Mechanical Engineering
Data Science und KI für das Automotive-Umfeld – in Entwicklung, Produktion und Qualitätssicherung.
Supper & Supper baut Data-Science- und KI-Lösungen für OEMs, Zulieferer und Maschinenbauer.
Der Data-Science-Kern, eingebettet in Ihre Systeme
Wir liefern den Data-Science- und KI-Kern eines Vorhabens: Datenaufbereitung, Modelle, Auswertelogik und die Integration in die bestehende Landschaft – in Zusammenarbeit mit den Dienstleistern, Toolherstellern und Anlagenbauern des Kunden. DOORS, Polarion, Confluence, Jira, SAP QM, MES und die Linien-IT bleiben, was sie sind: Ihre Systeme.
Jedes unserer neun Projektangebote ist einzeln beauftragbar. Der Einstieg ist in allen Fällen ein abgegrenzter Ausschnitt mit vorhandener Datengrundlage, an dem sich der Nutzen messen lässt, bevor über den Ausbau entschieden wird.
Der Schwerpunkt liegt auf Automotive – OEMs und Tier-1, Entwicklung, Produktion und Qualität. Die Verfahren tragen in Medizintechnik, Feinmechanik, Luft- und Raumfahrt, Schiffbau und Fertigung genauso.
Projektangebote: Entwicklung und Engineering
Automatisiertes Requirement Engineering: RE Assistant. Prüfregelwerk und LLM bewerten Anforderungen aus DOORS, Polarion, codebeamer oder Jama auf Testbarkeit, Eindeutigkeit und strukturelle Vollständigkeit – dazu Konfliktkandidaten zwischen verwandten Anforderungen. Zum Angebot →
KI-gestützte Testautomatisierung: Testomat. Testfallvorschläge, Rekonstruktion der Traceability, Regressionsauswahl über Änderungsanalyse, Protokollauswertung, Fehlerklassifikation mit Konfidenzschwelle, Reporting. Zum Angebot →
Engineering Knowledge Assistant: EKA. Hybride Suche mit Reranking über Confluence, DOORS, Jira und SharePoint – Antworten mit Quellenangabe, Verweigerung bei dünner Faktenlage. Zum Angebot →
Surrogate Models für FEM/CFD. ML-Modelle sagen Simulationsergebnisse in Sekunden voraus: skalare Kennwerte mit Unsicherheitsangabe, Ergebnisfelder über geometriebewusste Operator- und Graph-Modelle. Zum Angebot →
Automatisierte Engineering-Dokumentation. Testberichte, Release Notes und ASPICE-Dokumente als prüffähige Entwürfe aus den Quellsystemen – mit Quellverweis und automatisierter Belegprüfung. Zum Angebot →
Projektangebote: Produktion und Qualität
Visuelle Qualitätsprüfung mit Computer Vision. Anomalieerkennung auf Vision-Foundation-Modellen für seltene Fehler, Objektdetektion für bekannte Fehlerklassen, Messtechnik für Maßprüfungen, Drift-Überwachung im Serienbetrieb. Zum Angebot →
Predictive Maintenance und Lebensdauerprognose. Zwei getrennt buchbare Bausteine: Zustandsüberwachung an Produktionsanlagen und Lebensdauerprognose für Fahrzeugkomponenten mit Lastkollektiven und zensierungsfähiger Zuverlässigkeitsstatistik. Zum Angebot →
Ursachenanalyse im Qualitätsmanagement. Statistische Auswertung der Prozessdaten rund um den Fehler, kombiniert mit Recherche über Altfälle und Q-Dokumentation – Hypothesen mit Beleg statt Diagnose. Zum Angebot →
Projektangebote: Strategie und Querschnitt
AI Strategy & Transformation. Reifegrad-Assessment, Use-Case-Priorisierung mit Business Cases, Data- und AI-Governance entlang der KI-Verordnung in der Fassung des Digitalen Omnibus. Zum Angebot →
Was die Angebote verbindet
- Mensch in der Verantwortung: Ob Anforderungs-Review, Testfreigabe, Dokumentenfreigabe oder Ursachenentscheid – die KI liefert begründete Vorschläge mit Quellen, die Entscheidung bleibt beim Ingenieur.
- Messbar statt behauptet: Jedes Angebot benennt die Kennzahlen, an denen sich der Erfolg zeigen soll. Sie werden vor dem Start erhoben und im Pilot gemessen, statt vorab versprochen zu werden.
- Bestehende Systeme bleiben: Alle Lösungen docken an die vorhandene Landschaft an – DOORS, Polarion, codebeamer, Jama, Confluence, Jira, SAP QM, MES, Linien-IT.
- Datenhoheit beim Kunden: Betrieb on-premises oder in der freigegebenen Cloud-Umgebung; die Berechtigungen der Quellsysteme gelten auch in den KI-Lösungen.
- Realistischer Zuschnitt: Vorhaben starten als Proof of Concept oder Pilot mit kleinem Team und wachsen mit dem nachgewiesenen Nutzen.
Referenzprojekte
Erkennung von Anomalien in der industriellen Fertigung. Machine-Learning-Modelle erkennen auffällige Zustände in Fertigungsdaten, bevor daraus Ausschuss wird. Zum Use Case →
Predictive Maintenance in pneumatischen Systemen. Schadens- und Fehlervorhersage an laufenden mechanischen Systemen auf Basis von Sensordaten. Zum Use Case →
Prüfstandzeiten variierender Automobilkonfigurationen vorhersagen. Regressionsmodelle prognostizieren die Dauer von Prüfstandläufen über heterogene Fahrzeugkonfigurationen. Zum Use Case →
Vom Proof of Concept zur Plattform
Die meisten KI-Vorhaben scheitern nicht am Modell, sondern am Übergang in den Betrieb. Wir decken die gesamte Kette selbst ab – Sie brauchen keinen zweiten Partner für die Industrialisierung.
- Data Consulting – Fragestellung und Datenlage klären
- Data Lab – Prototyp an Ihren Daten
- Data Operations – Produktivbetrieb mit MLOps
- Data Infrastructure – skalierbare Cloud-Architektur, Hosting in DE und EU
Zusammenarbeit und Datensicherheit
Wir sind nach ISO/IEC 27001:2022 zertifiziert (TÜV Rheinland, Reg.-Nr. 01 153 2300149). Verarbeitung und Hosting erfolgen in Deutschland und der EU. Kundendaten nutzen wir ausschließlich für das vereinbarte Projekt und nicht für das Training eigener Modelle.
Engineering-Daten sind vertraulich: Unsere Lösungen laufen on-premises oder in der von Ihnen freigegebenen Cloud-Umgebung, und bei Sprachmodellen ist die Betriebsform eine Entscheidung Ihrer IT – die Architektur bleibt davon unberührt. Für die Anforderungen des EU AI Act bieten wir unseren KI-Compliance Check an.