Der Einsatz künstlicher Intelligenz bietet den Unternehmen Chancen und Potenziale, die über andere Ansätze bislang noch nicht erschlossen werden konnten. (Bild: pinkeyes - stock.adobe.com)
Marc Zimmermann sitzt vor seinem Laptop und lächelt zufrieden. Gerade hat der Engineering Manager SensoControl bei Parker Hannifin in Bielefeld mit Hilfe von ChatGPT einen längeren Text gekürzt und sich damit eine Menge Zeit gespart.
ChatGPT ist momentan wohl die geläufigste Form künstlicher Intelligenz (KI). Der Chatbot ist in der Lage, mit Nutzern zu kommunizieren. Zimmermann berichtet in diesem Zusammenhang von einem Trainee, der zuvor keine Berührung mit Software-Entwicklung hatte. Trotzdem habe er die ihm gestellte Aufgabe komplett über ChatGPT gelöst. Auch der KI-gestützte Chat-Assistent ‚Copilot‘ von Microsoft wird vom SensoControl-Team genutzt, um verschiedene Websites übersichtlich zusammenzufassen.
Die ersten erfolgreichen KI-Anwendungen in der Fluidtechnik
Über ChatGPT hinaus stricken viele Unternehmen derzeit an einem maßgeschneiderten Konzept für die Nutzung künstlicher Intelligenz. Und das mit wachsendem Erfolg, wie die folgenden Beispiele zeigen.
Das 2005 von Dr. Christian Klimmek in Dortmund gegründete Unternehmen Simuform hat mit ‚Gatekeeper‘ und ‚Similia‘ zwei KI-Programme entwickelt, die im produzierenden Gewerbe von Automotive, Automatisierungstechnik bis zur Verpackungstechnik eingesetzt werden. ‚Gatekeeper‘ ist speziell auf 3D-Daten ausgerichtet und soll in den Bereichen Konstruktion und Entwicklung verhindern, dass geometrische Dubletten die entscheidenden Systeme des Kunden belasten und somit unnötige Kosten verursachen. Zusätzlich prüft der auf dem zentralen Similia-Server laufende ‚Gatekeeper‘ mittels einer integrierten Logik, ob alle zwingend erforderlichen Daten vom Anwender eingetragen wurden. So wird verhindert, dass Korrekturen zu einem späteren Zeitpunkt notwendig werden, Zusatzkosten entstehen und wertvolle Zeit vergeudet wird.
Simuform liefert keine Konzepte von der Stange. Es ist der Kunde, der zuvor seine Präferenzen und Ziele definiert, die mit ‚Gatekeeper‘ erreicht werden sollen. Auf dieser Basis wird ein Prozess konfiguriert, der wahlweise automatisch oder halbautomatisch abläuft. Vor der Freigabe eines neuen Artikels wird dieser mit dem gesamten vorhandenen Teilebestand abgeglichen und geprüft. Alle Folgeschritte orientieren sich an den individuellen Anforderungen des Kunden, erläutert Klimmek.
Künstliche Intelligenz nimmt Fingerabdrücke
Das KI-Werkzeug ‚Similia‘ ist eine KI-gestützte Software zur geometrischen Suche von 3D-Daten im gesamten Unternehmensumfeld. Es verknüpft technische Daten aus CAD, PDM (Produktdatenmanagement), PLM (Product Life Cycle Management) und ERP (softwaregestützte Ressourcenplanung im Unternehmen) in einem zentralen System. Dabei wird im Rahmen der initialen Datenaufbereitung für die ‚Similia-AI‘-Datenbank von der integrierten KI von jedem aufzunehmenden Teil ein sogenannter Fingerprint erstellt.
Hierbei handelt es sich um eine Vektorisierung der Geometriedaten. Durch diesen Fingerabdruck wird das jeweilige Teil oder die Baugruppe eindeutig identifiziert. Über den Zusatzbaustein ‚Similia Web Search‘ ist es möglich, vergleichbare Komponenten-Daten von Marktbegleitern zu finden und über einen Benchmark die eigenen Komponenten weiter zu optimieren.
