Indus­tri­el­le Pro­duk­ti­on mit KI optimieren

Immer kür­ze­re Pro­dukt­le­bens­zy­klen und vola­ti­le Märk­te zwin­gen Unter­neh­men, qua­li­ta­tiv hoch­wer­ti­ge Pro­duk­te schnell mit neu­en, unrei­fen Pro­zes­sen her­zu­stel­len. Ver­gleich­bar mit einer Soft­ware, die wäh­rend der Anwen­dung durch Updates ste­tig wei­ter­ent­wi­ckelt wird, müs­sen die Pro­duk­ti­ons­pro­zes­se dafür im lau­fen­den Betrieb ver­bes­sert wer­den: Das ist das Ziel der For­schen­den der Karls­ru­her For­schungs­fa­brik für KI-inte­grier­te Pro­duk­ti­on des Karls­ru­her Insti­tuts für Tech­no­lo­gie (KIT) und der Fraun­ho­fer Gesell­schaft. Mit­hil­fe von Künst­li­cher Intel­li­genz (KI) wol­len sie die Zeit bis die­se Pro­duk­te auf den Markt kom­men, signi­fi­kant ver­kür­zen und Kos­ten einsparen.

Damit Unter­neh­men hoch­wer­tig und kos­ten­ef­fi­zi­ent pro­du­zie­ren kön­nen, sind aus­ge­reif­te Pro­duk­ti­ons­pro­zes­se not­wen­dig. Weil dafür vie­le ver­schie­de­ne Fak­to­ren berück­sich­tigt wer­den müs­sen, ist ihre Ent­wick­lung bis­her beson­ders auf­wen­dig – ins­be­son­de­re, wenn neue Mate­ria­li­en und Ver­fah­ren ver­wen­det wer­den, der Pro­duk­ti­ons­pro­zess hoch­kom­plex ist oder kei­ne aus­ge­reif­ten Model­le zur Ver­fü­gung ste­hen. Der sys­te­ma­ti­sche Ein­satz von KI soll Pro­zess­an­pas­sun­gen kos­ten­güns­ti­ger, schnel­ler und effi­zi­en­ter machen. Das ist Ziel der For­schungs­grup­pe „KI-basier­te Metho­dik für die schnel­le Ertüch­ti­gung unrei­fer Pro­duk­ti­ons­pro­zes­se“ des KIT und der Fraun­ho­fer Gesell­schaft. Sie will es für Unter­neh­men leich­ter machen, neue Pro­duk­ti­ons­pro­zes­se in Fel­dern wie dem Leicht­bau oder der Elek­tro­mo­bi­li­tät zukünf­tig schnel­ler gesamt­heit­lich zu durch­drin­gen, gezielt zu ver­än­dern oder anzu­pas­sen. Anhand der Her­stel­lung faser­ver­stärk­ter Kunst­stoff­bau­tei­le, etwa für den Auto­mo­bil­be­reich, will das Team zei­gen, wie sich mit­tels KI-Metho­den die Pro­zess­rei­fe und die Pro­dukt­qua­li­tät in kur­zer Zeit und im lau­fen­den Betrieb stei­gern lassen.

Pro­zes­se aus­ge­stal­ten und „über­in­stru­men­tie­ren“: So lernt die KI schnell

„Wir betrach­ten zunächst den Pro­zess der Umfor­mung von Faser­halb­zeu­gen. Das sind flä­chi­ge Gewe­be, die als Aus­gangs­ma­te­ri­al für die Her­stel­lung von Bau­tei­len genutzt wer­den. Hier sind aktu­ell manu­el­le Nach­ar­bei­ten wie erneu­tes Erwär­men oder Umfor­men not­wen­dig, bis die rich­ti­gen Pro­zess­pa­ra­me­ter und ‑schrit­te gefun­den und ein­ge­stellt sind“, sagt Pro­fes­sor Jür­gen Beye­rer vom Insti­tut für Anthro­po­ma­tik und Robo­tik des KIT und Insti­tuts­lei­ter des Fraun­ho­fer-Insti­tuts für Optro­nik, Sys­tem­tech­nik und Bild­aus­wer­tung IOSB. „Ziel ist es, den Vor­gang mög­lichst schnell zu ver­ste­hen, um auf die­ser Basis den Pro­zess so regeln zu kön­nen, dass frü­her Pro­duk­te mit guter Qua­li­tät entstehen.“

