Suchen

Schnell und zuverlässig: KI in der Produktion Algorithmen sorgen für Qualitätssteigerungen

Autor / Redakteur: Stefanie Horrmann* / Ulrike Ostler

Künstliche Intelligenz (KI) gilt als eine der Schlüsseltechnologien für die Digitalisierung. Doch wie davon profitieren? Ein vielversprechendes Einsatzgebiet für KI in der Produktion ist die visuelle Qualitätskontrolle. Ein Beispiel aus der Praxis mit Vinci Energies, Axians und IBM-Technik sowie Open Source zeigt, wie ein solches Projekt aussehen kann und was man dafür braucht.

Firmen zum Thema

So sieht heute eine Schmiede aus - die „Digitalschmiede“ von Vinci Energies in Frankfurt am Main.
So sieht heute eine Schmiede aus - die „Digitalschmiede“ von Vinci Energies in Frankfurt am Main.
(Bild: Axians)

Auch deutsche Unternehmen setzen zunehmend auf Künstliche Intelligenz, um Kosten zu reduzieren, die Effizienz zu steigern und die Produktqualität zu verbessern. Das zeigt eine aktuelle IDC-Studie. Ihr zufolge haben bereits 41 Prozent der Befragten KI-Projekte umgesetzt, und 88 Prozent planen dies in den nächsten zwölf Monaten.

Der Einsatz von KI lohnt sich vor allem dort, wo Unternehmen drängende Herausforderungen haben und intelligente Algorithmen schnell sichtbare Verbesserungen versprechen. Ein gutes Beispiel dafür ist die Qualitätssicherung in der Produktion.

Denn produzierende Unternehmen sind heute einem harten Wettbewerb ausgesetzt. Um auf dem globalisierten Markt zu bestehen, müssen sie scharf kalkulieren, wirtschaftlich arbeiten und trotzdem kompromisslose Qualität liefern. Strenge Vorgaben im B2B-Bereich, etwa in der Healthcare-Branche, fordern teilweise eine Null-Fehler-Toleranz – sonst ist man als Zulieferer schnell weg vom Fenster.

Insgesamt haben Kunden heute hohe Ansprüche. Werden sie enttäuscht, machen sie ihrem Unmut gerne einmal auf Social-Media-Plattformen Luft. Daraus kann sich ein Shitstorm entwickelt, der den Ruf eines Unternehmens nachhaltig schädigt. Das Qualitäts-Management spielt daher eine entscheidende Rolle für den Geschäftserfolg.

Herausforderungen der manuellen Qualitätssicherung

In vielen Unternehmen findet die Soll/Ist-Überprüfung noch manuell statt. Häufig ist das eine mühevolle, monotone Arbeit, die je nach Produkt und Gegebenheit der Fertigung sehr aufwendig sein kann. Manchmal müssen Mitarbeiter Bauteile im Reinraum mit der Taschenlampe millimetergenau nach Fehlern absuchen und sich dabei in unbequemer Position verrenken.

Ein weiteres Problem ist, dass die manuelle Qualitätskontrolle zeitversetzt stattfindet. Das bedeutet: Fehler werden oft erst Stunden später gefunden. Bis die Produktion gestoppt und angepasst werden kann, läuft weiter Ausschuss vom Band und verursacht unnötige Kosten. Verantwortliche machen sich zudem so direkt angreifbar.

Vor ähnlichen Herausforderungen stand auch ein mittelständischer deutscher Technologiekonzern. Er wollte prüfen, ob und wie der Einsatz von KI den Qualitätssicherungsprozess optimieren könnte. Der Hersteller beauftragte daher einen Co-Creation-Workshop in der Digitalschmiede von Vinci Energies. Dort arbeitete er mit einem international besetzten Team aus Spezialisten verschiedener Fachrichtungen zusammen, darunter IT- und OT-Experten, Data Scientists sowie Fachleute aus dem Bereich KI und optische Prüfsysteme. Gemeinsam gelang es dem Team innerhalb von wenigen Tagen, einen funktionsfähigen Prototyp für die Bildprüfung mit KI zu entwickeln.

So kann eine Lösung aussehen

Ein KI-Projekt für die visuelle Qualitätskontrolle erfordert eine leistungsfähige Hardware, die große Mengen an Grafikdaten verarbeiten kann – und zwar mindestens genauso schnell, wie produziert wird. In dem Prototyp kam dafür die „IBM Power System AC922“ zum Einsatz. Diese Plattform wurde eigens zur Bildverarbeitung mit KI entwickelt und konnte in der Praxis voll überzeugen. Selbst als das Projektteam versuchte, sie zum Test mit Unmengen von Daten in die Knie zu zwingen, lief sie ohne erkenn- und messbare Beeinträchtigungen weiter.

