Das Wirtschaftsmagazin für Thüringen www.wirtschaftsspiegel-thueringen.com Nr. 01.2023 ı 19. Jg. ı 78363 ı 7,70 EUR © Gorodenkoff - stock.adobe.com AKTUELLE TRENDS Fertigungstechnik neu gedacht IM INTERVIEW Was weiß die KI über sich selbst WIRTSCHAFT & GESUNDHEIT Gesunde Führungskultur Mensch & Maschine verbinden Was kann die Künstliche Intelligenz?
Haben Sie’s auch schon probiert? Vergangenen November startete die Beta-Version von Chat GPT, einem Prototypen eines dialogbasierten Chatbots. Von atem- beraubend bis revolutionär reichten die Adjektive darüber in den Berichterstattungen. Und wissen Sie was? Es ist großartig. Zum Ausprobieren und Lernen, wie man mit Künstlicher Intelligenz (KI) umgeht. Als Mensch, als Unternehmer. Es hilft einzuschätzen, was KI derzeit leisten kann. Nehmen Sie sich Zeit und lassen Sie GPT einen kurzen Text über Sie selbst schreiben. Ich war überrascht und irritiert über meinen. Aber es hilft, das Tool einzuschätzen, die Potenziale und Risiken zu erkennen, die es birgt. Der Anspruch an den Bot ist es übrigens nicht, möglichst korrekte Antworten zu geben, sondern möglichst genau menschliche Antworten nachzuahmen. Um Ihnen also in gewohnt sachlichfundierter Weise ein qualitatives Bild über die Entwicklungen der KI in der Thüringer Fertigungstechnik, weiteren Trends in der Produktion und im Management zu erarbeiten, haben wir Expertinnen und Experten gefragt. Sie haben den Versuch gestartet, die KI zu befragen, was sie über KI weiß. Das Ergebnis finden Sie ab Seite 6. Unredigiert, ohne Korrekturschleife. Wir freuen uns auf einen spannenden Austausch darüber – gern auf den Frühjahrsmessen in Hannover, Leipzig oder Erfurt. Bleiben Sie neugierig. Juliane Keith © adimas - stock.adobe.com
Thüringen 4 Mehr Geld Die Mitarbeitenden von Silbitz Guss bekommen zehn Prozent mehr Geld. Das ist das Ergebnis von Tarifverhandlungen mit der Gewerkschaft IG Metall. Neben dem höheren Lohn sieht der neue Haustarif auch eine Einmalzahlung von 2.100 Euro als Inflationsprämie und drei zusätzliche freie Tage vor, heißt es von der Gewerkschaft. Die neue Vereinbarung mit der Silbitz Group GmbH gilt für die Gießerei am Stammsitz im Saale-HolzlandKreis. Dort sind über 400 Mitarbeitende beschäftigt. Bauarbeiten Die Arbeiten an dem neuen Werk des Nordhäuser BiotechnologieUnternehmens AHN gehen weiter. Nach Angaben von Bauherr Niels Neu wird derzeit der Innenbereich ausgebaut. Dort müssen spezielle Fußböden und Luftzufuhren eingebaut werden. Das neue Werk ist 4.000 Quadratmeter groß. Darin ist Platz für zwei Produktionsbereiche, Lager und Verwaltung. Der Bau soll im März fertig werden. Förderung Das Institut für Angewandte Bauforschung Weimar (IAB) bekommt 1,3 Millionen Euro vom Land. Damit sollen nach Angaben des Wirtschaftsministeriums zwei Technologieprojekte für effizientere Nutzung von Energie und Material gefördert werden. Mit dem Geld will das Institut einen neuen Prüfstand installieren, mit dem Gasarmaturen überprüft werden können, ob sie auch zum Transport von Wasserstoff und Kohlendioxid geeignet sind. Rettung Der insolvente Autozulieferer ETM in Saalburg-Ebersdorf ist gerettet. Wie der Insolvenzverwalter Rolf Rombach mitteilte, übernahm ein Investor aus Südtirol das Werk zum 1. Februar 2023. Ein Großteil der 340 Mitarbeitenden soll demnach zukünftig von der Max Valier Holding GmbH weiter beschäftigt werden. Industriegebiet Im Schmöllner Industriegebiet Nitzschka im Altenburger Land sollen bis 2025 rund 7,4 Millionen Euro investiert werden. Das Land Thüringen unterstützt das Vorhaben mit 75 Prozent. Wie Bürgermeister Sven Schrade mitteilte, werden unter anderem neue Abwasserleitungen verlegt und Rückhaltebecken vergrößert. Nach Angaben der Stadt ist das Industriegebiet Nitzschka inzwischen komplett ausgebucht. Große Nachfrage Die Nachfrage nach Flächen im künftigen Industrie- und Gewerbegebiet „An der B19“ bei Schmalkalden ist groß. Wie Bürgermeister Thomas Kaminski vor dem Stadtrat sagte, sollen noch in diesem Jahr drei Grundstücke verkauft werden. Käufer seien zwei Unternehmen aus der Region und eines aus der Schweiz. Das Gewerbegebiet zwischen Niederschmalkalden und Schwallungen wird noch erschlossen und bietet 23 Hektar reine Baufläche. Ab 2024 sollen sich Unternehmen dort ansiedeln können. Das Land fördert das Vorhaben zu 90 Prozent, mit rund 24 Millionen Euro. Wirtschaftsnachrichten aus Thüringen THÜRINGEN 04 .... Regionale 