„Intelligente Zerspanung“ für die fertigende Industrie
- Bild-Infos
- Download
„Intelligente Zerspanung“ für die fertigende Industrie
- Projekt zur Qualitätsverbesserung und Kostensenkung bei der Zerspanung durch KI
- Dr. Daniel Trauth, Geschäftsführer dataMatters: „Real World AI statt generativer KI.“
Köln, 13. Februar 2025 – Gemeinsam mit dem Fraunhofer-Institut für Produktionstechnologie IPT in Aachen als Projektkoordinator sowie den Firmen gemineers, Innoclamp und Kaitos arbeitet das Kölner RWTH-Startup dataMatters an der „intelligenten Zerspanung“. Ziel ist es, durch den Einsatz von Künstlicher Intelligenz (KI) die hohen Qualitätsanforderungen in der zerspanenden Industrie besser und kostengünstiger zu erfüllen. „Real World AI“ nennt dataMatters-Gründer Dr. Daniel Trauth sein Geschäftskonzept. Er erklärt: „Während sich die breite Öffentlichkeit auf generative KI stürzt, um Texte und Bilder zu erzeugen, legen wir den Fokus auf die Verbindung der KI mit der realen Welt, von der Smart Factory über Smart Buildings bis hin zur Smart City.“
Die Zerspanung, bei dem Werkstoff durch Drehen, Bohren, Fräsen oder Schleifen in die gewünschte Form und Größe gebracht wird, bildet in vielen Industriezweigen eine wesentliche Grundlage der Fertigungstechnik, von der Automobilproduktion bis zur Herstellung medizinischer Instrumente. Fehler im Zerspanungsprozess können schwerwiegende Folgen haben, die von Produktausfällen bis hin zu Sicherheitsproblemen reichen. Strenge Qualitätskontrollen sind daher unerlässlich, aber auch zeitaufwändig und teuer. „Die automatisierte Überwachung und Analyse von Produktionsprozessen mittels KI kann die Prüfzeiten und den Kostenaufwand für die Qualitätssicherung erheblich reduzieren und die Genauigkeit der Qualitätsbewertung verbessern“, erklärt Dr. Daniel Trauth den Nutzen von „Real World AI“ anhand dieses Anwendungsbeispiels.
Die „intelligente Zerspanung“ ist Teil des Forschungsprojekts „FL.IN.NRW“, das von der Europäischen Union und dem Land Nordrhein-Westfalen im Rahmen des EFRE/JTF-Programms NRW 2021-2027 gefördert wird (Europäischer Fonds für regionale Entwicklung EFRE und Fonds für den gerechten Übergang, Just Transition Fund JTF). Das Projekt läuft bis 2027.
Fraunhofer-IPT erklärt das Projekt genauer:*
Im Forschungsprojekt „FL.IN.NRW“ entwickeln wir gemeinsam mit unseren Partnern eine Lernplattform zum dezentralen Training von prädiktiven KI-Modellen. Als ersten Anwendungsfall untersucht unser Projektteam den komplexen Prozess der Zerspanung: Die Vielzahl an Werkzeug- und Prozessparametern in der Zerspanung ist eine Herausforderung für die Qualitätskontrolle, die sich meist nur durch zeitaufwändige manuelle Prüfungen der Bauteile bewältigen lässt.
Indem wir die Modelle mit Prozessdaten direkt aus der Produktionsmaschine trainieren, kann die KI Qualitätsprobleme während der Zerspanung erkennen: Abweichungen im gewünschten Bauteilprofil aufgrund von Werkzeugverschleiß werden durch Schwankungen in der Spindellast und im Spanndruck erkannt. Das KI-Modell detektiert dieses Werkzeugverhalten sofort als Maßabweichung außerhalb festgelegter Toleranzen. Dadurch können zeitaufwändige Qualitätskontrollen bedarfsgerecht durchgeführt und erheblich reduziert werden, was die Qualitätssicherung und Herstellung effizienter macht.
