FQI Insights
Berichte und Einordnungen zu KI, Qualitätsmanagement, Prüfprozessen und technischer Problemlösung.
68 Berichte gefunden
Mehrere Filter werden kombiniert.
Wie Qualitätsverantwortliche Messung, Simulation und geschätzte Fehleranteile trennen, bevor eine KI Maschinenkorrekturen vorschlägt.
Eine Ford-Fallstudie zeigt eine Lücke im Nachweis der KI-Erkennungsleistung. Ein FQI-Prüfplan bezieht auch nicht alarmierte Teile ein.
KI-Prüfer können Antworten richtig sortieren und dennoch falsch freigeben. Ein FQI-Prüfplan trennt Rangfolge, Entscheidungsschwelle und Gruppenkennzahlen.
Künstlich ergänzte Fehlerfälle dürfen den unabhängigen Modelltest nicht beeinflussen. Ein Prüfplan für Datenherkunft, Trennung und realistische Fehlerhäufigkeiten.
Ein Werkzeugaufruf kann gelingen und trotzdem entscheidende Daten verlieren. Ein begrenzter Prüfablauf macht Umfang und Aussagegrenzen sichtbar.
Bewegliche und verformbare Messsysteme benötigen einen nachgewiesenen Geometriezustand. Wie daraus ein prüfbarer Freigabeprozess entsteht.
Aktuelle Ergebnisse absichern, anhaltenden Qualitätsverlust erkennen und die Rückkehr gesperrter KI-Agenten gesondert prüfen.
Nachvollziehbare Entscheidungen und richtige Entscheidungen brauchen getrennte Nachweise. Ein Preprint zeigt die Risiken pauschaler Regelübersteuerung.
Ein FQI-Prüfablauf bindet KI-generierte Kennzahlen an Quelle, Bezugsrahmen und Rechenweg, bevor sie in Qualitätsberichte eingehen.
Ein signierter Agenten-Nachweis gilt nur für die geprüfte Konfiguration, Aufgabe, Messregel und Gültigkeit – nicht als allgemeines Gütesiegel.
Pneumatische Leitungen können Drucksignale dämpfen, verstärken und zeitlich verschieben. Die Messfreigabe muss deshalb zum benötigten Ergebnis passen.
Ein erster Defektverdacht steuert Kamerawinkel und Zoom für eine gezielte Nachaufnahme. Für Qualität zählt die kontrollierte Nachmessung vor dem Urteil.
Die Zahl erzeugter KI-Antworten beschreibt den Prozess nicht vollständig. Auch Bündelung, Aufrufstruktur und Messgrenze gehören zur freigegebenen Rezeptur.
Große KI-Datensätze brauchen mehr als einen Größenrekord: Struktur, Herkunft, fachliche Richtigkeit und nachgewiesene Wirkung sind getrennte Freigabestufen.
Technische Vorabprüfungen können stille Ausführungsfehler von KI-Agenten sichtbar machen. Ein Preprint zeigt Nutzen, Fehlalarme und klare Grenzen.
Formale Verifikation bestätigt Regeln lückenlos – aber nicht automatisch das reale Sicherheitsziel. Warum auch die Spezifikation eine unabhängige Prüfung braucht.
Warum ein unauffälliger Gruppenvergleich keine Freigabe ersetzt: Messgröße, Empfindlichkeit, Äquivalenzgrenze und ausgeschlossene Fälle zuerst prüfen.
GPT-6 Astra ist real und setzt neue Leistungsmarken. Warum 99,9 Prozent auf ARC-AGI-3 dennoch keine allgemeine Intelligenz beweisen.
Ein neues Register zeigt, wie öffentlich belegte Agentenvorfälle als kontrollierte Quelle für Prüfplanung und CAPA dienen können – ohne daraus Ausfallraten abzuleiten.
Eine industrielle Feldstudie zeigt, wie ein kanonischer Messdatensatz, persistente Übergaben und ein ERP-Abgleich manuelle Brüche in der Prüfkette reduzieren.
Eine Gegenprobe entfernt nicht genannte Einflussgrößen und prüft, ob eine KI-Entscheidung wirklich ihrer Erklärung folgt.
OpenAgentFlow führt heterogene KI-Agenten vor jeder wirksamen Aktion durch einen gemeinsamen, auditierbaren Kontrollpunkt.
Invalidierungsverträge zeigen, wovon gespeicherte Agentenhinweise abhängen und wann sie nach einer Änderung nicht mehr gelten.