05 .... Wirtschaftsnachrichten 32 .... Zauberwort Resilienz 33 .... Autobranche bleibt im 05 .... Krisenmodus 34 .... Begleitung bei der 05 .... Dekarbonisierung 35 .... Produktionsstart bei CATL 36 .... Gewerbeverein als Motor 05 .... der Region 38 .... Beste Empfehlung für 05 .... Versicherungs- und Risiko- 05 .... management 40 .... Moderne Bürowelten und 05 .... stilvolles Wohnen 46 .... Aus den Netzwerken 48 .... Köpfe und Karrieren 49 .... Veranstaltungen und Termine FERTIGUNGSTECHNIK UND KÜNSTLICHE INTELLIGENZ 10 .... Was KI über KI weiß 08 .... KI in der Produktion 11 .... Automatisierung in der 05 .... Qualitätssicherung 12 .... Optimierung der 05 .... Energieeffizienz 14 .... Qualitätskontrolle von 05 .... Maßen und Oberflächen 15 .... Smarte Aluminium- 05 .... Spritzgießwerkzeuge 17 .... Optimierung von 05 .... Schleifprozessen 18 .... Aktuelle Trends in der 05 .... Fertigungstechnik 20 .... Forschung an der Hochschule 05 .... Schmalkalden 22 .... Wissen ist nachhaltiger Erfolg 25 .... Seit 90 Jahren die Welt 05 .... weiterdrehen 26 .... 150 Jahre Erfahrung in der 05 .... Königsdisziplin 28 .... Innovative Magnettechnik 05 .... aus Schleusingen 30 .... 140 Jahre Erfahrung im 05 .... Fahrzeugbau WIRTSCHAFT & GESUNDHEIT 42 .... Gesundes Führungsverhalten 05 .... und gesunde Führungskultur 44 .... Was können Manager von 05 .... Chirurgen lernen 45 .... Verbundprojekt AVATAR Aus dem Inhalt
5 Thüringen Neues Gebäude Der Messtechnik-Hersteller ZILA in Zella-Mehlis hat ein neues Produktions- und Verwaltungs- gebäude eingeweiht. Nach Unternehmensangaben wurde in den Bau deutlich mehr als eine Million Euro investiert. Das Haus ist komplett in ökologischer Holzbauweise entstanden und kann den Angaben zufolge CO2-neutral betrieben werden. Die ZILA GmbH hat in Deutschland insgesamt vier Standorte und beschäftigt rund 50 Mitarbeitende. In Zella-Mehlis arbeiten 15 Beschäftigte. Investition Bosch will im kommenden Jahr weitere 60 Millionen Euro in sein Eisenacher Werk investieren. Ein Großteil der Summe fließt nach Unternehmensangaben in den Ausbau der 48-Volt-Batterie, in Fertigungseinrichtungen und neue Produktgenerationen. (tl) WHERE INNOVATION STARTS 14.- 15. Juni 2023 Erfurt www.investordays-thueringen.de Die Investor Days Thüringen sind eine Initiative der bm|t und STIFT im Rahmen des Projektes ThEx innovativ, welches durch den Freistaat Thüringen aus Mitteln des Europäischen Sozialfonds Plus gefördert wird. Expansion Die Jenaer Digitalagentur Dotsource expandiert erstmals ins Ausland. Wie das Unternehmen mitteilte, soll im Frühjahr eine Niederlassung in Kroatien eröffnet werden. Kroatien sei ein vielversprechender Standort für die Gewinnung von Fachleuten, heißt es. Außerdem wollen die Jenaer verstärkt Kunden außerhalb des deutschsprachigen Raums gewinnen. Derzeit arbeiten in der Digitalagentur Dotsource in Jena etwa 380 Mitarbeitende, insgesamt sind es mehr als 520. 35-Stunden-Woche Am Erfurter Standort von Bosch wird schrittweise die 35-StundenWoche eingeführt. Wie ein Sprecher der IG Metall mitteilte, gilt hier ab sofort zunächst die 37-StundenWoche. Im kommenden Jahr wird die Arbeitszeit auf 36 Stunden gesenkt, 2025 auf 35 Stunden. Die Arbeitszeit wird damit an das westdeutsche Niveau angepasst. Übernahme Der Erfurter Softwareanbieter Ibykus hat zwei Firmen in Berlin übernommen. Das teilte das Unternehmen zum Jahreswechsel mit. Danach handelt es sich um den Softwareentwickler European Consulting Group und den Fördermittelspezialisten EFG Europäisches Fördermanagement. Die Firma EFG berate Verwaltungs-, Bescheinigungs- und Prüfbehörden in der EU. Die beiden Berliner Firmen beschäftigten 25 Mitarbeitende und hätten 2021 rund sechs Millionen Euro umgesetzt. Die 1990 in Erfurt gegründete Ibykus AG ist auf digitale Lösungen für Verwaltungen spezialisiert. Sie beschäftigt nach eigenen Angaben rund 270 Mitarbeitende. Weiteres Wachstum Der Laborgerätehersteller Analytik Jena will am Standort weiter wachsen. Durch einen Neubau sollen nach Unternehmensangaben in den nächsten Jahren auch bis zu 120 neue Arbeitsplätze entstehen. Analytik Jena investiert rund 50 Millionen Euro in das neue Hauptgebäude im Gewerbepark Göschwitz. Bis zum Herbst 2025 soll der fünfstöckige Neubau bezugsfertig sein. Das Unternehmen gehört nach eigenen Angaben zu den führenden Anbietern von Analysemesstechnik und Instrumenten im Bereich der Molekularbiologie.