Datenschutzrisiken und Kostennachteile bei der Nutzung zentraler Cloud-Dienste
Bislang setzen Unternehmen bei der Entwicklung ihrer KI-gestützten Qualitätskontrolle auf zentrale Cloud-Dienste, um teure Anfangsinvestitionen für eine lokale digitale Infrastruktur zu vermeiden. Die große Menge an Produktionsdaten, die in der Cloud gespeichert werden, befinden sich jedoch außerhalb der unternehmenseigenen Kontrolle und sind daher größeren Datenschutz- und Datensicherheitsrisiken ausgesetzt. Zudem können die fortlaufenden, serviceabhängigen Gebühren von Cloud-Diensten langfristig zu einem Kostennachteil für die Unternehmen werden.
Dezentrales KI-Training für mehr Kosteneffizienz und Datenhoheit
Das maschinelle Lernverfahren des Federated Learning ermöglicht es kleinen und mittleren Unternehmen, die Vorteile von KI für ihre Qualitätskontrolle zu nutzen und gleichzeitig den Datenschutz und die Datensicherheit ihrer sensiblen Produktionsdaten zu gewährleisten:
Die Daten verbleiben sicher auf lokalen Servern, während sie für das dezentrale, kollaborative Training von noch leistungsstärkeren KI-Modellen verwendet werden können. Über mehrere Unternehmensstandorte hinweg wird das KI-Modell in einem Netzwerk lokaler Geräte und Unternehmensserver trainiert, ohne dass die Fertigungsdaten die lokalen Datenbanken verlassen. Nur die Modellparameter werden an einen zentralen Server gesendet, wo sie aggregiert und zu einem globalen Modell zusammengeführt werden, so dass die Datenhoheit bei den Unternehmen verbleibt.
Dr. Daniel Trauth ordnet ein: „Real World AI umfasst drei Komponenten: die Datenerfassung mittels Sensorik, die Sammlung der Informationen in einem geschützten Datenraum und die anschließende Auswertung durch bzw. das Training von KI-Algorithmen. Wir kümmern uns bei Projekten in der Regel um die Erfassung und stellen die benötigten technisch abgesicherten und rechtssicheren Datenräume bereit. Der Kunde kann dann entscheiden, ob er die KI-Auswertung in unseren Datenräumen oder auf seinen eigenen Servern vornehmen will.“
* https://www.ipt.fraunhofer.de/de/projekte/fl-in-nrw.html
dataMatters ( www.datamatters.io) ist auf die Nutzung Künstlicher Intelligenz in der Realwirtschaft spezialisiert. Einsatzgebiete: Smart City, Smart Factory, Industrie 4.0, Smart Building, IoT, Maschinen- und Anlagenbau, Gesundheitswesen, Agrarwirtschaft u.v.a.m. Dabei werden über Sensoren Daten aus dem realen Betrieb erfasst, in Datenräumen gesammelt und dort mittels KI-Software analysiert bzw. an KI-Systeme der Firmenkunden zur Weiterverarbeitung übergeben. Anhand der Ergebnisse lässt sich der Betrieb effizienter, nachhaltiger und wirtschaftlicher führen. Anwendungsbeispiele: Parkraumbewirtschaftung, Frühwarnsysteme für Anomalien wie beispielsweise Extremwetter, Maschinenverschleiß oder Rohrbruch, Heizungs-/Beleuchtungsautomatisierung in Gebäuden, CO2-Footprint-Erfassung anhand realer Daten und vieles mehr. So greifen bspw. Kommunen gerne auf dataMatters zurück, um die urbane Lebensqualität und Nachhaltigkeit zu erhöhen. Dr.-Ing. Dipl.-Wirt. Ing. Daniel Trauth hat dataMatters aus der RWTH Aachen ausgegründet und zu einem internationalen Player an der Schnittstelle zwischen Realwirtschaft und KI geführt. Er wurde hierfür mit über 20 Ehrungen (RWTH Spin-off Award 2019, digitalPioneer 2020 u.v.a.m.) ausgezeichnet.
Weitere Informationen: dataMatters GmbH, Köln (Sitz/Entwicklungszentrum) und Hürth (Showroom), www.datamatters.io, info@datamatters.io, PRESSE: presse@datamatters.io
Presseagentur: euromarcom public relations, team@euromarcom.de, www.euromarcom.de