20.04.2022 – Kategorie: Digitalisierung

Expertenumfrage: KI in der Fertigung

KI in der FertigungQuelle: zhu difeng/AdobeStock

Systeme, die auf künstlicher Intelligenz basieren, sind schon heute in der Lage, viele Aufgaben schneller und zuverlässiger zu erledigen als der Mensch.

KI ist deshalb einer der wichtigsten Motoren für die digitale Transformation und eine wichtige Schlüsseltechnologie für die Smart Factory. Wie weit KI in der Fertigung bereits vorgedrungen ist, erläutern Ihnen 16 KI-Experten.


Fragen an die Experten:

  1. KI-Anwendungen für den industriellen Einsatz sind häufig noch ein Forschungsthema und werden hauptsächlich in Demonstratoren und KI-Laboren gezeigt. Wie weit sind industrielle KI-Anwendungen bereits in die Praxis vorgestoßen?
  2. Bitte nennen Sie uns ein Beispiel für einen erfolgreichen KI-Einsatz in der Fertigungsindustrie!
  3. Was sollten mittelständische Fertigungsunternehmen beachten, wenn sie sich mit dem Thema KI beschäftigen wollen oder den Einsatz von KI-Lösungen planen?

1. KI-Anwendungen sind in der Industrie punktuell vorhanden; der breite Einsatz ist jedoch noch nicht zu sehen. Das liegt meist nicht an den Algorithmen selbst, sondern an der Peri­pherie: Oft fehlt die IT-Infrastruktur, um fortschrittliche Anwendungen zu unterstützen. Wo und wie werden die Daten vorgehalten und Ergebnisse maschinen- und echtzeitnah zur Verfügung gestellt? Wie lassen sich Know-how schützen und NDAs einhalten, ohne den notwendigen Fluss der Daten zu behindern? Wie können die Verfahren (und Updates) zertifiziert und freigegeben werden, was kann man tun, wenn es Probleme gibt? Das alles sind Fragen, die man vor einer breiten Adaption klären muss.

2. ArtiMinds selbst betreibt erfolgreich Algorithmen zur Teachpunkt-Optimierung (TPO), das heißt, Optimierung von Anfahrpunkten in der Industrierobotik zur Minimierung der Zykluszeiten bei hoher Chargenvarianz. Auch Verfahren zur bildbasierten Qualitätsprüfung sind im Einsatz.

3. Gerade wenn man keine Kompetenz im Haus hat und schnell vorankommen möchte, ist es wichtig, sich mit einem Partner auf den Weg zu machen. Dann gibt es für Anwender keinen Grund mehr, vor dem Einsatz von KI in der Fertigung zurückzuschrecken. Ich bin fest davon überzeugt, dass es sich lohnt, sich möglichst früh mit KI zu beschäftigen und im Rahmen von ersten praktischen Projekten – also hands-on – Erfahrungen zu sammeln. Nur so bekommt man ein Gefühl für die Sache, kann die Potenziale und Grenzen einschätzen und die Technologie im nächsten Schritt gewinnbringend einsetzen. Je früher man anfängt, desto früher kommt man zu diesem profitablen Punkt. Je länger man wartet, desto mehr gerät man ins Hintertreffen.


1. Aus meiner Sicht befinden wir uns gerade an einem Punkt, an dem der erste KI-Hype in eine geerdetere Sichtweise der Technologie übergeht. Während viele Mittelständler bislang skeptisch waren, liefern heute immer mehr reale Kundenprojekte konkrete Erfahrungswerte, was wiederum das Interesse anderer Unternehmen weckt. Es gilt jedoch, realistische Einsatzmöglichkeiten aufzuzeigen und sowohl über das Potenzial als auch über Grenzen der Technologie aufzuklären. Nur so können wir sicherstellen, dass wir die Kunden auf dem Weg in die intelligente Zukunft wirklich mitnehmen.

2. Ein schönes Beispiel ist die Springer Maschinenfabrik, bei der KI in der Fertigung zur Prozessautomatisierung genutzt wird. Dazu hat unser KI-Algorithmus zunächst die konkreten Abläufe von Springer analysiert und den Mitarbeitern in der täglichen Arbeit quasi über die Schulter geschaut. Auf Basis dieser Daten war die KI dann in der Lage, die Prozesse zu identifizieren, die in der Regel immer gleich ablaufen und eigentlich kein menschliches Eingreifen erfordern – etwa Routinebestellungen. Knapp 30 Prozent aller Bestellvorgänge konnten so automatisiert werden, wodurch die Mitarbeiter freie Kapazitäten für wertschöpfende Aufgaben gewinnen.