Quantisierung kann das Verhalten eines Sprachmodells verändern; deshalb muss die tatsächlich betriebene Konfiguration Teil der Freigabeevidenz sein.
RiskBlend priorisiert Testfälle nach Verhaltensänderungen zwischen Modellversionen und macht begrenzte menschliche Prüfung wirksamer.
SafeStep macht sichtbar, wie verzögerte Sensordaten trotz korrekter Übertragung die Qualität einer laufenden Sicherheitsentscheidung verschlechtern.
Eine Studie mit mehr als 33.000 Supportfällen zeigt, wie strukturierte Betriebsdaten Modellwahl, Onboarding und Überwachung ergänzen können.
Ein neuer Ansatz ergänzt aktualisierte Ausfallwahrscheinlichkeiten um bedingte Konfidenzintervalle und macht offene Unsicherheitsquellen sichtbar.
Eine neue Studie verdichtet Ausführungsspuren von KI-Agenten zu kleinen Zustandsmodellen. Für FQI entsteht daraus ein prüfbarer Ansatz für Laufzeitmonitoring, Abbruchregeln und Änderungslenkung.
3D-Scans liefern schnell dichte Geometriedaten. Belastbar werden sie erst durch Zweckbezug, Rückführbarkeit, Validierung und eine gelenkte Freigabe.
Eine aktuelle Studie trennt Speichern und Wiederfinden im Agentengedächtnis. Für FQI entsteht daraus ein prüfbarer Kontrollpunkt für vollständige Entscheidungsketten.
Eine Studie verbindet Anomalieerkennung und Konsistenzsortierung von Batteriezellen. FQI ordnet ein, welche Nachweise vor einer Freigabe fehlen.
Eine aktuelle Studie verbindet Defektlokalisierung, strukturiertes Prozesswissen und menschliche Prüfung. Für FQI zählt vor allem die nachweisbare Evidenzkette.
Rockwells Werk in Singapur verbindet mehr als 50 digitale und KI-gestützte Lösungen mit messbaren Verbesserungen bei Qualität, Produktivität und Qualifizierung.
Ein ARC-AGI-3-Versuch zeigt, wie Kontextführung und Compaction die Leistung eines KI-Agenten verändern. Entscheidend ist die Qualität des Gesamtsystems.
Der Digital Omnibus verschiebt zentrale High-Risk-Fristen. Für Qualitätsmanagement ist das ein Zeitfenster, um KI-Inventar, Risiken und Freigaben belastbar aufzubauen.
Eine neue FMEA-AHP-Methode ergänzt die klassischen Kriterien um organisatorische Auswirkungen. Der Ansatz ist nachvollziehbar, aber noch nicht unabhängig validiert.
Das neue gemeinsame SPC-Handbuch harmonisiert Methoden und Terminologie. Entscheidend ist die Verbindung zu FMEA, Control Plan und MSA/VDA 5.
DataSpace zeigt deutliche Ergebnisunterschiede bei gleichem Modell und anderer Agenten-Orchestrierung – ein Fall für Messsystemanalyse und Versuchsplanung.
Wie mobile Inspektion und ein digitales Abbild Monitoringdaten verbinden – und welche Prüfregeln Qualitätsteams vor dem Einsatz benötigen.
Unilever meldet messbare Verbesserungen durch digitale Zwillinge. Für QM entscheidet jedoch der beherrschte Regelkreis aus Messung, Modell, Freigabe und Reaktion.
Eine peer-reviewte Studie zeigt, wie Qualitätsmanagement, Data Science und AI Agents zu einem beherrschten Verbesserungsprozess verbunden werden können.
Eine Studie zeigt, wie falsche Informationen in Multi-Agenten-Systemen fortwirken. Im Qualitätsmanagement zählen unabhängige Evidenz und Quellenprovenienz.
Ein Bild-Sprach-Modell kann semantisch stark und räumlich unzuverlässig sein. Hybride Prüfarchitekturen reduzieren Risiken, ersetzen aber keine Validierung.
Die sechste Ausgabe der ISO 9001 befindet sich unter Publikation. Organisationen können Änderungen strukturiert bewerten, ohne ihr QMS vorschnell umzubauen.
Eine Fallstudie meldet hohe Klassifikationsleistung und starke Zeitersparnis, ordnet die Problembeschreibung aber fälschlich D1 statt D2 zu. Ein FQI-Faktencheck.
Mit DIN EN ISO/IEC 42001:2026-08 liegt die europäische KI-Managementsystemnorm nun als deutsche Fassung vor. FQI ordnet ein, wie sie an bestehende QMS-Strukturen anschließen kann.
