Im Rahmen des Projektes soll eine innovative Methodik zur Auslegung optischer 3D-Messsysteme entwickelt werden, die es erlaubt, für neue Anforderungen und Aufgabenstellungen schnell einsatzbereite Lösungen bereitzustellen. Die Flexibilisierung und Verbesserung von Sensorsystemen soll durch Fusion zweier komplementärer, aber sich ideal ergänzender Ansätze erreicht werden. Zum einen werden durch erweiterte Modellbildung realer Effekte Genauigkeit und Verständnis der Systeme soweit gesteigert, wie es Effektivität und Wirtschaftlichkeit rechtfertigen. Zum anderen wird ein KI-basiertes „Sensor-Learning“ unter Einbezug der erarbeiteten Modellzusammenhänge die Messqualität auf dem realen Sensor weiter steigern. Diese Verzahnung von modell- und datengetriebenen Methoden wird die Stärken beider Vorgehensweisen zusammenführen und so eine besonders wirtschaftliche und gleichzeitig möglichst optimale Auslegung und Adaption von Sensorsystemen für reale Messaufgaben ermöglichen.

Für eine neue oder in wesentlichen Aspekten geänderte Messaufgabe (neue Messobjekte; andere Größen bekannter Messobjekte, welche einen anderen Aufbau implizieren; gesteigerte Anforderungen an Geschwindigkeit und/oder Genauigkeit; geänderte Umgebungs- und Rahmenbedingungen) ist aktuell eine ressourcen- und zeitaufwändige Auslegung und Anpassung des Messsystems erforderlich. Das Projekt soll daher die Möglichkeiten des Einsatzes von 3D-Messsystemen durch zielgerichtete und damit schnellere Anpassung an neue Messaufgaben erhöhen und mehr Flexibilität bieten. Technisch soll dies durch eine iterative Vorgehensweise erreicht werden, bei der die physikalische Modellierung praxisrelevanter Größen und die Anwendung von KI-Methoden Hand in Hand gehen und sich gegenseitig ergänzen.