Laut Simuform sind die Einsparpotenziale durch den Einsatz von ‚Similia‘ beträchtlich. Beispielsweise könnten bei einem mittelständischen Unternehmen mit etwa 50.000 Artikeln im Datenbestand jährlich mindestens 2,5 Prozent neue Artikel vermieden werden. Bei jährlich circa 5.000 neuen Artikeln würde dies etwa 125 Positionen entsprechen. Durch die Wiederverwendung existierender Artikel entfällt zunächst der Konstruktionsaufwand. Aufwendige Freigabeprozesse in der Konstruktion, Entscheidungsprozesse über Eigen- und Fremdfertigung und, und, und werden vermieden. Der gesamte Arbeitsanteil dieser Prozesse beläuft sich nach Simuform-Berechnungen auf etwa zehn bis 25 Arbeitsstunden. Dies würde je nach Unternehmensgröße, Organisationsstruktur und internen Stundensätzen Kosten zwischen 550 und 1.000 Euro pro Artikel entsprechen.
Kleines Begriffs-Lexikon der KI (künstliche Intelligenz)
Künstliche Intelligenz als Begriff bezieht sich auf Maschinen, die menschliche, kognitive Fähigkeiten nachahmen, die etwa Sprache und strategisches Denken erfordern. KI-Anwendungen ermöglichen es damit Maschinen, Aufgaben zu übernehmen, die bisher nur von Menschen ausgeführt werden konnten.
Maschinelles Lernen umfasst eine Klasse von Algorithmen und Verfahren, die Daten interpretieren und aus diesen lernen. Die erlernten Informationen werden verwendet, um fundierte und genaue Entscheidungen zu treffen.
Beim maschinellen Lernen wird zwischen überwachtem Lernen, unüberwachtem Lernen und bestärkendem Lernen unterschieden. Beim überwachten Lernen lernt das Modell eine Funktion aus gegebenen Beispielen von Ein- und Ausgaben. Dieser Lernvorgang wird überwacht genannt, da für jede Eingabe die richtige Ausgabe bekannt ist und das Modell bei falschen Vorhersagen korrigierbar ist. Mit überwachtem Lernen lassen sich Vorhersagen zu unbekannten oder künftigen Daten treffen (prädiktive Modellierung).
Beim unüberwachten Lernen erzeugt der Algorithmus für eine gegebene Menge von Eingaben ein Modell, das die Eingaben beschreibt und Vorhersagen ermöglicht. Bestärkendes Lernen ist eine Methode des maschinellen Lernens, in der ein Algorithmus durch Belohnen und Bestrafen eine Taktik erlernt, selbstständig innerhalb des gegebenen Kontextes zu agieren. Jede Lösung wird dabei mit einer Punktzahl bewertet. Belohnung wird durch das Erhöhen der Punktzahl und Bestrafung durch das Verringern angegeben. Der Algorithmus versucht, durch Anpassen seiner Taktik die Punktzahl zu steigern.
Deep Learning (mehrschichtiges Lernen) ist eine Methode der Informationsverarbeitung und ein Teilbereich des maschinellen Lernens. Hier werden künstliche neuronale Netze eingesetzt, um die Zusammenhänge in extrem großen Datenmengen zu erlernen. Die Lernmethoden orientieren sich an der Funktionsweise des menschlichen Gehirns, das aus miteinander verbundenen Neuronen besteht. Diese einzelnen Neuronen führen einfache, elementare Operationen aus. Ein Netz aus Tausenden oder Millionen Neuronen kann sehr komplexe Zusammenhänge abbilden.
