Um den Zustand von Maschinen und Anlagen mithilfe von Künstlicher Intelligenz (KI) zu bestimmen und über die Zeit hinweg zu visualisieren, forschte Steffen gemeinsam mit Prof. Dr. Peter Holstein (TU Ilmenau/Sonotec) an einem speziell dafür konzipierten Verfahren des „Weakly Supervised Learning“. Bei diesem Ansatz generiert ein Algorithmus eigenständig vorläufige, sogenannte „schwache“ Trainingslabels, die anschließend zum Training eines zweiten KI-Modells genutzt werden. Am Beispiel von Kugellagern zeigten die Ergebnisse, dass Defekte bereits in einem sehr frühen Stadium erkannt werden können. Dabei beeinträchtigen die unvermeidlichen, geringfügigen Ungenauigkeiten der automatisch generierten Labels die Leistungsfähigkeit des Modells nicht wesentlich. Das System ermöglicht es somit, Anomalien direkt aus den Rohdaten zu visualisieren und zu identifizieren, noch bevor menschliche Expert:innen eine zuverlässige Bewertung aus den Sensordaten abgeben können.

Ein weiteres zentrales Ergebnis seiner Forschung war die Entwicklung eines Klassifikationsmodells zur Erkennung von Teilentladungen in gasisolierten Hochspannungs-Gleichstrom-Übertragungsanlagen (HVDC). Diese Aufgabe galt bislang als besonders herausfordernd: Im Gegensatz zu klassischen Wechselstromanlagen (AC) fehlt bei Gleichstrom die Phaseninformation des Stroms, die üblicherweise zur Identifikation solcher Entladungen genutzt wird. Dennoch war der von Steffen zusammen mit Dr. Thomas Götz (Siemens Energy) entwickelte Algorithmus in der Lage, die Teilentladungen im HVDC-System präzise hinsichtlich deren Polarität und Entladungsart und zu klassifizieren.

Da eine solche Automatisierung bisher unmöglich war, wuchs in der Fachwelt das Bedürfnis zu verstehen, wie genau das KI-Modell zu seinen Entscheidungen gelangt. Daher verlagerte sich Steffens Forschungsschwerpunkt in den letzten Jahren zunehmend in Richtung der erklärbaren KI (XAI). Vor diesem Hintergrund trug er maßgeblich zur Gründung einer eigenen Subgruppe für Erklärbare KI innerhalb der Arbeitsgruppe von Fellow Prof. Ronald Tetzlaff bei, deren Leitung er heute innehat.