--- title: Seminar Data Science in der Tribologie url: "https://www.tae.de/weiterbildung/tribologie-reibung-verschleiss-schmierung/reibung-verschleiss-schmierung/data-science-in-der-tribologie/" description: Von tribologischen Daten zu belastbarem Wissen mit KI, Maschinellem Lernen und FAIR-Prinzipien ▷ Ziel des Seminars ist es, die Teilnehmenden in die Lage zu versetzen, Data Science, KI und Maschinelles Lernen für tribologische Fragestellungen fundiert einzuordnen und anzuwenden. Sie lernen... image: "https://www.tae.de/_assets/cf7b9e929dc16279bbae7f6de48311fe/Assets/Images/OgImageTaeFocus-2026.png" date: 2027-06-29 course_identifier: 36167 course_type: OS course_state: buchbar course_delivery_type: Standard course_duration: 1 Tage course_price_eur: 680.00 course_departments: - "Tribologie - Reibung, Verschleiß & Schmierung" - "Maschinenbau, Anlagen & Geräte" - Automotive course_categories: - "Reibung, Verschleiß & Schmierung" - "Maschinenbau & Maschinenelemente" - Powertrain next_event_end: 2027-06-29 next_event_location: Technische Akademie Esslingen upcoming_dates: - 2027-06-29, Technische Akademie Esslingen course_speakers: - Prof. Dr.-Ing. Max Marian, Leibniz University Hannover reviews_average: 5.0 reviews_count: 1 --- # Seminar Data Science in der Tribologie Data Science in der Tribologie ================================ Von tribologischen Daten zu belastbarem Wissen mit KI, Maschinellem Lernen und FAIR-Prinzipien ------------------------------------------------------------------------------------------------ Beginn: 29.06.2027 - 09:00 Uhr Ende: 29.06.2027 - 16:30 Uhr Dauer: 1,0 Tag Flex: Ostfildern oder Online [ ](https://www.tae.de/lernsettings/) Veranstaltungsnr.: 36167.00.004 Leitung [ Prof. Dr.-Ing. Max Marian ](#speaker1807) Leibniz University Hannover Präsenz oder Online EUR 680,00 (MwSt.-frei) Mitgliederpreis EUR 612,00 (MwSt.-frei) Beschreibung Die Tribologie erzeugt vielfältige Daten aus Experimenten, Simulationen und industriellen Anwendungen. Dieses Seminar zeigt, wie Data Science, KI und Maschinelles Lernen helfen, diese Daten strukturiert aufzubereiten, Muster zu erkennen und belastbare Erkenntnisse für Forschung, Entwicklung und Praxis abzuleiten. **Ziel der Weiterbildung** Ziel des Seminars ist es, die Teilnehmenden in die Lage zu versetzen, Data Science, KI und Maschinelles Lernen für tribologische Fragestellungen fundiert einzuordnen und anzuwenden. Sie lernen zentrale Begriffe, FAIR-Prinzipien, Datenqualität, KI-/ML-Workflows, Algorithmen, Anwendungsbeispiele, Deep Learning und physik-informiertes ML kennen. Zudem werden Chancen, Grenzen und typische Herausforderungen datengetriebener Ansätze in Forschung und Entwicklung kritisch diskutiert. **HINWEIS** Dieses Seminar ist Bestandteil des Zertifikatslehrgangs “Tribologie Experte (TAE)”[ www.tae.de/60160](https://www.tae.de/60160) und kann auch einzeln gebucht werden. Programm **Dienstag, 29. Juni 2027** 9:00 bis 12:15 und 13:15 bis 16:30 Uhr **1. Einführung und Motivation: Data Science in der Tribologie** - Tribologie als datenintensive Disziplin zwischen Experiment, Theorie, Simulation und Informationswissenschaft - Bedeutung von Data Science, Künstlicher Intelligenz und Maschinellem Lernen für tribologische Fragestellungen - Von Daten zu Informationen und Wissen: Potenziale für Forschung, Entwicklung und industrielle Anwendungen - Chancen datengetriebener Ansätze: schnellere Entwicklung, effizientere Versuchsplanung, robustere Entscheidungen und neue Erkenntnisse - Grenzen und Herausforderungen: Small Data, heterogene Datenquellen, fehlende Standards, Datenqualität und Interpretierbarkeit **2. Datenwissenschaft und FAIR-Prinzipien** - Arten tribologischer Daten aus Experimenten, Simulationen und industriellen Anwendungen - Small Data und Big Data in der Tribologie: typische Potenziale und Einschränkungen - Strukturierte, unstrukturierte und KI-bereite Daten - Aktuelle Ineffizienzen im Umgang mit Daten: Datensilos, Medienbrüche, fehlende Metadaten und „tote Daten“ - FAIR-Prinzipien: Findable, Accessible, Interoperable, Reusable - Bedeutung von Metadaten, Rückverfolgbarkeit, Kontextinformationen und Knowledge Graphs - Datenqualität, Datenaufbereitung und physikalisches Verständnis als Grundlage erfolgreicher KI-Anwendungen **3. KI-/ML-Workflow und Algorithmen** - Grundbegriffe: Künstliche Intelligenz, Maschinelles Lernen, Natural Language Processing und Large Language Models - Einordnung von überwachten, unüberwachten und bestärkenden Lernverfahren - Typischer KI-/ML-Workflow: Problemdefinition, Datenaufbereitung, Merkmalsauswahl, Modelltraining, Validierung und Interpretation - Auswahl geeigneter KI- und ML-Methoden für tribologische Problemstellungen - Modellbewertung, Unsicherheiten, Overfitting