40 Prozent aktive KI-Nutzung treffen auf nur 21 Prozent mehrstufige Rückverfolgbarkeit. Für Lieferantenqualität kommt die belastbare Datenkette vor dem Risikomodell.
48.000 kontrollierte Szenarien zeigen typische Denkfehler KI-gestützter Ursachenanalyse – mit direkten Konsequenzen für Evidenz, Gegenprüfung und Freigabe in 8D-D4.
Hybride Ansätze aus SPC und Machine Learning sind sinnvoll, wenn Stabilitätsnachweis, Prognose, Unsicherheit und Reaktionsplan klar getrennt bleiben.
Eine peer-reviewte Studie übersetzt ungeplante Produktanforderungen in Fertigungsoperationen. Für die Praxis entscheiden kontrolliertes Wissen und harte Freigabegates.
AssertMate kombiniert statische Analyse und mehrere KI-Perspektiven. Für das Qualitätsmanagement zählen Testorakel, Prüfkriterien und Wirksamkeitsnachweise.
Artikel 50 macht deutlich: Menschliche Prüfung KI-generierter Inhalte braucht Kriterien, Kompetenz, Freigabebefugnis und nachvollziehbare Nachweise.
HopRefusalBench zeigt Schwächen beim Erkennen unlösbarer Aufgaben. Qualitätsmanagement muss Abbruch, Eskalation und sichere Ersatzprozesse spezifizieren.
TinyGLASS meldet starke Anomalieerkennung direkt auf einem intelligenten Bildsensor. QM muss dennoch Anomalie, Fehler und Nichtkonformität sauber trennen.
Ein Forschungsmodell verbindet Condition-Based Maintenance mit Produktqualität. Entscheidend ist der gemeinsame Blick auf Ausfallrisiko und Qualitätsverlust.
Wie Digital Thread, Datenqualität und Qualitätsgovernance aus KI einen belastbaren Regelkreis machen – und warum Anbieterkennzahlen keine Wirkungsbeweise sind.
Ein aktueller Review zeigt, wie Standards, Interoperabilität und Automation Messtechnik in einen durchgängigen Digital Thread überführen können. FQI ordnet den Qualitätsnutzen ein.
Ein aktueller Preprint zeigt, wie wenige reale Fehlerbilder synthetische Trainingsdaten für den Prüfhochlauf liefern können – und welche Validierung QM dafür braucht.
Eine aktuelle industrielle Roadmap zeigt den Reifegradpfad von Daten und Metrologie über Integration und Systemprüfung bis zum beherrschten Betrieb.
Wenn KI Arbeitsergebnisse erzeugt, reichen Antwortmetriken nicht aus. Relevant werden Prozesswirkung, Fehlerdurchschlupf, Nacharbeit und Kontrollfähigkeit.
Reale KI-Testvorfälle zeigen: Testumgebung, Orchestrierung, Berechtigungen, Monitoring und externe Evaluationspartner müssen beherrscht werden.
Ein Forschungsansatz zeigt, wie Large Language Models historische Ereignisse für nachvollziehbare Gefährdungsszenarien nutzen können - und was sich daraus für FMEA ableiten lässt.
Lernende Agenten verändern Prompts, Werkzeuge und Fähigkeiten. Qualitätsmanagement muss Änderungen, Korrekturmaßnahmen und Rücksetzungen beherrschen.
Eine aktuelle Studie zeigt, wie LLMs, Ontologien und Knowledge Graphs vorhandenes FMEA-Wissen über Fertigungslinien hinweg nutzbar machen können.
Fraunhofer-Projekte verbinden Schwingungen und KI mit Standzeit und Werkstückqualität. Entscheidend ist der nachgewiesene CTQ-Bezug, nicht nur die Zustandsprognose.
Ein US-Entwurf zeigt, wie KI-Systeme anwendungsbezogen geprüft und mit Risikoanalyse, Prüfplanung, Audit und Freigabe verbunden werden können.
EMAIN zeigt neue Fortschritte bei der Zero-Shot-Anomalieerkennung. Für Qualitätsmanagement ist entscheidend, wie solche Prüfketten validiert, überwacht und freigegeben werden.
Keine passenden Berichte gefunden. Entferne einzelne Filter oder ändere die Suche.
FQI Insights sammelt fachliche Berichte und Einordnungen zu aktuellen KI-Entwicklungen im Kontext von Qualitätsmanagement, FMEA, 8D, Six Sigma, CAPA und Prüfprozessen.