3. Da gibt es aus meiner Sicht eine klare Antwort: Sorgen Sie beizeiten für saubere Datenbestände! Die Funktionsweise von KI beruht darauf, in großen Datenmengen Korrelationen zu identifizieren. Sind jedoch zum Beispiel Wareneingänge oder Bestellungen nicht einheitlich oder vollständig verbucht, wird die KI bestehende Zusammenhänge nicht erkennen können oder zu falschen Schlussfolgerungen kommen. Selbst die beste KI ist immer nur so gut wie die Datensätze, mit denen sie gefüttert wird.


Automatisierung und Mitarbeiter

1. Die Aussage zu Demonstratoren und KI-Laboren stimmt, wenn man den gesamten Produktionsprozess betrachtet. Dieser ist häufig sehr komplex, und eine große Herausforderung besteht zum Beispiel in der KI-unterstützten Steuerung des gesamten Prozesses. Geht es um die Unterstützung menschlicher Entscheidungen, so sieht es anders aus. Solche gezielt eingesetzten Systeme, die nur einen kleinen Teil des Produktionsprozesses betreffen, finden sich schon häufiger und länger in der Praxis.

2. Ein Anwendungsfall, der bereits seit zirka fünf Jahren in der Praxis verwendet wird, ist die automatische Erkennung von Fertigungsfehlern anhand von Bildern. Im konkreten Beispiel geht es um die Erkennung von Lötbrücken bei der Produktion von elektronischen Leiterplatinen. Basierend auf Röntgenaufnahmen der Platinen lassen sich Fehler automatisiert erkennen, was die manuelle Qualitätsprüfung unterstützen kann.

3. Mittelständische Unternehmen, die KI in der Fertigung nutzen wollen, sollten zunächst ihr eigenes geschäftliches Umfeld sondieren und herausfinden, wie die eigene Branche mit Daten umgeht und welche Technologien und Fähigkeiten bereits etabliert sind. Dann muss eine Entscheidung getroffen werden, ob man sich etwas abschauen kann oder ob man vielleicht sogar eine Führungsrolle übernehmen möchte. Die Entscheidung, KI oder andere datengetriebene Verfahren zur Unterstützung der Prozesse im Betrieb einzusetzen, sollte auf hoher Ebene im Unternehmen verankert sein. Wenn KI kein Bestandteil der Unternehmensstrategie ist, führt dies häufig zu hohen Investitionen bei sehr bescheidenem Erfolg. Insbesondere der Übergang von Proof of Concepts in den Produktivbetrieb ist eine Sollbruchstelle für viele Unternehmen.


1. Die Praxisreife hängt sehr vom Einsatzgebiet ab. Die großen Durchbrüche gelingen derzeit in der Bildverarbeitung und Computer Vision, zum Beispiel für die Qualitätskontrolle. Die Entwicklung eines guten bildbasierten Qualitätskontroll-Algorithmus ist schwierig und erfordert Expertenwissen. Neuronale Netze können diesen Aufwand erheblich reduzieren. Ein weiteres KI-Anwendungsgebiet ist die vorausschauende Instandhaltung, sodass man im Vorhinein weiß, wann die Lebensdauer einer bestimmten Produktionsmaschine endet.

2. Die Firma Trumpf verkauft das KI-basierte Assistenzsystem „Sorting Guide“, das gemeinsam mit uns entwickelt wurde und Mitarbeiter beim Absortieren von lasergeschnittenen Blechbauteilen unterstützt. Die KI-Lösung erkennt den Entnahmevorgang und gibt dem Werker Informationen für die Intralogistik. So stellt es zusammengehörende Blechteile in verschiedenen Farben übersichtlich dar, zum Beispiel anhand des Auftrags, des Kunden oder des folgenden Bearbeitungsschritts. Die Lösung ersetzt Begleitpapiere, spart Zeit und hilft, Fehler zu vermeiden.

3. Wir haben eine dreistellige Zahl vielfältigster KI-Projekte mit Unternehmen durchgeführt. Basierend darauf habe ich vier Empfehlungen. Erstens sollte man zunächst an einzelnen Prozessschritten arbeiten, um erste Kenntnisse, Einsichten und Vertrauen in KI zu schaffen. Zweitens sollten früh nützliche Anwendungsfälle identifiziert werden. Kurze Entwicklungszyklen helfen, schnell voranzukommen und einen ersten Prototyp zu erhalten. Drittens sollten Unternehmen auf den Mehrwert achten, der über den Projekterfolg entscheidet. Und viertens sollten alle Mitarbeiter ‚mitgenommen‘ und von den Vorteilen überzeugt werden, um Akzeptanz zu schaffen.


