Die Forschenden entwickeln ein kostengünstiges, leicht integrierbares und datenschutzfreundliches KI-Tool, das Unternehmen sofort zur Analyse ihrer Produktionsdaten einsetzen können: Sie trainieren die KI dezentral, damit sie aktiv lernen und Daten synthetisch generieren kann. Dazu sammeln sie zunächst reale Produktionsdaten und identifizieren die informativsten Messpunkte. Sie programmieren Algorithmen, die genau diese Punkte auswählen und das Modell gleichzeitig auf mehrere Standorte trainieren, ohne echte Daten auszutauschen. Schließlich erzeugen sie realistische, anonymisierte Datensätze, die das Training ergänzen und den Datenschutz wahren. Das Forschungsteam testet das Gesamtsystem in drei Praxisanwendungen: Anomalieerkennung an Holzbearbeitungsmaschinen, Optimierung von Laserbeschriftungsparametern und Qualitätskontrolle in der Fertigung. Jede Testphase liefert Rückmeldungen, die das Tool verfeinern und die Benutzerfreundlichkeit steigern. Das Ergebnis stellt das Team als Open-Source-Paket bereit.