CLEAR | Betrouwbare multimodale AI voor industriële toepassingen

Regio:

Europa

Gefinancierd door

Heterogene industriële data combineren voor nauwkeurigere en betrouwbaardere AI

Industriële bedrijven genereren enorme hoeveelheden data uit sensoren, technische documenten, afbeeldingen, 3D-modellen en tal van andere bronnen. Die heterogene informatie omzetten in betrouwbare AI-gestuurde inzichten blijft een grote uitdaging. CLEAR (Comprehensive Learning for Enhanced AI Responsiveness) ontwikkelt betrouwbare multimodale AI waarmee Large Language Models (LLM's) en Large Multimodal Models (LMM's) complexe industriële data nauwkeuriger, veiliger en efficiënter kunnen verwerken.

Doelgroep

De projectresultaten zijn relevant voor organisaties die AI-systemen ontwikkelen of inzetten om complexe, heterogene data te verwerken, waaronder:

Industriële productiebedrijven en engineeringdienstverleners
Organisaties actief in landbouwtechnologie en precisielandbouw
Operatoren in spoorvervoer, transport en mobiliteit
Aanbieders van telecommunicatie- en netwerkbeheerdiensten
Ontwikkelaars van AI-software en platformintegratoren
Onderzoeksorganisaties actief rond verantwoorde AI en Industrie 4.0

Context

Large Language Models en Large Multimodal Models veranderen de manier waarop organisaties met data omgaan. Toch hebben AI-systemen vandaag nog moeite om industriële informatie te verwerken die verder gaat dan tekst, zoals 3D-modellen, sensordata, tijdreeksen, technische documentatie en geospatiale gegevens. Ze blijven bovendien gevoelig voor hallucinaties en inconsistente redeneringen. Dat beperkt hun inzet in veiligheidskritische en sterk gereguleerde omgevingen.

Nu AI steeds vaker deel uitmaakt van industriële processen, groeit de behoefte aan oplossingen die betrouwbaarder, transparanter en conform aan de nieuwe regelgeving zijn, zoals de Europese AI Act.

Doelstelling & resultaten

CLEAR ontwikkelt betrouwbare multimodale AI-technologieën waarmee industriële organisaties heterogene data efficiënter kunnen integreren en benutten.

Het project zal:

Nieuwe methoden ontwikkelen om niet-conventionele multimodale data te combineren binnen LLM- en LMM-systemen
Een modulaire AI-pijplijn ontwikkelen voor kennisintegratie, prompt engineering, dataverwerking en responsgeneratie
Technieken ontwikkelen voor synthetische datageneratie, model-finetuning, verklaarbare AI en confidentiële AI
De verwerking en afstemming van tijdreeksen verbeteren voor tijdkritische industriële toepassingen
De technologieën valideren in toepassingen voor additive manufacturing, landbouw, spoorwegen en telecommunicatie
De invoering van betrouwbare AI ondersteunen in overeenstemming met de Europese AI-regelgeving

Aanpak

Binnen CLEAR, ondersteund door VLAIO en het ITEA4-programma, werkt Sirris samen met Materialise aan een use case rond additive manufacturing. Sirris brengt expertise in generatieve AI in. Materialise levert industriële knowhow, praktijkdata en de toepassingscontext.

De werkzaamheden focussen op twee complementaire onderzoekslijnen.

1. AI-ondersteunde offerteopmaak
Sirris ontwikkelt AI-methoden die delen van het offerteproces voor additive manufacturing automatiseren. Het doel is om klantaanvragen te analyseren, de printbaarheid van 3D-modellen te beoordelen en ontwerpoffertes op te stellen die vervolgens door een expert worden nagekeken.

2. Industriële kennis ontsluiten
Het project onderzoekt ook hoe AI-agenten grote hoeveelheden heterogene bedrijfskennis efficiënt kunnen raadplegen en benutten. Sirris ontwikkelt en evalueert geavanceerde zoektechnieken, waaronder semantisch zoeken en GraphRAG, om de nauwkeurigheid en contextuele relevantie van AI-antwoorden te verbeteren.
Samen dragen deze ontwikkelingen bij aan betrouwbaardere, beter verklaarbare en transparantere AI-oplossingen voor industriële toepassingen.