BLACK FOREST HACKATHON

🚀 SmartSupport – KI-gestützte Logfile-Analyse für den Kundensupport

🔍 Problemstellung: Die manuelle Analyse von Logfiles kostet viel Zeit und ist anfällig für Fehler. Wiederkehrende Fehlerbilder bieten großes Potenzial für Automatisierung. Schnelle und fundierte Erstanalysen steigern die Kundenzufriedenheit und entlasten das Support-Team.

🎯 HACKATHON CHALLENGE: Entwickle ein Tool, das Logdateien automatisiert auf bekannte Fehlermuster untersucht, Ursachen erkennt und erste Lösungsvorschläge liefert. So sollen Support-Prozesse beschleunigt und die Servicequalität nachhaltig gesteigert werden.

📊 Verfügbare Daten & Resourcen: Nutzung anonymisierter oder synthetischer Beispiel-Logfiles. Einsatz von KI-Tools zur Textklassifikation (z. B. Open-Source-NLP-Modelle, Regex, klassische ML-Ansätze). Entwicklung eines Prototyps mit GUI, der eine „Ersteinschätzung“ liefert (z. B. „Fehler bei Lizenzprüfung erkannt“). Vorbereitung einer kurzen Abschlusspräsentation.

🏆 Erfolgskriterien: Du gestaltest die Zukunft des digitalen Kundensupports aktiv mit. Deine Lösung hilft, Support-Prozesse zu beschleunigen und die Servicequalität zu steigern. Du legst den Grundstein für ein kontinuierlich lernendes System, das unser Support-Team nachhaltig entlastet.

💡 Vorgaben: Entwicklung eines funktionierenden Prototyps, der Logdateien einliest und analysiert. Automatische Erkennung von Fehlermustern und Ausgabe von Handlungsempfehlungen für Support-Mitarbeiter:innen. Einfache Benutzeroberfläche, in die Logfiles geladen werden können. Bonus: Hervorhebung von Schlüsselstellen im Logfile für eine noch schnellere Analyse.

🚀 Doc2KnowledgeBase-AI – Automatisierte Wissensdatenbank-Generierung

🔍 Problemstellung: Das manuelle Erstellen von Wissensdatenbank-Artikeln aus umfangreichen Dokumenten wie Release Notes oder technischen Anleitungen bindet wertvolle Ressourcen. Diese Challenge zielt auf die Entwicklung eines KI-gestützten Prototyps ab, der automatisiert strukturierte Artikel aus PDF-Quellen generiert – für schnelleren Wissenstransfer und höhere Nutzerzufriedenheit.

🎯 HACKATHON CHALLENGE: Entwickle einen Workflow, der PDF-Dokumente einliest, relevante Inhalte KI-gestützt extrahiert und daraus konsistente Web-Artikel (z. B. FAQ-Einträge oder How-To-Guides) erstellt. Der Prototyp soll mindestens drei Beispielartikel aus einer Quelle generieren – optional mit SEO-Optimierung.

📊 Verfügbare Daten & Ressourcen:
PDF-Parsing mit Bibliotheken wie PyPDF oder pdfplumber.
KI-gestützte Inhaltsanalyse via OpenAI API oder Open-Source-NLP-Modelle.
Strukturierung der Ausgabe in Webformate (z. B. Markdown/HTML).
Fokus auf machbare Use Cases: Release Notes, How-To-Guides oder FAQ-Erweiterung.

🏆 Erfolgskriterien: Du automatisierst redaktionelle Prozesse und sparst enorme Zeitressourcen. Deine Lösung stellt sicher, dass Nutzer stets aktuelle Informationen erhalten. Du legst den Grundstein für skalierbares Wissensmanagement – mit Anknüpfungspunkten zu Chatbots (z. B. HubSpot) und Ticketsystemen.

💡 Vorgaben:

• Funktionierender Prototyp zur Extraktion und Strukturierung von Inhalten aus PDFs.
• KI-basierte Identifikation relevanter Abschnitte (z. B. für „What’s New“-Zusammenfassungen).
• Ausgabe von drei vollständigen, sofort nutzbaren Web-Artikeln.
• Bonus: SEO-optimierte Formatierung der Ausgabe.

🚀AI2Grip – KI-gestützte CAD-Greifergeometrie-Generierung

🔍 Problemstellung: Für jedes neue Robotik-Projekt müssen speziell konstruierte Greiferbacken entwickelt und hergestellt werden. Dieser Prozess erfordert sowohl eine genaue Analyse der Geometrie als auch eine Betrachtung der Besten Greifposition des Werkstückes. Komplex wird es, wenn mit einem Greiferbacken mehrere Werkstücke gegriffen werden müssen. Dann müssen die Geometrien des Greifers für alle Werkzeuge so ausgelegt sein, damit jederzeit ein sicherer Griff gewährleistet werden kann.

🎯 HACKATHON CHALLENGE: Wie könnten wir eine automatisierte Lösung zur Konstruktion von Greiferbacken erstellen, welche auf Basis von Fotos oder CAD-Daten der Werkstücke unter Angabe der gewünschten Greifkontur generiert wird? Die Lösung soll dabei alle Konturen (und Störkonturen) aus den erhaltenen Daten berücksichtigen und dem Anwender eine Lösung in Form eines 3D-Modells bereitstellen.

📊 Verfügbare Daten & Ressourcen: Zur Verfügung gestellt werden sämtliche Komponenten von VEGA-Sensoren, welche bereits mit einem Greifer gegriffen werden, oder dies künftig umgesetzt werden soll. Zu diesen Komponenten werden die dazugehörigen CAD-Daten mitgeliefert. Ebenfalls werden bereits konstruierte Greiferbacken von abgeschlossenen Projekten, gemeinsam mit deren Werkstücken zur Veranschaulichung zur Verfügung gestellt.