Fragen an die Experten:

  • KI-Anwendungen für den industriellen Einsatz sind häufig noch ein Forschungsthema und werden hauptsächlich in Demonstratoren und KI-Laboren gezeigt. Wie weit sind industrielle KI-Anwendungen bereits in die Praxis vorgestoßen?
  • Bitte nennen Sie uns ein Beispiel für einen erfolgreichen KI-Einsatz in der Fertigungsindustrie!
  • Was sollten mittelständische Fertigungsunternehmen beachten, wenn sie sich mit dem Thema KI beschäftigen wollen oder den Einsatz von KI-Lösungen planen?

1. Das hängt ganz vom Anwendungsfall und der Branche ab. Es gibt tatsächlich bereits zahlreiche KI-Lösungen am Markt, die faktisch schon Standard sind, zum Beispiel Bildverarbeitungssysteme. Dank KI lassen sich mittlerweile automatisch Fehler in bestimmten Fertigungsprozessen durch Indus­triekamerasysteme erkennen. Das ist keine Rocket Science mehr. Aber: KI ganzheitlich, zum Beispiel für eine komplette Fabrik, zu erschließen, das ist eine ganz andere Geschichte. So arbeiten wir unter anderem mit den Firmen Claas und Schmitz Cargobull in unserem Projekt Datenfabrik.NRW daran, die Daten über die gesamte Wertschöpfungskette mit Hilfe von KI-Ansätzen durchgängig und nutzbringend einzusetzen. Die gemeinsame Arbeit von Forschungsinstituten und Industrieunternehmen ist sicherlich der Schlüssel, um KI-Ansätze in die Praxis zu bringen.

2. Wir beschäftigen uns in vielen Projekten mit der Zustandsüberwachung von Maschinen und Anlagen mittels KI. Viele dieser Ansätze finden mit der Zeit auch den Weg in den Produktivbetrieb der Unternehmen oder deren Kunden. So lässt sich beispielsweise der optimale Betriebspunkt von Industrie-Separatoren bei unserem Partner GEA dank KI-Algorithmus einstellen.

3. Ohne die richtige Expertise ist es natürlich schwierig, maßgeschneiderte KI-Lösungen in die eigene Fertigung oder in das eigene Produktportfolio zu integrieren. Gerade kleinere Unternehmen verfügen nicht über Data ­Scientists, die sich um diese Entwicklung kümmern können. Hier heißt der Schlüssel zum Erfolg Kooperation. In unserem Technologienetzwerk it’s OWL spielt daher der Technologietransfer zu KMU eine wichtige Rolle. In der Mehrzahl von unseren Transferprojekten geht es um den Einsatz von KI-Lösungen in der Produktion. Durch die enge Zusammenarbeit von Experten aus der Fertigung mit KI-Expertinnen und -Experten aus der Forschung können so passgenaue Lösungen entwickelt und Know-how aufgebaut werden.


1. KI ist weiter verbreitet, als man denkt. Denn sie befindet sich schon in den unterschiedlichsten Automatisierungsapplikationen. Mitsubishi Electric hat seine konzerneigene ­KI-Technologie Maisart in viele seiner Komponenten inte­griert. Das bietet dem Kunden schnelle Optimierungsmöglichkeiten. Zwei Beispiele hierfür sind die vorbeugende Wartung und Optimierung bei unseren Robotern und Frequenzumrichtern, aber auch die Prozessanalyse durch unsere Real Time Data Analyzer-Software. Das Schöne daran ist: Man muss kein Datenanalytiker sein, um eine schnelle Optimierung zu erreichen, denn dies erledigen die vortrainierten Systeme der ­KI-Maisart-Lösung.

2. Bei der Produktion von Spritzgussteilen kommt es häufig zu Verlaufspuren. Diese stellen keine Qualitätsmängel dar, Kunden werten dies aber häufig so. Daher werden solche Teile ausgemustert. Wenn man sie in der Produktion jedoch schon weiterverarbeitet hat, kann dieses Aussortieren sehr teuer werden. Durch den Einsatz von Maisart lässt sich schon beim Spritzen des Bauteils durch Echtzeitdaten-Auswertung der Fehler erkennen und das Teil aussortieren. Dadurch wird teure Nacharbeit vermieden, und das Bauteil kann erneut zum Spritzgießen benutzt werden. Durch einfachen Einsatz von KI in der Fertigung lässt sich hier viel Geld sparen.

