mav 02.2024

mav Innovationsforum 2024
sourcen und die reale Anwendung
ist schneller umsetzbar.
Viele Einsatzfelder
Auch wenn aktuell ein ziemlicher
Hype um ML besteht, ist die Technologie
kein Selbstzweck und eignet
sich nicht für alle Probleme
und Anwendungskontexte. Und
doch gibt es ein breites Einsatzspektrum
für ML, sofern die unternehmens-
und anwendungsspezifischen
Rahmenbedingungen geeignet
sind. Beispielhafte Einsatzfelder
in der Produktion können sein:
∙ Eine automatisierte visuelle
Qualitätsprüfung erkennt eine
beschädigte Lieferung.
∙ Die Parameter eines Produktionsprozesses
wie bspw. beim Lackieren
können verbessert werden.
∙ Bei den Produktionsschritten
kann eine KI prädiktive Diagnosen
etwa hinsichtlich des Werkzeugverschleißes
stellen und
auch Anomalien wie Prozessabweichungen
erkennen.
∙ Die Handhabung von Halbzeugen
und Produkten lässt sich
mit kognitiven Robotern wie etwa
beim Griff-in-die-Kiste automatisieren.
∙ Routen für die intralogistischen
Abläufe sind besser planbar.
∙ Und schließlich kann KI die
Endprüfung unterstützen und
beispielsweise Fehlerursachen
erkennen.
KI für die Bearbeitung
In aktuellen Forschungsprojekten
spielt KI auch für die Metallbearbeitung
eine immer wichtigere
Rolle. So entstehen aktuell gemeinsam
mit der Firma Trumpf
zwei KI-Anwendungen. Eine nutzt
KI für eine visuelle Qualitätskontrolle,
um thermische Schnittkanten
zu prüfen. Die zweite aus dem
Projekt „de:karb“ nutzt KI, um
das Nesting-Problem zu lösen, also
um Aufträge auf einem Blech so
passend zu platzieren, dass weniger
Verschnitt entsteht. In einem
DFG-Projekt soll KI für das Gesenkschmieden
genutzt werden,
In einem DFG-Projekt geht es um die KI-gestützte Prozessmodellierung im
Gesenkschmieden bspw. für diese Anlage am IFUM der Uni Hannover.
sodass bspw. aus den Prozessdaten
auf die Qualität des Schmiedeteils
geschlossen werden kann. Und
schließlich ging letztes Jahr das
Projekt „RoboGrind“ zu Ende.
Darin wurde ein flexibles und
hochautomatisiertes KI-System
zur Oberflächenbearbeitung mit
Robotern entwickelt, um die Wiederaufbereitung
von Gerätekomponenten
gegenüber der Neuproduktion
wirtschaftlich zu machen.
Erfolgreich einsteigen
Aus den vielen KI-Projekten am
Fraunhofer IPA lassen sich ‚Learnings‘
bzw. Handlungsempfehlungen
ableiten, wie ein Unternehmen
gut in KI einsteigen kann:
∙ Klein anfangen, groß denken:
Der Einstieg über einzelne Prozessschritte
fällt üblicherweise
leichter. Kleine Erfolge verhelfen
zu Kenntnissen über ML und
sorgen für mehr Vertrauen in die
Technologie.
∙
∙
∙
Zeitig starten: Kurze Entwicklungszyklen
für nützliche Anwendungsfälle
bringen schnell
einen ersten Prototyp.
Nutzenzentriert arbeiten: Der
KI-Einstieg ist meist mehr ein
Thema für die Fachabteilung als
für die IT und die Fachabteilung
erkennt schnell mögliche Mehrwerte.
KI geht alle an: Es gilt, das Vertrauen
und die Bereitschaft der
Belegschaft zu stärken und diese
mitzunehmen, denn wenn nicht
alle an einem Strang ziehen,
kann es unnötige Blockaden im
■
Projekt geben.
Fraunhofer IPA
ipa.fraunhofer.de/cci
Foto: IFUM/Universität Hannover
April 2024 53