Hintergrund des Projektes NEED ist die Herausforderung, Elektromotoren, Batterien und Brennstoffzellen für Elektrofahrzeuge zeitnah wirtschaftlicher und nachhaltiger produzieren zu können. Die Herstellung dieser Komponenten ist von Wechselwirkungen geprägt, die sowohl innerhalb einzelner Prozessschritte als auch über mehrere Prozessschritte hinweg auftreten. Diese Interdependenzen haben einen wesentlichen Einfluss auf die Ausschussrate während der Produktion sowie auf die spätere Produktqualität und damit auf die Lebensdauer der Elektrofahrzeuge. Um die Ausschussrate zu senken und die Qualität der Fahrzeuge zu erhöhen, ist es notwendig, auftretende Defekte möglichst früh zu erkennen und entsprechende Fehler künftig zu vermeiden.

Bislang erfolgt die Modellierung von Produktionsprozessen sowie der damit einhergehenden Wechselwirkungen hauptsächlich mittels konventioneller Methoden wie statistischen Analysen oder Simulationen. Aufgrund der hohen Komplexität und der enormen Datenmengen stoßen diese herkömmlichen Modellierungsverfahren jedoch an ihre Grenzen, was Methoden der künstlichen Intelligenz notwendig macht.

Die entsprechenden Kompetenzen sollen aus einem Wissensaustausch der Helmut-Schmidt-Universität (HSU) und des Lehrstuhls PEM der RWTH erwachsen: Während die Aachener die HSU mit Know-how zur Elektromobilkomponenten-Produktion versorgen, bringt die Hamburger Hochschule ihre Expertise zur künstlichen Intelligenz und zum „Machine Learning“ an den Lehrstuhl PEM.