3. Ein Tipp: Erst einmal klein anfangen. Denn es besteht die Gefahr, sich in den Tiefen neuronaler Netzwerke der KI zu verstricken. Es existieren integrierte, vorgefertigte KI-Lösungen für die Automatisierung, die dem Kunden mit wenig Aufwand und Hintergrundwissen in kürzester Zeit einen Return of Investment bescheren. Vorgeschulte KI reduziert Inbetriebnahme­zeiten, zum Bespiel in der Bilderkennung. Von daher macht der Einsatz von KI im Mittelstand auf jedem Fall Sinn. Denn inte­grierte KI kann schon heute Prozesse optimieren, Qualität steigern und Ausschuss vermeiden.


Klein anfangen: So gelingt KI in der Fertigung

1. Die Kernfrage dahinter lautet: Warum schaffen es KI-Projekte oft nicht bis zum industriellen Einsatz? Je nach Studie sind das zwischen 60 bis 80 Prozent. Es liegt nicht an der fehlenden Reife der Technologie, sondern an Rahmenbedingungen, die oft nicht ausreichend berücksichtigt werden. Dazu gehören zum Beispiel fehlendes gegenseitiges Verständnis zwischen Geschäftsbereich und IT-Abteilung, fehlende Skalierbarkeit der PoC-Umgebungen für den Regelbetrieb, fehlende MLOps-­Prozesse usw. Nur die Berücksichtigung aller dieser Aspekte führt zum echten Einsatz von KI in produktiven Systemen.

2. Viele unserer Kunden in der fertigenden Industrie nutzen KI-basierte Videoanalysen, um ihren Qualitätssicherungsprozess zu automatisieren. Dabei werden anhand von Referenzbildern falsche Konfigurationen, Schäden usw. erkannt. Bei hoher Variantenvielfalt setzten wir dabei disaggregiertes Bildmaterial ein, das je Produkt anhand der jeweiligen Stückliste zu einem individuellen Referenzbild zusammengesetzt wird. Dadurch lässt sich die Trainingszeit der KI-Modelle signifikant reduzieren.

3. Im Endeffekt geht es für das Unternehmen darum, Wert aus Daten zu generieren. KI in der Fertigung ist dabei nur ein Baustein. Ebenso wichtig sind andere Aspekte: Hat mein Unternehmen eine Datenstrategie? Haben wir die notwendigen Kenntnisse? Binde ich auch Daten von Kunden und Lieferanten ein? Verwalte ich die Daten nach einem einheitlichen Konzept? Auch für ein mittelständisches Unternehmen gilt, dass nur Investitionen über all diese Bereiche zu einem optimalen Ergebnis führen. Ein guter Startpunkt für ein solches ganzheitliches Vorgehen ist das Online-Self-Assessment, das wir speziell dafür entwickelt haben.


1. Die breite Einführung von KI in Unternehmen ist ein komplexer Prozess. Sie erfordert Zeit, Kapital und einen systematischen Ansatz, wenn sie dauerhaft erfolgreich sein soll. Gleichwohl sind spezielle industrielle KI-Anwendungen bereits in der Praxis angekommen und werden in der Produktion genutzt, was Unternehmen wie BMW, Siemens oder Bosch eindrucksvoll beweisen. BMW und Bosch zählen zum Lenkungsausschuss der Open Manufacturing Plattform und wollen damit die Digitalisierung im Fertigungsbereich mit einer offenen Plattform vorantreiben.

2. Ein gutes Beispiel dafür ist die automatisierte optische Inspektion bei der Fertigung, zum Beispiel bei BMW.

3. Mittelständische Fertigungsunternehmen sollten beim Thema KI erst einmal klein anfangen, die ersten Schritte damit machen und von dort aus wachsen. Man muss nicht plötzlich und überstürzt alle bestehenden Prozesse umwerfen und auf KI in der Fertigung umstellen. Man sollte Optimierungspotenziale in seinen Produktionsprozessen identifizieren und dann herausfinden, ob KI eine adäquate Lösung darstellen kann, um diese Potenziale zu nutzen. Wenn die dafür nötige Expertise nicht bereits im Unternehmen existiert, eignen sich Hochschulen hervorragend als Partner, um diese ersten Schritte zu gehen. Man kann mit der Hochschule Landshut und dem KI-Innovations­labor oder über Abschlussarbeiten erste Einblicke in das Potenzial von ­KI-Anwendungen im eigenen Unternehmen gewinnen. Weiterhin planen wir ein KI-Kompetenzzentrum zur Vernetzung der KI-Kompetenzen an der Hochschule und als zentralen Anlaufpunkt für die Beratung im Bereich der künstlichen Intelligenz. Industriepartner können es gerne nutzen. Mit unserem KI-Studiengang sorgen wir zudem für qualifizierten Nachwuchs im ­KI-Bereich, der dringend benötigt wird.