Fertigungstechnik und Künstliche Intelligenz 6 Wie wird Künstliche Intelligenz (KI) in Zukunft in der Produktion eingesetzt? ChatGPT: KI wird in Zukunft in vielen Bereichen der Produktion eingesetzt werden, wie zum Beispiel: Automatisierung von Produktionsprozessen durch den Einsatz von Robotern und autonomen Systemen, die von KI gesteuert werden Optimierung der Produktionsplanung und -steuerung durch den Einsatz von KI-basierten Prognosemodellen und -algorithmen Qualitätskontrolle durch den Einsatz von KI-basierten Bilderkennungssystemen Predictive Maintenance, um Ausfallzeiten von Anlagen zu vermeiden Steigerung der Effizienz durch den Einsatz von KI-basierten Systemen zur Analyse von Prozessdaten Personalisierte Produktion durch den Einsatz von KI-basierten Systemen, die in der Lage sind, individuelle Anforderungen und Wünsche von Kunden zu berücksichtigen Es ist wichtig zu beachten, dass KI in der Produktion in der Regel in Kombination mit anderen Technologien, wie zum Beispiel dem Internet der Dinge (IoT) und der Cloud-CompuWas Künstliche Intelligenz über Künstliche Intelligenz weiß ting, eingesetzt wird, um eine entsprechende Datenanalyse und -verarbeitung zu ermöglichen. Wie wird sich der Einsatz auf herkömmliche Arbeitsplätze auswirken? ChatGPT: Der Einsatz von KI in der Produktion wird wahrscheinlich dazu führen, dass bestimmte Arbeitsplätze obsolet werden, da sie von automatisierten Systemen übernommen werden. Dies betrifft insbesondere Arbeitsplätze, die sich auf wiederkehrende und standardisierte Aufgaben beziehen, wie zum Beispiel das Bedienen von Maschinen oder die Durchführung von Qualitätskontrollen. Andererseits kann der Einsatz von KI auch dazu führen, dass neue Arbeitsplätze entstehen. Dies betrifft insbesondere Arbeitsplätze, die sich auf die Entwicklung, den Betrieb und die Wartung von KI-Systemen beziehen, sowie Arbeitsplätze, die sich auf die Analyse und Interpretation der von KI-Systemen generierten Daten beziehen. Es ist wichtig zu beachten, dass der Einsatz von KI in der Produktion nicht zwangsläufig zu einer Verringerung der Gesamtzahl der Arbeitsplätze führen muss. Vielmehr kann er dazu beitragen, die Produktivität und Effizienz der Produktion zu steigern und den Arbeitsplatz an sich zu verändern, indem er Arbeitnehmern ermöglicht, sich auf höherwertige Aufgaben zu konzentrieren, die stärker auf ihre Fähigkeiten und Kenntnisse ausgerichtet sind. Es ist wichtig auch, dass die Unternehmen und die Regierungen, eine aktive Rolle dabei spielen, die Auswirkungen des technologischen Fortschritts auf die Arbeitswelt zu verstehen und zu minimieren und gleichzeitig die Vorteile der KI nutzen. Insbesondere sollten sie sicherstellen, dass die Arbeitnehmer die notwendigen Fähigkeiten und Kenntnisse erwerben können, um in der zukünftigen Arbeitswelt erfolgreich zu sein. Welche Fähigkeiten und Kenntnisse werden dafür benötigt? ChatGPT: Für die Arbeitnehmer, die in der Produktion mit KI zu tun haben werden, werden in Zukunft verschiedene Fähigkeiten und Kenntnisse benötigt, darunter: Technische Kenntnisse Arbeitnehmer, die an der Entwicklung, dem Betrieb und der Wartung von KISystemen beteiligt sind, benötigen umfassende Kenntnisse in Bereichen wie der Programmierung, der Datenanalyse und -verarbeitung, der Mathematik und der Informatik. Analytische Fähigkeiten Arbeitnehmer, die KI-Systeme einsetzen, um Prozesse zu optimieren oder Prognosen zu erstellen, benötigen die Fähigkeit, große Mengen an Daten zu sammeln, zu analysieren und zu interpretieren, um sinnvolle Entscheidungen treffen zu können. Problemlösungsfähigkeiten Arbeitnehmer, die mit KI-Systemen arbeiten, müssen in der Lage sein, Probleme zu erkennen und zu lösen, die sich aus dem Einsatz von KI ergeben können. Kommunikationsfähigkeiten Arbeitnehmer, die mit KI-Systemen arbeiten, müssen in der Lage sein, Interview: Im Gespräch mit ChatGPT Wenn man etwas über Künstliche Intelligenz (KI) wissen will, kann man sie mittlerweile selbst nach sich befragen. Mit dem ChatGPT (Generative Pre-trained Transformer) hat das US-amerikanische Unternehmen OpenAI einen Chatbot auf Basis eines Maschinenlernmodells entwickelt. Der Chatbot wurde mithilfe einer großen Textmenge aus Online-Foren, sozialen Medien, Zeitungsartikeln, Büchern und gesprochener Sprache trainiert. Der Anspruch an den Bot ist es nicht, möglichst korrekte Antworten zu geben, sondern menschliche Antworten möglichst genau nachzuahmen. Das Interview wurde am 23.01.2023 geführt. Die Antworten von ChatGPT wurden wortwörtlich übernommen und nicht redigiert.