Dafür stat­tet das Team den Pro­duk­ti­ons­vor­gang mit erwei­ter­ter Aktua­to­rik und Sen­so­rik aus – zum Bei­spiel mit Robo­tik und zusätz­li­chen Mess­in­stru­men­ten. Dies nennt sich „über­in­stru­men­tie­ren“. Ziel ist es, mög­lichst vie­le Infor­ma­tio­nen wie Tem­pe­ra­tu­ren, Drü­cke oder Kräf­te zu erfas­sen. Je nach Vor­her­sa­ge eines selbst­ler­nen­den Modells kön­nen dann die Grö­ßen iden­ti­fi­ziert wer­den, die zur Pro­zess­kon­trol­le benö­tigt wer­den. „Wir wol­len die unrei­fen Pro­zes­se sys­te­ma­tisch so aus­stat­ten, dass eine KI rela­tiv schnell ler­nen kann, wie Pro­zess­pa­ra­me­ter und ‑ergeb­nis mit der Pro­dukt­qua­li­tät zusam­men­hän­gen“, so Beyerer.

Pro­zes­se rich­tig ein­stel­len: KI gibt Empfehlungen

Damit die­ser Vor­gang nicht für jeden ein­zel­nen Pro­zess wie­der­holt wer­den muss, wol­len die For­schen­den die Erkennt­nis­se ver­all­ge­mei­nern und einen Bau­kas­ten ent­wi­ckeln, der für alle ähn­li­chen Pro­zes­se ver­wen­det wer­den kann. Mit­tels dyna­mi­scher Model­lie­rung soll ein digi­ta­les Abbild des Pro­zes­ses daten­ba­siert erstellt wer­den, um schon vor­ab die Daten­ba­sis tes­ten zu können.

„Der so ent­ste­hen­de Ansatz zur schnel­len Reif­ma­chung noch nicht voll­stän­dig aus­spe­zi­fi­zier­ter Pro­duk­ti­ons­pro­zes­se ermög­licht es zudem, die Erkennt­nis­se aus der For­schung schnell in die Indus­trie zu über­tra­gen: Unter­neh­men erhal­ten sowohl eine Vor­ge­hens­wei­se, um ihre Pro­zes­se schnell anzu­pas­sen, als auch Mög­lich­kei­ten, den Pro­zess­rei­fe­grad zu mes­sen“, sagt Pro­fes­sor Jür­gen Flei­scher, Lei­ter des wbk Insti­tuts für Pro­duk­ti­ons­tech­nik des KIT.

Mit ihrem neu­ar­ti­gen Ansatz setz­te sich die For­schungs­grup­pe in einem har­ten Wett­be­werb durch: Die Deut­sche For­schungs­ge­mein­schaft (DFG) för­dert sie als eine von acht Grup­pen in der mit 90 Mil­lio­nen aus­ge­stat­te­ten stra­te­gi­schen För­der­initia­ti­ve „Künst­li­che Intel­li­genz“ für vier Jah­re mit 4,79 Mil­lio­nen Euro. Nach einer erfolg­rei­chen Begut­ach­tung ist eine Ver­län­ge­rung um wei­te­re vier Jah­re vor­ge­se­hen. Für das Vor­ha­ben sol­len Pro­mo­ti­ons­stel­len in den Fach­rich­tun­gen Maschi­nen­bau, Infor­ma­tik, Mecha­tro­nik und Wirt­schafts­in­ge­nieur­we­sen ent­ste­hen. Die For­schungs­grup­pe wird zum 1. Janu­ar 2023 die Arbeit aufnehmen.