Fragen an die Experten:

  • KI-Anwendungen für den industriellen Einsatz sind häufig noch ein Forschungsthema und werden hauptsächlich in Demonstratoren und KI-Laboren gezeigt. Wie weit sind industrielle KI-Anwendungen bereits in die Praxis vorgestoßen?
  • Bitte nennen Sie uns ein Beispiel für einen erfolgreichen KI-Einsatz in der Fertigungsindustrie!
  • Was sollten mittelständische Fertigungsunternehmen beachten, wenn sie sich mit dem Thema KI beschäftigen wollen oder den Einsatz von KI-Lösungen planen?

KI in der Fertigung
Bild: IGZ

1. Das stimmt. Viele KI-Anwendungen entstehen initial in einer Laborumgebung und werden dann als Proof of Concept im realen Anwendungsfall ausgeprägt und verfeinert. Wir haben bei unseren eigenen Forschungen jedoch schnell erkannt, dass erst Erfahrungen und Inputs aus der realen Fertigungsindustrie den Einsatz wirklich nutzbringend machen. Generell ist man jetzt schon einen Schritt weiter: KI-Algorithmen werden bereits mit Erfolg in der Praxis eingesetzt.

2. Ein gutes Beispiel dafür ist IDA2, das schon mit Erfolg in der Industrie zum Einsatz kommt: Dabei handelt es sich um ein bildverarbeitendes, selbstlernendes Werkerassistenzsystem, welches mittels KI-Techniken Prüfverfahren mit einer Muster- und Anomalie-Erkennung ermöglicht. Diese Erkennungslogik kann mit einem Editor einfach angepasst und eingelernt werden. Neben dem Werkstückzustand werden dabei auch Bewegungen und Materialentnahmen ausgewertet. Dabei handelt es sich um eine IGZ-Neuentwicklung in Form eines modularen, einfach konfigurierbaren Systems, das sich direkt in SAP einbinden lässt.

3. Für mittelständische Fertigungsunternehmen besteht die größte Herausforderung bei KI darin, gezielt die benötigte Datenbasis zu erfassen und nicht anstelle dessen ein unkon­trollierbares ‚Datengrab‘ zu schaffen. Um die KI-Anwendung handlebar und nachvollziehbar zu halten, ist es sinnvoll, mit einem kleineren und nicht zu komplizierten Anwendungsfall zu starten. Dafür empfehle ich, einzelne dedizierte Use-Cases auszuwählen, ehe man eine überfrachtete Gesamtanforderung definiert.


1. Künstliche Intelligenz ist eine DER Schlüsseltechnologien auf dem Weg zur Smart Factory. Kontinuierlich hält sie Einzug in den verschiedensten Bereichen der Fertigungswelt. Auch wir haben uns dem Thema in Form verschiedener Forschungsprojekte angenähert. Mittlerweile verfügen wir auch über marktreife Lösungen.

2. Eines dieser Einsatzfelder ist die Fertigungsfeinplanung, die in ihrer Komplexität sehr stark von KI profitieren kann. Ziel und Nutzen der künstlichen Intelligenz ist es, die Fertigungsfeinplanung technologisch gestützt, wie einen intelligenten Planer, selbstlernend agieren zu lassen. Wir beschäftigen uns seit 30 Jahren mit der Fertigungsfeinplanung und sehen darin eine echte Revolution in der Produktionsplanung. Die neuen Technologien sollten allerdings nicht als Ersatz für Planungspersonal gesehen werden, sondern den Mitarbeitern die Arbeit erleichtern und dabei die Effizienz signifikant erhöhen.

3. Man muss sich nicht immer intensiv mit dem Thema KI beschäftigen, um sie auch für sich nutzen zu können. Mit einer Out-of-the-box Predictive-Analytics-Lösung ermöglichen wir unseren Usern beispielsweise rasch und effizient den Blick in die Glaskugel ihrer Fertigung. Damit lässt sich der Aufwand für Datenaufbereitung drastisch reduzieren. So wird auch klein- und mittelständischen Unternehmen der Zugang zu ­KI-Lösungen ermöglicht. Zuverlässige Prognosen zu Ausschüssen, Arbeitsplatzstörungen, Qualitätsstatus, usw. sind Ergebnisse, die damit ohne tiefes Fachwissen im Bereich KI erreicht werden können. Und wenn nötig, kann man diese Lösungen auch erweitern und individuell anpassen.