7 Foto: michagehtraus - stock.adobe.com komplexe technische Konzepte auf einfache und verständliche Weise zu erklären, um sowohl internen als auch externen Stakeholdern gegenüber erfolgreich zu kommunizieren. Flexibilität und Lernbereitschaft Der Einsatz von KI in der Produktion wird sich schnell weiterentwickeln und daher müssen Arbeitnehmer in der Lage sein, sich ständig weiterzubilden und sich an veränderte Anforderungen anzupassen. Es ist wichtig zu betonen, dass die Fähigkeiten und Kenntnisse, die für die Arbeit mit KI benötigt werden, nicht ausschließlich auf technischen Bereich beschränkt sind, sondern auch soft skills wie kreatives Denken, kritische Analyse, Problemlösung und Kommunikation einschließen. Wie schnell wird sich der Einsatz von KI in der Produktion weiterentwickeln? ChatGPT: Der Einsatz von KI in der Pro- duktion hat in den letzten Jahren bereits erheblich zugenommen und wird voraussichtlich in Zukunft weiter zunehmen. Dies wird von verschiedenen Faktoren beeinflusst, wie zumBeispiel: Technologischer Fortschritt KI-Technologien, insbesondere maschinelles Lernen und neuronale Netze, haben sich in den letzten Jahren stark weiterentwickelt und werden voraussichtlich weiterhin schnell Fortschritte machen. Verfügbarkeit von Daten Der Zugang zu großen Mengen an Daten, die für die Schulung und den Betrieb von KI-Systemen erforderlich sind, wird weiter zunehmen, insbesondere durch den Einsatz von IoT-Geräten und -Sensoren in der Produktion. Wirtschaftliche Faktoren Der Einsatz von KI in der Produktion bietet Unternehmen die Möglichkeit, die Produktivität und Effizienz zu steigern, was zu einer höheren Wettbewerbsfähigkeit und Kosteneinsparungen führen kann. Regulierung Der Einsatz von KI in der Produktion wird auch von regulatorischen Entscheidungen beeinflusst, insbesondere in Bezug auf die Datensicherheit und -privatsphäre. Es ist jedoch schwer vorherzusagen, wie schnell sich der Einsatz von KI in der Produktion genau weiterentwickeln wird, da dies von vielen Faktoren abhängig ist und sich schnell ändern kann. Es ist jedoch davon auszugehen, dass der Einsatz von KI in der Produktion in den nächsten Jahren weiter zunehmen wird und dass die Technologie in einer Vielzahl von Anwendungen eingesetzt wird, um die Produktivität und Effizienz der Produktion zu steigern. Lässt sich das auch in Zahlen abschätzen? ChatGPT: Es gibt verschiedene Prognosen und Schätzungen, die darauf hindeuten, dass der Einsatz von KI in der Produktion in Zukunft stark zunehmen wird. Einige Beispiele sind: Der Marktforschungs- und Beratungsunternehmen MarketsandMarkets schätzt, dass der weltweite Markt für KI in der Produktion von 2020 bis 2025 um 23,3 % pro Jahr wachsen wird. Der Marktforschungs- und Beratungsunternehmen MarketsandMarkets schätzt, dass der weltweite Markt für Predictive Maintenance, ein wichtiger Anwendungsbereich von KI in der Produktion, von 2020 bis 2025 um 21,3 % pro Jahr wachsen wird. Laut einer Studie der Beratungsfirma PwC werden durch den Einsatz von KI in der Produktion bis zum Jahr 2030 weltweit 14,2 Billionen US-Dollar an Wertschöpfung generiert werden. Eine Studie des Center for Globalization Research schätzt, dass durch den Einsatz von KI in der Produktion bis 2030 eine Reduzierung der Produktionskosten um bis zu 20 % erreicht werden kann. Es ist jedoch wichtig zu beachten, dass diese Prognosen und Schätzungen auf Annahmen und Unsicherheiten basieren und dass tatsächliche Entwicklungen von vielen Faktoren abhängen, die sich schnell ändern können. Es ist daher schwierig, genaue und konkrete Zahlen für die Entwicklung von KI in der Produktion vorherzusagen. Vielen Dank für das Gespräch! ChatGPT: Gerne geschehen! Ich bin immer bereit, Ihnen weiter zu helfen, wenn Sie weitere Fragen haben.
Künstliche Intelligenz (KI) ist in aller Munde und doch gibt es kein einheitliches Verständnis davon. Gleichzeitig soll die Technologie weitreichende Veränderungen bringen, vor allem auch in Produktionsunternehmen. Tatsächlich sind hier die Anwendungsfälle sehr anschaulich, die Einsatzszenarien vielfältig und erste Umsetzungsprojekte auch in Thüringen bereits Realität. Was ist Künstliche Intelligenz? Stark vereinfacht gesagt versucht Künstliche Intelligenz unter Zuhilfenahme von Hard- und Software die menschliche, natürliche Intelligenz in all ihren Facetten informationstechnologisch nachzubilden oder diese in ihrer Leistungsfähigkeit gar zu übertreffen. Man spricht in diesem Falle von „starker KI“, während „schwache KI“ sich vor allem auf einen AnwenKünstliche Intelligenz in der Produktion Was ist heute bereits möglich und was kann in Zukunft möglich sein? dungsbereich fokussiert. Während KI bei der Hardware vor allem auf Computer setzt, ist die „Hardware“ der natürlichen Intelligenz unser Gehirn. Ausführende Organe der KI sind Maschinen und Anlagen wie beispielsweise Roboter. BeimMenschen sind es zum Beispiel Arme, Hände und Füße. Die Software von KI ist ein auf einer bestimmten Programmiersprache basierender Algorithmus. Bei natürlicher Intelligenz sind Gedanken das Pendant, für die ebenso eine Sprache essenziell ist. Genau wie ein Mensch bestimmte Dinge während seiner Ent- wicklung lernt, muss auch eine KI mit aufgabenspezifischen Daten angelernt werden. Hieraus werden dann relevante Muster extrahiert, die bei einer nachfolgenden Aufgabenbewältigung angewandt werden. Beide Intelligenzarten sind nach erfolgreichem Lernprozess, in Abhängigkeit von der Komplexität mehr oder weniger in der Lage, sich selbst zu optimieren und weitere Dinge hinzuzulernen. Zu großer Berühmtheit gelangte eine Schach-KI, welche zunächst die einfachsten Spielregeln lernen musste und aufgrund selbst erlernter Lösungsstrategien in kürzester