• Ulrich Ackermann, Partner |
  • Peter Heidkamp, Partner |

Keyfacts

  • Künstliche Intelligenz ist ein Katalysator der digitalen Transformation für kleine und mittelständische Fertigungsbetriebe.

  • Der Einsatz intelligenter und vernetzter Systeme in der smarten Fertigung bietet ein erhebliches Wachstumspotenzial.

  • KI-Tools können im gesamten Fertigungsprozess eingesetzt werden.

Die Fertigungsindustrie gehört zu einem der größten Wirtschaftszweige in Deutschland, zu dessen Wirtschaftskraft insbesondere der Mittelstand und kleine Betriebe (KMUs) beitragen. Sie haben den Standort Deutschland nachhaltig in Bezug auf Innovationen, Effektivität, Produktivität und weltweit anerkannte, hohe Qualitätsstandards geprägt. Um diese Stellung zu behaupten, sollten KMUs dringend bei der digitalen Transformation aufholen. Denn während in großen Konzernen künstliche Intelligenz (KI) schon an vielen Stellen Anwendung findet, ist dies in mittelständisch geprägten und kleineren Betrieben oftmals nicht der Fall. Auch wenn sich die meisten Unternehmen bereits mit dem Thema beschäftigt und auch schon Zukunftsstrategien entwickelt haben, gibt es (noch) keine aktive Anwendung. 

Dabei bietet der Einsatz von künstlicher Intelligenz den Fertigungsunternehmen ein erhebliches Potenzial, ihr Wachstum zu sichern und ihre Produktivität zu steigern. Eine wesentliche Voraussetzung dafür ist die Digitalisierung der industriellen Produktion, die in den letzten Jahren bereits stark vorangetrieben wurde. Wirtschaft, Politik und Wissenschaft haben frühzeitig die Trendwende erkannt und auf Basis des 2011 geprägten Begriffs Industrie 4.0 das „Leitbild 2030“ entworfen.

Einsatz künstlicher Intelligenz im Fertigungsprozess

Künstliche Intelligenz setzt sich aus den Teilgebieten Information, Mathematik und Logik zusammen. KI beschreibt die Entwicklung von Algorithmen und Systemen, durch die maschinelles Lernen und Automatisierungen ermöglicht werden. Dabei können KI-Systeme oder -module in nahezu allen computerbasierten Anwendungsfeldern zum Einsatz kommen

Wenn KI-Lösungen im gesamten Fertigungsprozess eingesetzt werden, können sie dabei helfen, große Datenmengen zu verarbeiten und Zusammenhänge schneller zu erkennen. So können beispielsweise Probleme und deren Auslöser schneller identifiziert werden. Eine entsprechende Datenqualität und Datenhistorie sind hierfür unerlässlich. Durch den kontinuierlichen Abgleich aktueller Daten mit vergangenen Daten können zukünftige Ergebnisse vorausgesagt und Problemursachen leichter ermittelt werden.  

KI kann als effektive Erweiterung auf bestehende Systeme aufgesetzt werden. Während beispielsweise durch das Manufacturing Execution System (MES) das Fertigungsmanagement in Echtzeit möglich ist, kann durch den zusätzlichen Einsatz von künstlicher Intelligenz eine Prognose erstellt und eine vorausschauende Steuerung durchgeführt werden. Prozesse lassen sich so entsprechend optimiert planen und durchführen, mögliche Störungen oder Engpässe frühzeitig erkennen und ressourcenoptimiert verwalten. 

Produktionssteuerung mittels smarter Fertigung

Die horizontale und vertikale Vernetzung von Produktions- und Nutzungsprozessen sowie unternehmensübergreifende Netzwerke sind hierfür Voraussetzung. Jede Komponente in einer Smart Factory verfügt dabei über ein eigenes Produktgedächtnis und löst die zentrale Planungssteuerung ab. Hierdurch lässt sich ein hohes Maß an Flexibilität erreichen und das Unternehmen kann besser auf Marktveränderungen und individuelle Kundenanforderungen reagieren.