und Generalisierbarkeit - Klassische Algorithmen und moderne ML-Ansätze für Regression, Klassifikation, Mustererkennung und Optimierung **4. KI-/ML-Anwendungsbeispiele aus der Tribologie** - Datengetriebene Analyse tribologischer Systeme aus Experimenten und Simulationen - Klassische und KI-gestützte Versuchsplanung für tribometrische Untersuchungen - Adaptive Versuchsplanung und aktive Lernstrategien zur Reduktion von Aufwand, Kosten und Materialverbrauch - Erkennung von Mustern, Korrelationen und Einflussgrößen in komplexen tribologischen Datensätzen **5. Deep Learning in tribologischen Anwendungen** - Einordnung von Deep Learning innerhalb des maschinellen Lernens - Grundprinzipien neuronaler Netze und mehrschichtiger Modellarchitekturen - Einsatzmöglichkeiten für Bild-, Signal-, Zeitreihen- und Sensordaten - Anforderungen an Datenmenge, Datenqualität, Training und Validierung - Grenzen von Deep Learning bei kleinen, heterogenen oder schwer interpretierbaren tribologischen Datensätzen **6. Physik-informiertes maschinelles Lernen** - Motivation: Kombination datengetriebener Modelle mit physikalischem Vorwissen - Einbindung von Modellgleichungen, Randbedingungen, Plausibilitätskriterien und Domänenwissen - Physik-informierte Ansätze als Brücke zwischen klassischen Simulationsmethoden und KI - Vorteile für Datenknappheit, Interpretierbarkeit, Extrapolation und Robustheit - Anwendungsmöglichkeiten für tribologische Kontakte, Schmierung, Reibung, Verschleiß und Systemverhalten **7. Zusammenfassung und Diskussion** - Zentrale Erkenntnisse des Seminartags - Diskussion konkreter Anwendungsmöglichkeiten in Forschung, Entwicklung und industrieller Praxis - Offene Fragen, Grenzen und nächste Schritte für eigene datengetriebene Projekte Teilnehmer:innenkreis Das Seminar richtet sich an Ingenieurinnen, Forschende, Entwicklerinnen sowie Fach- und Führungskräfte aus Tribologie, Maschinenbau, Werkstofftechnik, Schmierstoffentwicklung, Versuch, Simulation, Digitalisierung und datengetriebener F&E. Referent:innen Prof. Dr.-Ing. Max MarianLeibniz University Hannover Institute of Machine Design and Tribology (IMKT) Leibniz University Hannover Weitere Veranstaltungen [Tribologie Experte (TAE)](https://www.tae.de/weiterbildung/tribologie-reibung-verschleiss-schmierung/reibung-verschleiss-schmierung/tribologie-experte-tae-1/) Veranstaltungsort und Hotel Technische Akademie Esslingen An der Akademie 5 73760 Ostfildern [Anfahrt](https://www.google.de/maps/dir//48.7157380000000000,9.2905800000000000/@48.7157380000000000,9.2905800000000000,12z)Die TAE befindet sich im Südwesten Deutschlands im Bundesland Baden-Württemberg – in unmittelbarer Nähe zur Landeshauptstadt Stuttgart. Unser Schulungszentrum verfügt über eine hervorragende Anbindung und ist mit allen Verkehrsmitteln gut und schnell zu erreichen. ![Anfahrt und Parken: TAE - Technische Akademie Esslingen](https://www.tae.de/fileadmin/_processed_/7/9/csm_Header_Anreise_2c44327494.jpg "Anfahrt und Parken: TAE - Technische Akademie Esslingen") Gebühren und Fördermöglichkeiten Die Teilnahme beinhaltet [Verpflegung](https://www.tae.de/service/verpflegung/) (vor Ort) sowie ausführliche Unterlagen. **Preis:** Die Teilnahmegebühr beträgt: 680,00 € (MwSt.-frei) vor Ort 680,00 € (MwSt.-frei) pro Teilnehmer live online **Fördermöglichkeiten:** Für den aktuellen Veranstaltungstermin steht Ihnen die [ESF-Fachkursförderung](https://www.tae.de/foerdermoeglichkeiten/esf/ "https://www.tae.de/foerdermoeglichkeiten/esf/") leider nicht zur Verfügung. Für alle weiteren Termine erkundigen Sie sich bitte vorab bei unserer [Anmeldung](https://www.tae.de/service/kontakt/ "https://www.tae.de/service/kontakt/"). Andere Bundesland-spezifische Fördermöglichkeiten finden Sie [hier](https://www.tae.de/foerdermoeglichkeiten/sonstige-bund-laender-eu/ "https://www.tae.de/foerdermoeglichkeiten/sonstige-bund-laender-eu/"). Bewertungen unserer Teilnehmer Nadira Bitter Data Science in der Tribologie | 12.06.2026 | verifiziert Guter Überblick und Einstieg in die aktuellen Entwicklungen und den Nutzen von KI in der Industrie Ich fand sehr gut, dass auf die Themen der Teilnehmer eingegangen wurde und so die Schwerpunkte dynamisch im Vortrag angepasst wurden. Der kurze Exkurs mit Open AI hat mir auch gut gefallen, hilfreich wäre evtl. die Prompts auf einer separaten Folie noch zu haben, damit man das im Nachgang auch noch einmal nachstellen kann. Vielen Dank für den Einblick! Antwort von TAE.DE: Sehr geehrte/r Teilnehmende/r, vielen Dank für Ihr positives Feedback. Es freut uns, dass die flexible Anpassung an die Interessen der Gruppe gut ankam. Den Hinweis zur Dokumentation der Prompts leiten wir gerne an den Referenten weiter. Mit freundlichen Grüßen Ihr Team der TAE