Zeit auch Großmeister schlug. KI-Systeme werden für die Ausführung bestimmter Aufgaben entwickelt und besitzen (noch) nicht die gleiche Flexibilität wie menschliche Gedankengänge (siehe Seite 6). Sie haben daher kein eigenes Bewusstsein oder die Möglichkeit, eigenständig außerhalb ihrer Algorithmen bestimmte Maßnahmen einzuleiten – ein Mensch hingegen besitzt in der Regel einen „gesunden Menschenverstand“, der kategorial-übergreifendes Denken ermöglicht. KI-Systeme hingegen sind durch die Trainingsdaten und die Algorithmen, für die sie entwickelt wurden, eingeschränkt. Letztlich ist KI also die Anwendung von Algorithmen mit dem Ziel, ein optimales und spezifisches Arbeitsergebnis zu erreichen – dieses jedoch dann sehr exakt und mit hoher Leistungsfähigkeit. Was ist heute bereits in der Produktion möglich? In der Produktion soll das Ergebnis vor allem ein möglichst qualitativ hochwertiges Endprodukt bei geringen Herstellungskosten sein (siehe In Thüringen gibt es gleich eine ganze Reihe von Einrichtungen und Forschenden, die sich mit dem Thema Künstliche Intelligenz beschäftigen. Ein Schwerpunkt ist Ilmenau. In ihrem Fachbeitrag beleuchten Dr. Sebastian Gerth (MittelstandDigital Zentrum Ilmenau, Zentrum ProKI-Ilmenau) und Dr. Andreas Patschger (Thüringer Zentrum für Maschinenbau), was Künstliche Intelligenz kann und was sie (noch) nicht kann. Fertigungstechnik und Künstliche Intelligenz 8 Foto: Michael Reichel Gastbeitrag: Dr. Sebastian Gerth und Dr. Andreas Patschger, TU Ilmenau Prof. Dr. Jean Pierre Bergmann Konsortialführer Mittelstand-Digital Zentrum Ilmenau und Zentrum ProKI-Ilmenau, TU Ilmenau „Der Dreiklang aus Mittelstand-Digital Zentrum Ilmenau, Thüringer Zentrum für Maschinenbau und ProKI-Ilmenau ist bundesweit einmalig und bietet dem Thüringer Mittelstand einen immensen Mehrwert: Digitalisierungs- und KI-Projekte werden im Mittelstand-Digital Zentrum avisiert und das Maschinenbau- sowie ProKI-Zentrum haben einen spezifischen Fokus auf die Produktion. So gehen die Initiativen aus Bund und Land für die Wirtschaft Hand in Hand, um den Einsatz von KI in Thüringer Produktionsunternehmen zu stärken.“
Seite 17). Effizienz steht also im Vordergrund. Bei der Optimierung der Fertigungsprozesse kann die KI ansetzen: Sie kann etwa dafür genutzt werden, um Qualitäten per Bild- und Mustererkennung automatisch zu überprüfen und zu bewerten, um anschließend minderwertige Produkte automatisiert auszusortieren. Insbesondere den hohen Anforderungen im Automotive-Bereich kann so besser entsprochen werden, da Mängel erkannt werden, die ein Mensch mit seiner Sinneswahrnehmung nicht erkennen würde (siehe Seite 14). Häufen sich bestimmte Mängel, dann liegt der Schluss nahe, dass es ein Problem in der Fertigung selbst gibt. Dieses kann man dann je nach Fehlerart isolieren und beheben. Ohne den Einsatz von KI hätte man den Fehler vermutlich gar nicht oder erst viel später und unter großem Rechercheaufwand entdeckt. Erfolgversprechend ist auch, den Energieeinsatz für die Produktion oder den Materialverbrauch zu senken. Dies geschieht etwa, indem automatisiert kleinere Defekte in den Fertigungsanlagen identifiziert werden, welche unnötig Energie verbrauchen (siehe Seite 12). Materialverbrauch lässt sich etwa senken, wenn ein Rohstoff optimal verbraucht und Ausschuss minimiert wird (siehe Seite 15). Sollen etwa verschiedene Formen aus einem Blech gelasert werden, so kann ein Algorithmus auf der Basis der im System hinterlegten Formen die optimale Lage einzelner Werkstücke berechnen, um möglichst wenig Abfall zu produzieren. Die KI kann auch auf der Basis bisher produzierter Werkstücke errechnen, ob gegebenenfalls weitere oder an den Restbestand angepasste Formen ausgelasert werden sollen. Damit ermöglicht KI letztlich auch, neue Produkte zu entwickeln oder existierende Produkte zu verbessern – nicht nur im Bereich der Metallverarbeitung. Produktionsausfälle sind für ein Unternehmen sehr teuer. Damit sie nicht eintreten, müssen die Maschinen und Anlagen regelmäßig gewartet werden. Problematisch ist dabei, dass ein Servicetechniker einerseits nicht alle Defekte – beispielsweise aufgrund ihrer geringen Größe – erkennen oder gar vorhersagen kann. Andererseits können die Probleme auch zwischen den Wartungsintervallen entstehen. KI ermöglicht die Optimierung von Wartungsaufgaben, sofern die Maschinen mit geeigneter Sensorik ausgestattet sind, welche entsprechende Daten zum Zustand der einzelnen Komponenten sammeln können. Dabei ist es häufig möglich, ältere Maschinen mit modernen Sensoren auszurüsten. Man spricht dann vom Retrofit. Das kann teure Anschaffungen überflüssig machen. Die vorausschauende Wartung (sogenannte Predictive Maintenance) verhindert dann teure Leerlauf- oder Stillstandszeiten der Maschinen. Häufig wird KI auch mit Assistenzsystemen kombiniert oder im Rahmen einer vollständig autonomen Produktion eingesetzt. Beispielsweise werden unterstützende Systeme mit Hilfe von Robotern realisiert. Diese helfen etwa in Abhängigkeit des Produktionsfortschritts automatisiert beim Heben schwerer Teile in jede abbildbare Position oder fertigen ganze Produkte an Fertigungsstraßen autonom. Insbesondere im Automobilbereich kommen solche Systeme häufig zum Einsatz. Denkbar ist der Einsatz aber derzeit vor allem dort, wo standardisierte Abläufe vorherrschen. Mitarbeitende können sich dann entsprechend komplexeren oder kreativeren Aufgaben zuwenden. KI wird aber auch im Lieferkettenmanagement eingesetzt. So werden benötigte Materialien automatisch und rechtzeitig bestellt, damit Fertigungsstraßen nicht stillstehen und gleichzeitig keine unnötig großen Lager benötigt werden. Die Liste von bereits heute eingesetzten KI-Systemen ist