Quelle: Leitfaden künstliche Intelligenz – Potenziale und Umsetzungen im Mittelstand; VDMA Bayern
KI gibt ‚Doppelgängern‘ keine Chance
Zu den Simuform-Kunden zählt das Maschinenbauunternehmen Transfluid aus Schmallenberg. Die Firma aus dem Sauerland stellt Rohrbiege- und Rohrbearbeitungsmaschinen her und bietet maßgeschneiderte Lösungen für den Anlagen- und Maschinenbau, die Automobil-, Energie- und Schiffbauindustrie sowie die Herstellung medizinischer Geräte. Seit 2013 ist das Unternehmen nach eigenen Angaben sogar Weltmarktführer für die CNC-gesteuerte Walzrohrumformung. ‚Similia‘ wird dort bereits seit 2017 eingesetzt. Laut Stefan Schmidt, kaufmännischer Leiter, habe man bei Transfluid nach einer Software gesucht, die dem Einkauf helfe, ähnliche Bauteile zu finden. Nur eine ganze Woche habe es damals gedauert, die ‚Similia‘-Software zu implementieren. Seitdem gestalte sich die Suche nach ähnlichen Datensätzen deutlich schneller.
Die Dublettenbildung sei gänzlich ausgeschlossen, weil bei jeder Dokumentenfreigabe sofort ein digitaler Fingerabdruck erstellt werde. Eine umfangreiche Schulung der Mitarbeitenden war nicht notwendig, weil die ‚Similia‘-Oberfläche übersichtlich aufgebaut und intuitiv bedienbar sei, berichtet Stefan Schmidt.
Neu: ein smarter Handschuh, der hören und sehen kann
Auf der SPS 2023 stellte Voss Automotive mit ‚ClickID‘ erstmalig einen KI-gestützten Montagehandschuh vor, den das Unternehmen aus Wipperfürth Ende 2024 auf den Markt bringen wird. Ziel dieses Produktes ist es, die Montageprozesse fluidischer Steckverbindungen durch Echtzeit-Feedback und intelligente Datenverarbeitung zu verbessern und gleichzeitig die Produktionsqualität zu optimieren. Erste Pilotversuche bei Erstausrüstern und Zulieferern der Automobilindustrie verliefen durchweg positiv, heißt es von Voss Automotive.
Das ‚ClickID‘-System ist für allgemeine Montageprozesse in industrieller Serienfertigung mit einer charakteristischen Geräuschentwicklung wie dem Einrasten von Halteklipsen und Bewegung gedacht. Das Anwendungsspektrum reicht dabei von elektrischen bis fluidischen Steckverbindungen und soll herstellerunabhängig funktionieren.
Und wie arbeitet ‚ClickID‘?
Am sogenannten ‚ClickID‘-Wearable sind mehrere Audio- und Bewegungssensoren angebracht, die kontinuierlich überwacht werden. Aus den Sensordaten berechnet der Handschuh dann bestimmte Kenngrößen – sogenannte Features – die der KI als Eingangsgrößen dienen. Anhand dieser Größen wird bestimmt, ob in den eingelesenen Sensordaten ein relevanter ‚Click‘ enthalten ist. Wichtig ist dabei, dass das KI-Modell zuvor mit vielen ‚Positiv‘-Ereignissen, also Daten von korrekten ‚Clicks‘ und vielen ‚Negativ‘-Ereignissen (z.B. Störgeräusche) trainiert worden ist. Sobald das System einen Click erkennt, erhält der Anwender eine optische und haptische Rückmeldung. Erkennt ‚ClickID‘, dass nicht die gewünschte Anzahl an Clicks erreicht wurde, bekommt der Anwender ebenfalls eine Rückmeldung.
Bei der Einführung von ‚ClickID‘ wird mit interessierten Kunden ein definierter Prozess zur Einführung durchlaufen. Im ersten Schritt sollen durch intensive Gespräche mit den beteiligten Teams und Fachleuten potenzielle Anwendungen von ‚ClickID‘ beim Kunden erkannt werden. Später werden die technischen Anforderungen aufgenommen. Erste Messungen in der Produktionslinie dienen als Grundlage für den Proof-of-Concept. Es geht darum, die Machbarkeit und den Mehrwert von ‚ClickID‘ zu überprüfen.
Automation NEXT Conference
Entdecken Sie die Zukunft der Automatisierung auf der Automation NEXT Conference. Diese Veranstaltung im Jahr 2025 bringt Branchenexperten zusammen, um über neueste Trends und Technologien in der Automatisierung zu diskutieren.