Erfolgreiche Digitalisierung beginnt mit den Daten

1. Die Integration von KI-Anwendungen in Prozesse und Produktionsumgebungen erfordert viele Daten, ein umfassendes spezifisches Prozess- und Produktionswissen sowie fortgeschrittene Kenntnisse über KI-Algorithmen. Deshalb setzen zunächst Demonstratoren oder Reallabore, wie etwa die globale Lernfabrik am wbk Institut für Produktionstechnik des KIT, zunehmend komplexere KI-Anwendungen ein. Diese bilden den Kern für die breite industrielle Anwendung, indem Wissen kreiert, ­Algorithmen entwickelt und durch Schulungen sowie ausgebildete Ingenieure der Zukunft eine gezielte Verbreitung erwirkt wird. Ein weiteres Nadelöhr besteht in den heterogenen Daten. In der Praxis findet sich eine zunehmende Anzahl an ­KI-Anwendungen im Bereich von Zustandsanalysen, Qualitätsauswertungen und Vorhersagen. Häufig jedoch bleiben die Daten separiert und große Potenziale einer gesamtheitlichen Datenlandschaft ungenutzt.

2. KI lässt sich beispielsweise zur erfolgreichen kamerabasierten Identifikation von Objekten einsetzen. So kann man Produkte verfolgen oder die Abnutzung an kritischen Bauteilen, wie am Kugelgewindetrieb einer Mehrachsmaschine, bestimmen. Darüber hinaus lassen sich Auslastung und Durchlaufzeiten in einer Werkstattfertigung intelligent optimieren – wie im Forschungsprojekt ProData. Auch im Produkt­entstehungsprozess kann KI in der Fertigung verwendet werden, um Produktdesignvorschläge vor dem Hintergrund des eigenen Maschinenparks zu ermöglichen – etwa im Projekt AIAx.

3. Zentral ist es, Daten und Industrie-4.0-Lösungen strukturiert zu vernetzen, damit keine Insellösungen entstehen. Durch Einbindung von Experten, die sowohl die Sprache der Produktion als auch KI verstehen, entstehen nachhaltigere, effizientere Lösungen.


1. Die Digitalisierung als Ganzes in der Industrie voranzutreiben, ist ein Kraftakt. Dabei ergänzen KI/ML die bestehenden Automatisierungslösungen durch neue, bisher nicht zu erzielende Erkenntnisse und sind somit ein wichtiger Baustein. Einige Unternehmen sind dabei schon auf einem guten Weg; in der Breite benötigt es allerdings noch Zeit, um diese Herausforderung in Summe zu meistern. Der Aufwand liegt sowohl bei der Hardware, beispielsweise für Datenakquise und Kommunikation, als auch bei der Software. Das sind evolutionäre Schritte, die sich sicher noch über dieses Jahrzehnt entwickeln werden. Unterstützend wirkt dabei, dass sich zunehmend standardisierte ML-Modellformate und Schnittstellen im Markt entwickeln, die eine effizientere Integration der heterogenen Systeme ermöglichen.

2. Ein gutes Beispiel kommt von einem Maschinenbauer mit einer Anwendung in der Verbindungstechnik, dem Rührreibschweißen. Um die Qualität dieser Schweißnähte sicher­zustellen, werden die in dem Prozess wirkenden Kräfte und Momente mittels gezielter Datenanalyse und zuvor auf Referenzdaten trainierten ML-Modellen kontinuierlich überwacht. Zudem geben sich durch die durchgeführte Datenauswertungen konkrete Hinweise zur voraussichtlichen Anlagenverfügbarkeit. Erfolgskritisch war dabei, neben dem gezielten Einsatz von KI/ML, auch das Verfahrens-Know-how der Anlagenexperten des Maschinenbauers sowie der Endanwender.

3. Im Rahmen der Digitalisierung gibt es eine Vielfalt an neuen Themen, für deren Bewältigung besonders im Mittelstand nur begrenzte Ressourcen zur Verfügung stehen. Jedes einzelne Thema ist zu bewerten und nach Bedarf umzusetzen – von Cloud über Cyber Security bis KI/ML. Eine Möglichkeit ist die Umsetzung im eigenen Team mit No-code-/Low-code-Tools, die eine schnelle Einarbeitung und Implementierung durch die eigenen Fachexperten ermöglichen. Die Alternative sind externe Partner mit fundiertem Know-how und Erfahrung, bei denen der konkrete Bedarf zu den jeweiligen Themen zielgerichtet abgerufen werden kann. Wichtig ist in jedem Fall, den eigenen Masterplan in der Hand zu halten und die Umsetzung mit Augenmaß so über die Zeit steuern zu können.


