Ziel dieses Projektes ist es, tiefe neuronale Netze für Problemstellungen aus der Industrie weiter zu entwickeln und zu analysieren, die es erlauben, existierendes Domänenwissen in die Architektur der Netzwerke einzubauen. Durch solch einen hybriden Ansatz kann von den komplementären jeweiligen Stärken von „end-to-end“ Lernansätzen und „a priori Modellen/Regeln“ profitiert werden. Dieses Vorgehen verspricht substantiell effizientere Lösungen für viele Anwendungsfelder. Beispielsweise werden deutlich weniger Daten benötigt oder die Vorhersagen des ML-Modells sind konsistent zum vorhandenen Wissen.