Auch die Fertigungsprozesse selbst lassen sich durch KI-Tools optimieren, indem die Produktionsbereitschaft steuerbarer wird und Ausfälle oder Fehlfunktionen durch Predictive Maintenance vermieden werden, bevor sie überhaupt auftreten. Das birgt ein gewaltiges Potenzial zur Kostenminimierung. Predictive Maintenance ist die kontinuierliche Überwachung und Analyse eines Netzwerks von Assets, das die Vorhersage und Benachrichtigung von potenziellen Ausfällen ermöglicht. Außerdem kann über die Wartungs- und Ersatzteilplanung informiert und Wartungsaufgaben können automatisiert werden. 

Die systematische Datenerfassung und -verarbeitung sowie der Datenaustausch in Echtzeit sind hierfür elementar. Daten in Produktionsumgebungen sind die Grundlage, um digitale Abbilder ganzer Anlagen und Systeme zu erzeugen. Durch den Einsatz beispielsweise eines digitalen Zwillings ist die Durchführung komplexer Analysen und Simulationen sowie die Überwachung von Systemen möglich. Dies kann sowohl die Produktionsmaschinen und ihre Abläufe betreffen als auch die Komponenten, Werkstücke und fertigen Produkte.  

Produktionsfehler durch künstliche Intelligenz frühzeitig identifizieren

Werden während des Fertigungsprozesses durch die in den Maschinen oder Anlagen integrierten Sensoren Daten erhoben, können diese mittels KI auf einer Plattform verarbeitet und mit den Modell- und Idealdaten des digitalen Zwillings abgeglichen werden. Dabei werden die übermittelten Daten anhand verschiedener Algorithmen ausgewertet, um so zu erkennen, ob der Produktions- und Fertigungsprozess optimal verläuft oder die Daten zu erkennen geben, dass die Qualitätsanforderungen nicht erfüllt sind. Die Identifikation von Qualitätsproblemen erfolgt in der Regel noch während des Produktionsprozesses. Dementsprechend können Abweichungen frühzeitig identifiziert und optimalerweise noch während der Produktion behoben werden.

Qualitätssicherung mittels intelligenter Systeme

Die zunehmende Komplexität von Produkten sowie der Trend zu individualisierten Produkten stellen enorme Anforderungen an die Fertigungsindustrie. Entdecken Unternehmen Qualitätsmängel erst am Ende des Fertigungsprozesses, kann dies zu sehr aufwändigen und kostenintensiven Nachbearbeitungen oder nicht weiterverwendbaren Fehlproduktionen (Ausschuss) führen. Zudem kann es Auswirkungen auf den Produktionsplan und die Durchlaufzeiten für Aufträge haben, da die zugesagten Termine sich nicht mehr einhalten lassen. 

In diesem Rahmen hält die Digitalisierung vermehrt auch Einzug in die Qualitätssicherung. Sie ermöglicht eine signifikante Steigerung der Produkt- und Prozessqualität, da sich auftretende Probleme mittels KI-basierter Verfahren und eine daraus resultierende vorausschauende Qualitätssicherung beheben lassen. Durch KI können fehlerhafte Produkte entweder automatisch aussortiert oder schon während des Fertigungsprozesses identifiziert werden. Bilderkennungsverfahren ermöglichen es, Fehler von gefertigten Teilen zu erkennen und sie von den mangelfreien Teilen zu unterscheiden. 

Zusammenfassung

Künstliche Intelligenz kann im Bereich der Fertigungsindustrie bei der Qualitätssicherung durch eine präzise Vorhersage und robuste Klassifizierung von in Maschinen und Anlangen eingebauten Sensoren-Daten Mehrwert schaffen. Auf Sensoren gestützte KI-Systeme helfen dabei, Ausschussproduktionen frühzeitig zu erkennen und somit zu vermeiden (Predictive Quality) sowie Stillstandzeiten und Produktionsausfälle durch ungeplante Wartungen und Reparaturen von Maschinen zu reduzieren (Predictive Maintenance).

Die Voraussetzungen für den Einsatz von KI sind Robustheit der Algorithmen, Datenqualität, Datenhoheit und -zugang, Sicherheit sowie Sensorik und Cloud Computing. Sind diese Faktoren gegeben kann der Einsatz über alle Wertschöpfungsstufen hinweg unterstützen.