Fragen an die Experten:

  • KI-Anwendungen für den industriellen Einsatz sind häufig noch ein Forschungsthema und werden hauptsächlich in Demonstratoren und KI-Laboren gezeigt. Wie weit sind industrielle KI-Anwendungen bereits in die Praxis vorgestoßen?
  • Bitte nennen Sie uns ein Beispiel für einen erfolgreichen KI-Einsatz in der Fertigungsindustrie!
  • Was sollten mittelständische Fertigungsunternehmen beachten, wenn sie sich mit dem Thema KI beschäftigen wollen oder den Einsatz von KI-Lösungen planen?

1. KI in der Fertigung findet bereits in vielen Bereichen der Industrie Anwendung und wächst stetig weiter. Im Bereich Automotive wird zum Beispiel mit KI die Qualität von Schweißpunkten geprüft und damit der manuelle Testaufwand reduziert. In der Lebensmittelproduktion wiederum profitiert man von automatischer Erkennung und Klassifizierung von Teiglingen oder Fleischbestandteilen. Auch in der Elektronikbranche hilft KI, um unter anderem Leiterplatten auf vollständige Bestückung zu überprüfen und dadurch eine manuelle Prüfung und Nachbearbeitung einzusparen. Für viele Unternehmen ist es jedoch noch eine große Herausforderung, um vom Konzeptnachweis zum kontinuierlichen Betrieb von KI-Anwendungen zu kommen.

2. Ein erfolgreicher Einsatz von KI in der Fertigung zeigt sich beispielsweise in der Elektronikfertigung. Hier reduziert sich der manuelle Aufwand bei der Sichtprüfung von Platinen mittels KI und Edge um bis zu 90 Prozent. Dies wird durch eine KI-Analyse des gesamten Wertschöpfungsflusses ermöglicht. Damit lässt sich sicherstellen, dass Leiterplatten, die bei der automatischen Sichtprüfung Auffälligkeiten gezeigt haben, nur dann manuell untersucht werden, wenn tatsächlich ein Fehler vorliegen könnte. Das spart wertvolle Ressourcen und erhöht gleichzeitig den Anlagendurchsatz.

3. Wichtig ist zunächst zu spezifizieren, welches Ziel mit dem KI-Einsatz verfolgt wird. Entscheidend ist ein methodisches Zusammenspiel von KI- und Fertigungsexperten entlang des gesamten KI-Lebenszyklus. Denn industrielle KI muss robust, verlässlich und vertrauenswürdig sein. Siemens bietet hierfür passende Softwareprodukte und Services an. Zudem arbeiten wir mit einem Netzwerk an Partnern, bringen die nötige KI-Expertise und das Domainwissen mit. Dabei setzen wir auf eine robuste und zuverlässige Hardware- und ­KI-Modell­überwachung, um KI industrietauglich zu machen.


1. Gerade KI-Lösungen für die Robotik kommen bereits in vielen Branchen zum Einsatz: von der hochautomatisierten Automobilindustrie bis zum eher traditionell geprägten Maschinenbau. Produkte wie KI-Steuerungen machen Roboter nicht nur flexibler und geeignet für die individualisierte Produktion. Sie machen sie auch bedienungsfreundlicher und bieten einen einfachen Einstieg in die Fertigung mit KI – auch für KMU. Solche Systeme sind bereits erfolgreich in Produktionen im Einsatz und erobern zunehmend mehr Einsatzbereiche, in denen Automatisierung zuvor undenkbar war.

2. Bei BSH kommt unsere Robotersteuerung Mirai in der Serienproduktion von Kühlschränken zum Einsatz. Als Teil einer Komplettlösung prüft die KI-Steuerung mithilfe einer Sonde Lötstellen an Metallleitungen und Kompressoren auf Gaslecks. Das Verfahren wurde bisher händisch gelöst, da jeder Kühlschrank einzigartig ist, was Form, Farbe und Position seiner Lötstellen angeht. Nun identifiziert Mirai die Lötstellen mit­hilfe von simplen Kamerabildern und maschinellem Lernen und führt den Roboter präzise an die richtige Stelle. Die KI-­Lösung prüft bei BSH mehrere Varianten von Kühlschränken rund um die Uhr ohne Umrüstung.

3. Der Zusammenschluss von KI und Robotik bietet einen idealen Einstieg in die Thematik. KI ist der Schlüssel für eine bedienerfreundliche und letztendlich günstigere Robotik. Das erleichtert den Einstieg für Mittelständler enorm. Für KI-Steuerungen wie Mirai bedarf es weder KI- noch Programmierkenntnisse. Mit ein wenig Übung können auch unerfahrene Anwender mit dem System schnell erste Anwendungen eigenständig automatisieren. Unternehmen sollten mit sim­plen Anwendungen beginnen und die Komplexität zunehmend steigern, um ein Gefühl für die Technologie zu entwickeln.