beispielhaft. Klar ist, dass es bereits sehr gut möglich ist, Fertigungsprozesse zu optimieren und Maschinen in die Lage zu versetzen, Entscheidungen auf einer fun- dierten Datengrundlage und anschließender Analyse zu treffen (siehe Seite 11). Was kann in Zukunft möglich sein? Mit Blick auf die Zukunft ist es nützlich, vergangene Entwicklungen zu analysieren und auf dieser Basis Vorhersagen zu treffen. Im Rahmen von Prognosen können auch Vergangenheitsdaten mit aktuellen Ist-Daten kombiniert werden, um auf dieser Basis Vorhersagen zu treffen. Derzeit geht es im Wesentlichen darum, Algorithmen zu programmieren und diese für eine möglichst exakte Funktionsfähigkeit anzulernen. Es gibt mittlerweile auch zahlreiche kommerzielle und Open-Source-Tools, die fertige Algorithmen mitbringen. Vielmehr muss man sich hier um die Fertigungstechnik und Künstliche Intelligenz 9 Foto: TU Ilmenau Prof. Dr. Gunther Notni Projektleiter Thüringer Zentrum für Maschinenbau, TU Ilmenau „Die KI ist ein mittlerweile etabliertes Werkzeug in der energie- und materialschonenden Produktion. Mit den vielen Anknüpfungspunkten entlang der Produktionskette ergänzen sich das Thüringer Zentrum für Maschinenbau und das MittelstandDigital-Zentrum hierbei. Durch die kurzen Wege und die enge Zusammenarbeit schaffen wir gemeinsam ein attraktives und weitreichendes Angebot für die produzierenden Unternehmen, um eine nachhaltige und widerstandsfähige Wirtschaft in Thüringen zu etablieren.“
Aufbereitung der Daten und spätere Optimierung der Algorithmen kümmern, damit eigene Anwendungsfälle mit unternehmensspezifischen Daten bearbeitet werden können. In naher Zukunft wird es zahlreiche KI-Systeme geben, die ihre Aufgabe sehr zuverlässig und exakt ausüben. Allerdings sind diese Algorithmen auf einen sehr spezifischen Einsatzzweck beschränkt. Auch aus diesem Grund wird KI vermutlich kaum im Stande sein, Arbeitskräfte abzulösen. Die natürliche Intelligenz ist sehr komplex Fertigungstechnik und Künstliche Intelligenz 10 Fotos: TU Ilmenau Dr. Sebastian Gerth Technische Universität Ilmenau Mittelstand-Digital Zentrum Ilmenau Zentrum ProKI-Ilmenau sebastian.gerth@tu-ilmenau.de Dr. Andreas Patschger Technische Universität Ilmenau Thüringer Zentrum für Maschinenbau andreas.patschger@tu-ilmenau.de Ansprechpartner und kann vermutlich auch in den kommenden Jahren nicht durch algorithmische Prozeduren abgelöst werden. Die Übernahme von standardisierten und routinemäßigen Aufgaben hingegen ist bereits Realität und wird sich in Zukunft auch intensivieren. KI ist vor diesem Hintergrund auch eine Antwort auf den Fachkräftemangel. Sie wird sich in den Arbeitsmarkt integrieren und neue Tätigkeiten in der Produktion etablieren sowie neue Arbeitsplätze und Branchen entstehen lassen. Der nächste Schritt wird dann die Verknüpfung von Algorithmen sein, die den Aufgabenbereich erweitern. Wenn heute beispielsweise Anbindungen von Wartungsalgorithmen an ERPSysteme noch vergleichsweise komplex sind, wird es bald für zahlreiche Anwendungsfälle problemlos möglich sein, zeitsynchron Verschleißzustände zu erfassen, Fertigungsprozesse an den Zustand von Werkzeugen anzupassen und Ersatzteile in Abhängigkeit von Lagerbestand oder aktueller Liquidität automatisiert nachzubestellen. Vieles davon ist heute bereits möglich, allerdings zumeist nicht in der Gesamtheit der für die Fertigung notwendigen Geschäfts- und Produktionsprozesse. KI wird eine autonome und automatische Abstimmung aller Unternehmensprozesse ermöglichen – vielleicht viel eher, als wir es uns heute vorstellen. Die potenziellen KI-Anwendungen in der Produktion sind nahezu unbegrenzt und entwickeln sich sukzessive mit den Technologiefortschritten weiter. Es ist aber abzusehen, dass sich die Automatisierung der Zukunft nicht mehr ausschließlich auf Standardprozesse beschränken wird. Vielmehr wird es möglich sein, auch Individualprozesse zu automatisieren. Mithilfe von KI-Algorithmen können so Produkte nach spezifischen Kundenwünschen angepasst werden, wodurch auch die Herstellung einzigartiger Produkte in großen Mengen denkbar ist. Wie können sich Produktions- unternehmen vorbereiten? Es ist wichtig, sich nicht vor den neuen Entwicklungen zu verschließen und gezielt Informationen einzuholen. Erste Sensibilisierungsmöglichkeiten finden sich online und bei zahlreichen Thüringer Akteuren, etwa dem Thüringer Zentrum für Maschinenbau, demMittelstand-Digital Zentrum Ilmenau oder beim speziell für Produktion zuständigen Zentrum ProKI-Ilmenau. Diese Initiativen haben zudem den Vorteil, dass sie genau auf Ihre individuellen Gegebenheiten und Ziele eingehen und mit Ihnen gemeinsam KI-Projekte ermöglichen. Sie können mit den Partnern zum Teil selbst KI- oder auch andere DigitalProjekte umsetzen, eine Einschätzung der notwendigen Ressourcen wie finanzielle Mittel, Zeit oder Know-how erhalten oder gezielt Fördermöglichkeiten besprechen. (sg/ap) Dr. Mauricio Matthesius Geschäftsführer Mittelstand-Digital Zentrum Ilmenau, TU Ilmenau „Wir bringen im Bereich KI vor allem über unsere KI-Trainer zahlreiche Informationen und Aktivitäten aus dem bundesweiten Netzwerk von Mittelstand-Digital ein, welche dann auch über das große Netzwerk des Maschinenbauzentrums regionales Gehör in der Thüringer Wirtschaft finden. Dieser Multiplikatoreneffekt hat sich sehr bewährt und wir konnten schon zahlreiche KI-Projekte initiieren.“