Die Themenbereiche umfassen Künstliche Intelligenz, Industrie 4.0, Cybersicherheit, Edge Computing, Robotik und nachhaltige Automatisierungslösungen. Die Veranstaltung bietet eine einzigartige Plattform für Wissensaustausch, Netzwerken und Inspiration für Fachleute aus der Automatisierungsbranche.
Für weitere Informationen besuchen Sie bitte Automation NEXT Conference.
KI muss trainiert werden
Im nächsten Schritt muß die KI hinter ‚ClickID‘ bis zur optimalen Performance trainiert werden. Dazu werden Daten aufgenommen und das KI-Modell optimiert, um präzise Ergebnisse zu erzielen. Abschließend erfolgt die Konfiguration und individuelle Inbetriebnahme der ‚ClickID-Software‘ und der KI. Die Geräte werden in der produktiven Umgebung installiert und getestet. Die langfristige Wartung und Betreuung sowie das Einspielen von Updates gehören zum ‚ClickID‘-Einführungskonzept dazu. Ganz wichtig ist dabei: Die Qualität und Menge der aufgenommenen Trainingsdaten sind entscheidend dafür, wie gut ‚ClickID‘ performt.
Weitere Einsatzbereiche für diesen intelligenten Montagehandschuh sieht der Hersteller in der Elektronikmontage von Hausgeräten und der Montage von Kabelbäumen. Im günstigsten Fall ließen sich durch den Einsatz von ‚ClickID‘ bis zu 99 Prozent aller Fehlerfälle detektieren, um so die Montagequalität zu verbessern, heißt es von Voss Automotive.
Künstliche Intelligenz und Maschinenwartung
2020 starteten Lena Weirauch, Dario Ramming und Felix Kraft in Hamburg mit dem Unternehmen Aiomatic. Die Gründung beruhte auf der Vision, eine erste, wirklich funktionierende Lösung für Maschinenausfälle in der Industrie zu bieten.
So entstand mit ‚Aiomatic‘ ein digitaler Wartungsassistent, der Maschinen automatisch und unbeaufsichtigt überwacht, Ausfälle im Voraus erkennt und so den optimalen Wartungszeitpunkt vorhersagt. Zudem entlastet ‚Aiomatic‘ die Bediener, denn moderne Maschinen produzieren riesige Datenmengen und können von Personen allein nicht mehr überwacht werden. Diese Entlastung ist für den Kunden mit Kosteneinsparungen und der effizient verlaufenden Wartung verbunden.
Die Software nutzt der Anwender über ein Dashboard. Die KI dahinter analysiert die Maschinendaten aus der Historie und im laufenden Prozess. Die künstliche Intelligenz besteht aus statistischen Modellen, sodass akkurate Aussagen und Prognosen über Maschinenzustände getroffen werden können. Konkret gibt das System keine Empfehlungen für Wartungsmaßnahmen. Dies sei laut Lena Weirauch Aufgabe der Ingenieure vor Ort. ‚Aiomatic‘ agiert als Assistent, der tiefe Einblicke in Maschinenzustände liefert.
Die dafür erforderlichen Maschinendaten werden aktuell über Sensoren generiert. Dabei handelt es sich um Druck- und Temperatursensoren sowie Sensoren, die Vibrationen, Geschwindigkeiten, Sollwerte und Leistungen des Aggregates erfassen.
„Künstliche Intelligenz unterstützt Unternehmen dabei, wettbewerbsfähig zu bleiben und neue Wachstumspotenziale zu entdecken.“
Lena Weirauch, Dipl.-Psychologin und CEO bei Aiomatic
Wichtige Maschinendaten stets im Blick
Die ‚Aiomatic‘-Software unterscheidet zwischen den überwachten Kanälen und den Einflussfaktoren und analysiert kontinuierlich die Zusammenhänge (zum Beispiel Vibration und Drehzahl). Damit ist es möglich, den Normalzustand zu lernen und Anomalien aufzuzeigen. Auf diese Weise kann der Anwender auf dem Dashboard einen umfassenden ‚Health Score‘, also eindeutige, erklärbare Gesundheitsvorhersagen für fundierte Wartungsentscheidungen sehen.