KI in der Fertigung: Auf die Tools kommt es an

KI in der Fertigung
Bild: MPDV

1. Ganz ehrlich: Die Zahl der wirklich praxistauglichen ­KI-Anwendungen ist verschwindend gering – insbesondere, wenn man nach Standardlösungen sucht. Viel zu oft werden projektspezifische KI-Lösungen mit sehr hohem manuellem Aufwand bei der Datenaufbereitung an den Start gebracht. KI „out of the Box“ findet man eher selten. Machbar ist das aber, wenn man die richtigen Tools verwendet. Wir von MPDV haben dazu gemeinsam mit dem KI-Experten PerfectPattern das Unter­nehmen Aimes gegründet, um KI-Methoden in den Standard der Fertigungs-IT einzubringen. Unser gemeinsames Ziel heißt Automated Data Science.

2. Mit dem Advanced Planning and Scheduling-System (APS) Fedra bieten wir im Standard die Möglichkeit, die automatische Verteilung der einzelnen Aufträge und Arbeitsgänge auf die verfügbaren Maschinen durch KI zu unterstützen. Wir setzen hierbei erfolgreich auf Mechanismen des Reinforcement Learnings. Einer unsere Anwender konnte damit den manuellen Planungsaufwand um 50 Prozent senken und gleichzeitig die durchschnittliche Durchlaufzeit seiner Aufträge um mehr als 20 Prozent verkürzen. Der Erfolg der KI liegt darin, dass eine globale Optimierung der Planung stattfindet, die gegenüber den bisherigen heuristischen Mechanismen deutlich bessere und teilweise auch unerwartete Ergebnisse liefert.

3. Wettervorhersagen werden umso besser, je mehr Daten man zur Verfügung hat – das gilt auch in der Smart Factory. Aus diesem Grund ist die erfolgreiche Digitalisierung in der Fertigung eine zwingende Voraussetzung für den Einsatz von KI. Den Einstieg in die Digitalisierung finden Fertigungs­unternehmen beispielsweise mit einem Manufacturing-Execution-System (MES) wie Hydra von MPDV.


Bild: TQ-Group

1. KI findet bereits in der Feinplanung oder in der Qualitätskontrolle Anwendung. Und die durch KI gesammelten Daten bergen auch Vorteile für andere Unternehmensbereiche: Daten aus der Reparatur beschädigter Baugruppen lassen sich verwenden, um bei zukünftigen Reparaturen den Fehler schneller zu finden oder die defekten Bauelemente schneller einzugrenzen. Weitere Mehrwerte firmeninterner KI liegen in der Auswertung von Kundendaten. Abnahmeschwankungen des Kunden aufgrund saisonaler Einflüsse oder branchenüblicher Unsicherheiten können stärker berücksichtigt und die Planung der Produktionsprozesse daraufhin abgestimmt werden.

2. TQ prüft zum Beispiel die Qualität von Elektromotoren mithilfe von KI. Der Anspruch an die Motoren ist es, 100 Stunden fehlerfrei zu laufen. Beträgt die Effizienz nach drei Stunden 73 Prozent oder mehr, so wird der Motor als gut eingestuft. Die dafür nötigen Prüfumfänge und auch die Prüfzeiten ließen sich durch maschinelles Lernen enorm reduzieren, und TQ konnte sehr viel präzisere Ergebnisse erzielen. Erreicht wurde dies durch die sogenannte Supervised-Learning-Methode, bei der der Algorithmus mit „Gut“- und „Schlecht“-Mustern trainiert wird.

3. Wichtig ist es, sowohl die KI-Experten als auch die Produktionsprozessexperten im Unternehmen für eine gemeinsame Lösung zu begeistern und den Know-how-Transfer sicherzustellen. Gerade zu Beginn eines Projekts gilt es, die Mitarbeiter, die bisher etwa Prozesse manuell ausgeführt haben, einzubeziehen und an der Lösung teilhaben zu lassen. Das Change-Management sollte als wichtigste Säule des Implementierungsprozesses betrachtet werden – eine Vorgehensweise, die sich bei jeder Form der Automatisierung empfiehlt.

Lesen Sie auch: Expertenumfrage: 3D-Druck in der Serienfertigung


Teilen Sie die Meldung „Expertenumfrage: KI in der Fertigung“ mit Ihren Kontakten:


Scroll to Top