Fertigungstechnik und Künstliche Intelligenz 11 Foto: ifw Jena Häufig ist dabei jedoch noch eine aufwändige visuelle Unterstützung erforderlich. Die Schliffbilder weisen oft unregelmäßige Strukturen auf und die einzelnen Phasenanteile lassen sich nur schwer mittels rein algorithmischer Verfahren voneinander abgrenzen. Am ifw Jena wird darum daran gearbeitet, die Auswertung von digitalen Schliffbildern durch „lernende Verfahren“ effektiver zu gestalten. An ausgewählten Proben werden im Projekt „DeepX – Deep learning zur Metallografie von Duplexstählen“ lernende Verfahren erprobt, mit denen eine automatisierte Bestimmung der Phasenanteile von Duplexstählen möglich ist. Zur Anwendung kommen hierbei vor allem tief strukturierte neuronale Netze. Diese werden zunächst mit einer größeren Zahl von Bildern, Bildausschnitten oder Bildmerkmalen angelernt. Der Anlernerfolg wird überprüft und verbessert, indem ausgewählte Parameter angepasst werden. Nach erfolgreichem Anlernen können die so trainierten Netze dann zur vollautomatisierten Qualitätsprüfung eingesetzt werden. Später soll neben Duplexstählen der Anwendungsbereich auch auf weitere Stahlsorten und andere Materialien wie Keramiken ausgedehnt werden. Für die metallografische Werkstoffprüfung bietet der Einsatz von Deeplearning-Software große Vorteile. Die rein visuelle Auswertung eines einzelnen Schliffbildes nimmt in der Regel mehrere Minuten in Anspruch. Einzelne Kornflächen müssen voneinander abgegrenzt und ihre Größe und ihre Phasenzugehörigkeit geprüft werden. Softwarebasierte algorithmische Verfahren sind deutlich schneller, erfordern aber wegen der unregelmäßigen Strukturen der Schliffbilder häufig noch ein interaktives Eingreifen des Nutzers, was insbesondere bei er Auswertung einer größeren Anzahl von Bildern immer noch viel Zeit in Anspruch nimmt. Lernende Verfahren erlauben hingegen eine zuverlässigere Auswertung auch ohne interaktive Eingriffe und sind somit voll automatisierbar. Insbesondere bei der Auswertung mehrerer hundert Schliffbilder bieten diese Verfahren somit erhebliche Vorteile. Mit dem Projekt können Unternehmen die Qualitätssicherung metallografischer Proben stark optimieren. Durch die automatisierte und zuverlässige Auswertung mehrerer Schliffbilder in kürzester Zeit werden Personal- und Zeitressourcen eingespart, die bisher für Qualitätssicherungs-Prozesse gebunden waren. (ifw Jena) Das Projekt wird gefördert durch das Bundesministerium für Wirtschaft und Klimaschutz aufgrund eines Beschlusses des Deutschen Bundestags. Eine KI kann Schliffbilder wesentlich schneller auswerten als der Mensch. Automatisierung in der Qualitätssicherung durch Deep Learning Institut für Fügetechnik und Werkstoffprüfung ifw Jena In der Metallografie werden Schliffbilder ausgewertet, um zum Beispiel Phasenanteile zu bestimmen und die Phasen zu charakterisieren. Hierbei werden zunehmend Verfahren der digitalen Bildverarbeitung eingesetzt. Dr. Thomas Schroeter ifw Jena tschroeter@ifw-jena.de Ansprechpartner
Mit der Sensorplattform „sUSe“ stellt das IMMS Institut für Mikroelektronik- und Mechatronik-Systeme gemeinnützige GmbH (IMMS GmbH) eine Lösung speziell für den Druck- luftbereich vor. Ziel ist es, Undichtigkeiten in Druckluftsystemen und Wartungsstaus zu erkennen und zu be- heben. Druckverlust führt zu Energieverlust Druckluft dient in der Industrie zum Beispiel dazu, Maschinen anzutreiben, Bau- oder Kleinteile zu befördern oder Abluft-, Ventilations- und Trocknungssysteme zu unterhalten. In der Regel werden diese Druckluftsysteme mit einem elektrisch betriebenen Optimierung der Energieeffizienz und Wartung mittels Sensorik und Künstlicher Intelligenz Kompressor betrieben. Sobald also eine Undichtigkeit besteht, reduziert sich der Wirkungsgrad und gleichzeitig erhöht sich der Strombedarf, um die notwendige Leistung aufrechtzuerhalten. Es gilt daher einerseits, die Druckluft energieoptimal zu nutzen und andererseits, Leckagen zu eliminieren. Diese zu entdecken ist insbesondere dann problematisch, wenn die austretende Luft vom Menschen nicht wahrgenommen wird – etwa dann, wenn die Undichtigkeit zu klein ist. Treten mehrere solcher Fälle auf, kann sich das schnell summieren. In Kooperation mit den SensorikPartnern SONOTEC GmbH (Ultraschallsensoren) und der Postberg+Co. GmbH (Volumenstromsensoren) wurde am IMMS mit sUSe eine automatisier- und skalierbare Lösung für diese Problemstellung entwickelt. Das sUSe-System kann in bestehenden Umgebungen nachgerüstet werden, um sie zu überwachen, die Energieeffizienz zu verbessern und damit letztlich auch CO2-Emissionen einzusparen. System integriert weltweit erstmalig Multisensorik und Datenfusion Üblicherweise werden Lecks in Druckluftsystemen von extern beauftragten Service-Technikern mit unterschiedlichen Apparaturen identifiziert, analysiert und dokumentiert. Eine permanente Überwachung findet zumeist nicht statt. Die Daten lassen IMMS Institut für Mikroelektronik- und Mechatronik-Systeme gemeinnützige GmbH Fertigungstechnik und Künstliche Intelligenz 12 Foto: IMMS Einerseits ist Energie derzeit im Vergleich zur Vergangenheit preisintensiv, andererseits ist die Beschaffung von unternehmensrelevanten Komponenten aufgrund der weltweiten Lieferkettenschwierigkeiten problematisch. Es ist daher wichtig, Energie zu sparen, sie optimal zu nutzen und dem Ausfall von Maschinen und Anlagen vorzubeugen. Dr. Tino Hutschenreuther, Themenbereichsleiter für System Design am IMMS: „Schon vor der Energiekrise hat die Industrie Leckagen in Druckluftleitungen bekämpft, da sie die meisten energetischen Verluste und damit auch unnötige Kosten verursachen. Mit Blick auf die aktuelle Preisentwicklung ist es für Unternehmen umso wichtiger, solche Undichtigkeiten zu finden, Verluste zu bewerten und Maßnahmen für die Instandhaltung einzuleiten.“ Dr.-Ing. Tino Hutschenreuther (Themenbereichsleiter System Design am IMMS), Jonathan Josue Gamez Rodriguez und Sebastian Uziel (Entwicklungsingenieure für eingebettete Hard- und Software am IMMS) mit der Sensorplattform „sUSe“ (v.l.)
