Die Veranstaltungsreihe „Industrie trifft Hochschule“ (ITH) rückte im Rahmen eines Vortragsabends am Donnerstag, 07. Dezember 2023 das Thema „Künstliche Intelligenz für industrielle Anwendungen“ in den Fokus. Im Zentrum für Präzisionstechnik auf dem Campus der Hochschule Pforzheim gab Professor Rainer Drath von der Fakultät für Technik eine kurze Einführung in das Thema, bevor er das Wort an seine Mitreferenten weitergab“.

„Künstliche Intelligenz ist in aller Munde. Sie wird die Zukunft in vielen Bereichen verändern, weil KI leicht Texte und Grafiken sowie Pläne, Bilder, Diagramme erstellen kann. Aber sie kann sie auch analysieren und interpretieren und das macht sie für die industrielle Anwendung besonders interessant und nützlich“, war die Eingangsthese von Prof. Drath, vom Institut für Smart Systems und Services (IoS³) der Hochschule Pforzheim. Künstliche Intelligenz (KI) scheint derzeit in all seinen Facetten in der Industrie immer präsenter zu werden. Aber was kann KI eigentlich schon? Nicht nur im privaten Alltag leistet die KI Hilfestellung und Entlastung für den Menschen, sondern auch in der industriellen Anwendung. Der Einsatz von KI kann z.B. Produktionsprozesse optimieren und auf ein neues Effizienzniveau heben. Sie leistet damit auch einen wesentlichen Beitrag zu Ressourceneffizienz und Nachhaltigkeit. Künstliche Intelligenz in der Industrie kann als ein wesentlicher Treiber gesehen werden, um die Zukunft des Industriestandortes Deutschland zu sichern.

Dreh- und Angelpunkt der Fabrik der Zukunft ist die smarte Kommunikation, die Daten von Maschinen und der Fertigungslinie übermittelt und an zentraler Stelle zur weiteren Verarbeitung zur Verfügung stellt. Das ist das Kernthema der Balluff GmbH, mit ihren smarten Lösungen die intelligente Fertigung, das Smart Manufacturing, Schritt für Schritt umzusetzen bemüht ist. Dominik Track von der Balluff GmbH zeigte zu Beginn seines Vortrags „Von Daten zu Wissen – Mit KI zu intelligenten Lösungen für die Automatisierungsindustrie“ die Felder auf, in denen Balluff bereits KI einsetzt. Das sind u.a. die Maschinen- und Anlagenüberwachung, um Anomalien zu erkennen, Fehlerdetektion in der Qualitätskontrolle oder die Ermittlung der Fehlerursache bei der Prozessoptimierung. Die Anwendungen reichen bis in den Kundenservice und Interaktion hinein. Am Beispiel eines Sensors im Produkt selbst, in den die KI integriert wurde, erklärt Track die Vorteile, die die angewandte KI in sich birgt. Mithilfe von neuen Sensorsignalen lassen sich Informationen, die die KI bereitstellt, herauslesen. Der Sensor überwacht sich durch die KI selbst und stellt Informationen, wie z.B. erwartbare Restlebenszeit zur Verfügung. „Wir testen aus, wie genau wir werden können, denn das Potenzial ist noch enorm. Wir stehen erst am Anfang der Entwicklungen“, so Dominik Track.

Prof. Alexander Hetznecker, vom Labor für Sensoren und Aktoren der Fakultät für Technik der Hochschule Pforzheim, konnte Kathrin Leiner, TRUMPF Werkzeugmaschinen SE + Co. KG, für einen Vortrag zum Thema „Erkennung von Schnittfehlern beim Laserschneiden durch maschinelles Lernen“ gewinnen. „Damit Schnittfehler erkannt werden können, ist es immens wichtig Daten, Daten und noch mehr Daten zu sammeln“, so die Referentin. Gearbeitet wird mit neuronalen Netzen, d.h. die Maschinen sind im Deep Learning-Verfahren. Sie trainieren sich selbst mit Hilfe neuronaler Netze und sehr großer Datenmenge. Die KI lernt, welche Filter wichtig sind, um Schnittfehler zu erkennen und verlässlich zu detektieren.

Neuro-Symbolische KI wird als die dritte Welle der KI angesehen. Die Forschung von Dr. Aimal Khan aus der Arbeitsgruppe von Prof. Thomas Greiner an der Hochschule Pforzheim konzentriert sich auf die Anwendung von neurosymbolischer KI in der Sensorik im Paradigma von Industrie 4.0. In seinem Vortrag „Symbolic Artificial Intelligence Mechanism for External Magnetic Interference Classification” zeigte er drei Klassifizierungsansätze auf: neuronale KI, symbolische KI, und hybride KI. Sein Ergebnis zeigt, dass hybride KI eine bessere Erkennungsgenauigkeit erzielt. Sie kann am besten externe magnetische Streufelder, die das Magnetfeld des Messobjekts stören können, erkennen und so einen verlässlichen Messwert liefern.

Markus Lehr, von VinRoc Solutions, stellte „KI-basierte Anwendungsfälle zur optischen Qualitätskontrolle“ vor. Das Unternehmen steht für Selbstlernende Automation, Vision-Sensorik, Robotik und KI und erarbeitet Optimierungskonzepte für Maschinen und Produktionsbereiche. Am Beispiel der optischen Qualitätskontrolle erläuterte Lehr wie durch geschickte Modellarchitektur und geeigneter Trainingsdaten ein generisches KI-Modell erstellt werden kann. Im Unterschied zur manuellen Qualitätskontrolle arbeitet die KI in gleichbleibender Genauigkeit und Geschwindigkeit, auch bei komplexen Analysen. „Mit der KI können Maschinen lernen und intelligente Entscheidungen treffen,“ so Lehr. „Wir müssen nicht immer wieder neue Arbeitsabläufe entwickeln, wenn sich das Produkt ändert. Die KI kann sich selbst anpassen und das in einem Bruchteil der bisherigen Aufwendungen.“

Das Labor für „Advanced Monitoring Technologie (AMT)“, unter Leitung der Professoren Marcus Simon und Alexander Hetznecker, hat sich zum Ziel gesetzt, für wachsende autonome Systeme in technischen Prozessen und Anlagen ein Überwachungssystem zu generieren. Bislang sind dafür hohe Investitionssummen nötig. Die Motivation liegt in der Kostenminimierung durch datenbasierte Methoden der Messtechnik unter Verwendung von kostengünstigen Großseriensensorik, die es bereits auf dem Markt zu kaufen gibt. Max Proschaska, B.Eng. hat dazu in seiner Thesis einen Versuch durchgeführt, der aufzeigt, wie in einem Wälzlager Wälzlagerschäden erkannt und klassifiziert werden können.

Die anschließende Diskussion gab Raum für unternehmensspezifische Fragen und Bedarfe.