildet, welche die Basis f{\"u}r die KI-Verfahren zur Klassifikation bilden. Der Beitrag liefert einen {\"U}berblick {\"u}ber KI-Verfahren und deren Anwendungen in der zerst{\"o}rungsfreien Pr{\"u}fung. Zahlreiche Beispiele und Ergebnisse werden vorgestellt, um die Mannigfaltigkeit des Einsatzes in der ZfP und der bestehenden M{\"o}glichkeiten zu demonstrieren.}, language = {de} }