‚Aiomatic‘ gliedert die Maschine hierarchisch in deren Komponenten. Durch diese klare, strukturierte Sicht auf die Maschinenkomponenten werde dem Anwender die Verwaltung und Wartungsplanung vereinfacht, erklärt Lena Weirauch. Die Fehlerdiagnose wird mit KI-berechneten Health Scores auf verschiedenen Detailebenen unterstützt und so lassen sich Probleme schnell und präzise erfassen. Auch der Betriebsmodus der Maschine könne über das Dashboard schnell erkannt werden. ‚Aiomatic‘ zeigt historische Sensordaten und Ereignisse zum Überprüfen und Bearbeiten sowie zum eventuellen Neutrainieren des Modelles an. So wird die Neubewertung vergangener Ereignisse und eine verbesserte Modellgenauigkeit durch kontinuierliche Datenaufzeichnung ermöglicht.
Podcast: Gründerin Lena Weirauch über ihr KI-Start-up Aiomatic
Komponentenüberwachung in Echtzeit
Die Software überwacht komplexe Maschinenkomponenten mit Hilfe von KI-Modellen in Echtzeit. Dadurch wird das sofortige Erkennen und Reagieren auf Probleme auf Komponentenebene möglich und so die Zuverlässigkeit der Maschine insgesamt erhöht. Mit dem ‚Sensitivitäts-Slider‘ ist zudem einstellbar, wie sensibel sich das Modell verhält.
Ein Erhöhen der Empfindlichkeit kann dazu führen, dass das Modell stärker auf geringfügige Änderungen in den Daten reagiert. Eine Verringerung reduziert falsch-positive oder unnötige Warnmeldungen. So lässt sich ‚Aiomatic‘ besser an spezifische Bedürfnisse oder veränderte Bedingungen anpassen, ohne dass das zugrunde liegende Modell selbst geändert werden muss. Insgesamt wird eine optimierte Genauigkeit und Relevanz des Modelles in dynamischen Situationen erreicht.
Aufgrund der geringen Einstiegskosten und besonders bedienerfreundlichen Strukturen sei ‚Aiomatic‘ sowohl für Großunternehmen als auch mittelständische Unternehmen gedacht. Bislang sammelte Aiomatic mit der KI-gestützten Software gute Erfahrungen im Maschinenbau, der Papier- und Verpackungsindustrie sowie der Automobilbranche.
Kommen Sie zum Maschinenbau-Gipfel Salon!
Der Maschinenbau-Gipfel ist richtungsweisend und impulsgebend für die gesamte Branche. Damit Sie nicht ein ganzes Jahr auf spannende Diskussionen verzichten müssen, laden wir Sie zu unserem Networking-Format "Maschinenbau-Gipfel Salon" mit anschließendem Catering ein – live vor Ort oder digital.
Der nächste Maschinenbau-Gipfel Salon findet am 19. November in Präsenz oder digital in unserer Community-App statt. Das Thema: "Datenökosysteme - Wie der Datenaustausch die Wettbewerbsfähigkeit des Maschinenbaus steigert."
Bewusst über den Einsatz von KI entscheiden
Das Fazit lautet: Durch den Einsatz künstlicher Intelligenz lassen sich viele Unternehmensbereiche von der Produktentwicklung bis hin zur vorausschauenden Instandhaltung auf Produkt- und Systemebene spürbar verbessern. Sinnvoll ist jedoch, nicht sofort auf diesen neuen technologischen Zug aufzuspringen, sondern eine bewusste Abwägung zu treffen: Was kann KI besser? Wo sind klassische Instrumente nach wie vor die bessere Wahl? Kunden und Mitarbeitende mit ihren Erwartungen und Bedenken sollten unbedingt mit ins Boot genommen werden.
Es kann nie schaden, ausgiebig zu testen und auf die Erfahrungen anderer Unternehmen zu hören, damit der Einsatz von KI-Technologien im eigenen Unternehmen zum Erfolgsfall wird.