Des Weiteren benötigt man ein Deep-Learning Framework, eine KI-Software sowie Bildverfahren zur Vermessung von Objekten und zur Fehlererkennung. Dafür setzte man auf das Open Source Framework Tensorflow und die „IBM Suite Power AI Vision“. Letztere ermöglicht es, auch ohne Deep-Learning-Expertise schnell und einfach Vision-Modelle zu erstellen. Etablierte Standardbibliotheken unterstützten das Bilderklassifizierungsverfahren.

Das Herz der KI-Lösung aber sind Daten. Sie müssen in ausreichender Menge und hoher Qualität vorliegen, damit eine zuverlässige Bildprüfung möglich ist. Um die Daten für den Prototypen zu gewinnen, installierten die Experten Kamerasysteme an der Fertigungsstraße, die sie speziell für diesen Einsatz auswählten. Die Kameras wurden exakt positioniert und eingestellt, so dass sie präzise, aussagekräftige Bilder lieferten.

„Dem Team gelang es innerhalb von wenigen Tagen, einen funktionsfähigen Prototyp für die Bildprüfung mit KI zu entwickeln“, erläutert Stefanie Horrmann, Head of Alliances und Business Development bei Axians IT Solutions.
„Dem Team gelang es innerhalb von wenigen Tagen, einen funktionsfähigen Prototyp für die Bildprüfung mit KI zu entwickeln“, erläutert Stefanie Horrmann, Head of Alliances und Business Development bei Axians IT Solutions.
(Bild: Axians)

Dafür optimierten die Experten außerdem die Ausleuchtung. Mit dem so gewonnenen Bildmaterial wurde das Deep-Learning-Modell gespeist. Das Ziel: Die KI soll den aufwendigen Prozess der Bild-Klassifizierung künftig selbstständig übernehmen.

Die KI richtig trainieren

Der Weg dorthin erforderte jedoch noch viel Arbeit. Deep Learning nutzt künstliche neuronale Netze, die wie das menschliche Gehirn aufgebaut sind. Es ist eine Teilmenge des maschinellen Lernens, einer der zentralen Techniken der KI. Intelligent wird ein Deep-Learning-Modell allerdings erst dadurch, dass man es richtig für den jeweiligen Anwendungsfall trainiert.

Damit der Algorithmus in der Lage ist, Fehler und Qualitätsmängel zu erkennen, wurde er mit einem realistischen Datensatz aus ´Gut`- und ´Schlechtbildern` gefüttert. Data Scientists brachten dem System nun bei, welche Strukturen richtig und welche falsch sind. Außerdem klassifizierten sie die falschen Strukturen, so dass die KI diese wiedererkennen kann.

Mit jedem Fehlerbild wurde sie nun schlauer und treffsicherer. Anhand von Testdatensätzen überprüften die Experten den Fortschritt und stellten fest, wo die KI noch Schwächen hatte und weiter trainiert werden musste. So entstand eine Lösung, die gute Erfolge aufweisen konnte.

Das bringt die intelligente Lösung

Der Prototyp hat gezeigt, wie sich die visuelle Qualitätskontrolle durch den Einsatz von KI automatisieren lässt. Die Bildprüfung wird dadurch nicht nur schneller und wirtschaftlicher, sondern auch präziser. Denn der Algorithmus ist konsistent in der Lage, auch kleinste unerwünschte Abweichungen vom Soll exakt zu bestimmen.

Dadurch, dass die Kontrolle nun in Echtzeit möglich ist, lässt sie sich direkt in den Produktionsprozess integrieren. Wenn die KI Mängel feststellt, kann sie ihre Erkenntnisse automatisiert an nachgelagerte Systeme übermitteln. Die Produktionsmaschinen können sich dann umgehend eigenständig anpassen.

Im Idealfall ist dafür kein menschliches Eingreifen mehr nötig. Mitarbeiter werden durch die Automatisierung entlastet. Statt Zeit in aufwendige, oft unbequeme Routine-Jobs zu investieren, können sie sich nun um wertschöpfende Aufgaben kümmern.

Nicht zu unterschätzen: Co-Creation

Die visuelle Qualitätskontrolle ist ein Beispiel dafür, wie künstliche Intelligenz Prozesse optimieren und Kosten sparen kann. Viele weitere Einsatzgebiete sind denkbar. Dafür KI-Projekte Expertenwissen in verschiedenen Fachgebieten erforderlich ist, empfiehlt es sich, in interdisziplinären Teams zusammenzuarbeiten.

Den idealen Rahmen dafür bilden Co-Creation-Workshops, die die erforderlichen Spezialisten zusammenbringen. So gelingt es innerhalb von kürzester Zeit und mit wenig Aufwand, Ideen zu entwickeln, zu erproben und einen Prototyp umzusetzen. Auf diese Weise können Unternehmen neue Möglichkeiten ausloten und KI-Projekte schneller auf den Weg bringen.

* Stefanie Horrmann ist Head of Alliances und Business Development bei Axians IT Solutions.

(ID:46302592)