@techreport{Bartz-BeielsteinSchulz2023,
  author    = {Bartz-Beielstein, Thomas and Schulz, Richard},
  title     = {KOARCH - Kognitive Architektur f{\"u}r Cyber- physische Produktionssysteme und Industrie 4.0. Schlussbericht},
  doi       = {10.57684/COS-1143},
  institution = {Fakult{\"a}t 10 / Institut f{\"u}r Data Science, Engineering, and Analytics},
  series    = {CIplus},
  number    = {1/2023},
  pages     = {21},
  year      = {2023},
  abstract  = {Die steigende Komplexit{\"a}t der Produktionssysteme, insbesondere im Maschinenbau, f{\"u}hrt zu einer Belastung f{\"u}r Automatisierer und Anlagenbauer. Um dieser Belastung entgegenzuwirken, bietet Industrie 4.0 mit Cyber-physischen Systemen und intelligenten Automatisierungssystemen eine L{\"o}sung. Dabei wird menschliches Expertenwissen in die Automatisierung verlagert, indem Ziele deklarativ formuliert werden, anstatt prozedurale Handlungsabl{\"a}ufe zu beschreiben. Dieser Ansatz erm{\"o}glicht es intelligenten Systemen, ausreichenden Handlungsspielraum zu haben und den menschlichen Aufwand bei der Optimierung, Inbetriebnahme und Anlagenumbau zu reduzieren. Um intelligente Automation umzusetzen, werden neue Automatisierungstechniken und Software-Services ben{\"o}tigt, die verschiedene Methoden wie maschinelles Lernen, Condition-Monitoring und Diagnose-Algorithmen sowie Optimierungsverfahren nutzen. Derzeit werden diese Services unabh{\"a}ngig voneinander implementiert und die Schnittstellen sind oft propriet{\"a}r, was den Austausch von Daten, Modellen und Ergebnissen erschwert. Dennoch strebt Industrie 4.0 die Zusammenarbeit von Ger{\"a}ten und Komponenten unterschiedlicher Hersteller an. Als ein L{\"o}sungsansatz wurde in diesem Projekt eine kognitive Referenzarchitektur entwickelt, welche die genannten Punkte adressiert.},
  subject      = {Maschinelles Lernen},
  language  = {de}
}