🏆 Erfolgskriterien: Der Erfolg des Projektes wird anhand der Funktionalität und der Genauigkeit der Greiferbacken gemessen. Die Greifer müssen zu jedem Zeitpunkt im Prozess einen sicheren Halt für die Werkstücke bieten. Das generierte 3D-Modell muss im Nachgang bearbeitbar sein, damit der Anwender Änderungen vornehmen kann.

💡 Vorgaben: Die Lösung soll für den Anwender „nutzerfreundlich“ gestaltet sein und möglichst viele Datentypen verarbeiten können (Bilder: png, jpeg | CAD-Daten: STL)

🚀Automatisierte Prozessdokumentation in der Fertigung

🔍 Problemstellung: Für jedes Neuprodukt welches VEGA auf den Markt bringt, müssen für die Mitarbeiter in der Fertigung sämtliche Arbeitsanweisungen für jeden Arbeitsschritt erstellt werden. Dies erfordert viel Zeit und ist aufgrund verschiedener „Schreibstile“ der Ersteller inkonsistent. Da diese Arbeitsanweisungen in allen Produktionsniederlassungen eingesetzt werden, müssen diese in verschiedensten Sprachen zugänglich sein. Aufgrund firmeninternen und fachbezogenen „Wording“ ist dies nicht mit einem einfachen Übersetzertool umsetzbar.

🎯 HACKATHON CHALLENGE: Wie könnten wir mithilfe von Explosionszeichnungen Arbeitsanweisungen automatisch generieren lassen, welche in Wort, Schrift und Ausdruck identisch sind? Die Anwendung muss dabei anhand der Zeichnung feststellen können, welche Arbeitsschritte nacheinander sinnvoll sind und wie diese umzusetzen sind.

📊 Verfügbare Daten & Ressourcen: Zur Verfügung gestellt werden sämtliche Explosionszeichnungen von VEGA (und nicht VEGA)-Geräten und dazu bereits fertige Arbeitsanweisungen. Außerdem stellen wir eine allgemeingültige Anleitung zum Erstellen von Arbeitsanweisungen bereit, welche Form, Schrift und spezifische Ausdrücke beinhaltet.

🏆 Erfolgskriterien: Der Erfolg der Challenge wird anhand der automatisch generierten Arbeitsanweisungen gemessen. Sind diese in der logischen Montagereihenfolge erstellt, sind die korrekten Tätigkeiten den Prozessen ordentlich zugeordnet, stimmt die Schreibweise mit der Vorlage überein, …

💡 Vorgaben: Die Anwendung soll flexibel zugänglich sein, sodass in Zukunft Änderungen im „Wording“ (Änderung von Standardbegriffen) möglich sind. Außerdem sollen die Arbeitsanweisungen nachträglich bearbeitbar sein.

🚀Offline Update Wizard – Headless Edition

🔍 Problemstellung: In industriellen Umgebungen sind Steuerungsrechner oft aus Sicherheitsgründen vom Internet getrennt und verfügen über keine direkte Benutzerschnittstelle – keine Tastatur, Maus oder Display. Der Zugriff erfolgt ausschließlich über das lokale Baustellennetzwerk via IP-Adresse. Dennoch müssen regelmäßig Betriebssystem-Updates (Linux/Debian), Docker-Image-Aktualisierungen und Konfigurationsänderungen durchgeführt werden. Der aktuelle manuelle Prozess ist fehleranfällig und wenig effizient.

🎯 HACKATHON CHALLENGE: Entwickelt eine Lösung, mit der Updates für Betriebssystem, Docker-Container und Konfigurationsdateien auf einem offline betriebenen, headless Steuerungsrechner möglichst einfach, sicher und benutzerfreundlich ausgerollt werden können. Die Lösung soll auf bestehenden Tools wie Ansible aufbauen, darf aber auch neue Ansätze integrieren.

📊 Verfügbare Daten & Ressourcen:

• Beispielhafte Ansible-Playbooks (bisher online-basiert)
• Beispielhafte Konfigurationsdateien (YAML, JSON, INI)
• Beispielhafte Docker-Images und -Container
• Zugang zu einer Testumgebung mit Debian-basiertem System (headless)
• Dokumentation zu Ansible, Docker, Debian-Paketmanagement
• Optional: USB-Stick oder andere portable Medien als Transportweg

🏆 Erfolgskriterien:

• Benutzerfreundlichkeit: Intuitive Bedienung über Netzwerk oder automatisierte Abläufe
• Offline-Fähigkeit: Vollständige Durchführung ohne Internetverbindung auf dem Zielsystem
• Headless-Fähigkeit: Keine direkte Interaktion über Tastatur, Maus oder Display notwendig
• Sicherheit: Integritätsprüfung der Updates (z. B. Signaturen, Checksums)
• Wartbarkeit: Klare Struktur, gute Dokumentation, einfache Erweiterbarkeit
• Automatisierung: Möglichst wenig manuelle Schritte auf dem Zielsystem

💡 Vorgaben:

• Zielsystem: Debian-basiert (z. B. Debian 12)
• Es ist ein Windows-Rechner auf der Baustelle vorhanden, der das Zielsystem über IP-Adresse erreichen kann. Dieser Windows-Rechner ist mit Tastatur, Maus und Display ausgestattet.
• Ansible ist als Configuration Management Tool bereits im Einsatz
• Lösung muss ohne Internetverbindung und ohne physische Eingabegeräte funktionieren
• Zugriff auf das System nur über IP im lokalen Netzwerk
• Optional: GUI oder CLI-Tool zur Steuerung über ein zentrales Gerät im Netzwerk
• Fokus auf reale Anwendbarkeit in industriellen Umgebungen