sich weder vernetzen noch in ERPSysteme übertragen. Die sUSe-Plattform bildet für all diese Varianten die Basis. Hardwareseitig besteht das System aus der Plattform selbst und mehreren, über ein Druckluftsystem verteilten, vernetzten und fest installierbaren Ultraschall- und Volumenstrom- Sensoren. Die Volumenstromsensoren messen die Menge an durchfließender Druckluft an unterschiedlichen Stellen. Diese wird softwareseitig zu jener Menge in Beziehung gesetzt, die in das Druckluftsystem eingespeist wird. Die Ultraschallsensoren orten Leckagen akustisch und bewerten deren Verlust. Diese Daten werden dann fusioniert und digital verarbeitet. KI zur Zustandsüberwachung und vorausschauenden Wartung Da Druckluft für viele Anwendungen an wechselnden Stellen in unterschiedlicher Menge zugeführt wird, müssen die sUSe-Plattform und alle zugehörigen Sensoren zeitsynchron arbeiten. Die Notwendigkeit der anschließenden prozessnahen Verarbeitung mit Algorithmen (Edge-KI) ergibt sich aus den hohen Datenraten der Sensoren. In den einzelnen Druckluftverteilsystemen erfolgt eine Verarbeitung unterschiedlicher Sensor-, Maschinen- und Anlagendaten mit dem Ziel, Anomalien zu detektieren und zu bewerten, Trends zu erkennen und Prognosen zum Wartungsbedarf unter Nutzung von KI- und speziell von Machine-Learning (ML)- Methoden zu erstellen. Erst die Datenauswertung und – im Idealfall – die visuelle Ergebnisdarstellung ermöglichen dies. Maschinen und Anlagen sollten in ihrem Zustand überwacht werden, um Produktionsausfälle zu vermeiden. Beispielsweise können bei Druckluftkompressoren unterschiedliche Sensor- und Steuerungsdaten der jeweiligen Anlage im laufenden Prozess Aufschluss über Abweichungen, Fehler und absehbare Wartungsbedarfe an unterschiedlichsten Bauteilen des Kompressors geben, die sonst erst bei einem Ausfall bemerkt worden wären. Die Datenauswertung per Algorithmen ermöglicht einerseits eine Automatisierung, andererseits durch die Analyse von Mustern und Trends auch Vorhersagen. Optionen für weitere (KI-)Anwendungen Damit das System ohne Hardwareänderungen flexibel für verschiedene Anwendungen adaptiert werden kann, wurde bei den Komponenten auf eine hohe Kompatibilität geachtet und entsprechende Kommunikationsschnittstellen und -protokolle implementiert. Da die „sUSe“-Plattform über einen Steckplatz für KI-Beschleuniger verfügt, ist das System auch für das Online-Training von KI- bzw. MLModellen geeignet. Es kann daher direkt auf dem Edge-KI-System gelernt werden, weshalb es auch in der konkreten Einsatzumgebung im Unternehmen „dazulernen“ oder in Federated-Learning-Architekturen zum Einsatz kommen kann. Im Gegensatz zu mobilen Diagnosegeräten kann ein fest installiertes System auf sUSeBasis auch in Bereichen wie Roboterzellen oder automatischen Hochregallagern zum Einsatz kommen, wo Menschen keinen Zutritt haben oder dafür die Produktion unterbrochen werden müsste. Über das Monitoring von Druckluftsystemen hinaus gibt es vielseitige Einsatzpotenziale in der vorausschauenden Instandhaltung (Predictive Maintenance), der Prozessüberwachung und der Qualitätssicherung. Die modulare Plattform-Architektur ist zudem so entwickelt, dass sich sehr spezifische Marktanfragen mit unterschiedlichen Sensorkombinationen effektiv bearbeiten lassen. (IMMS) Fertigungstechnik und Künstliche Intelligenz 13 Fotos: IMMS Das Herzstück der sUSe-Plattform mit angeschlossenen Sensoren An ein Druckluftsystem angeschlossener Sensor Dr. Tino Hutschenreuther IMMS Institut für Mikroelektronik- und Mechatronik-Systeme gemeinnützige GmbH (IMMS GmbH) tino.hutschenreuther@imms.de Ansprechpartner Das Projekt sUSe wurde unter dem Kennzeichen ZF4085709PO8 gefördert durch das Bundesministerium für Wirtschaft und Energie aufgrund eines Beschlusses des Deutschen Bundestages.
GFE - Gesellschaft für Fertigungstechnik und Entwicklung Schmalkalden e.V. Fertigungstechnik und Künstliche Intelligenz 14 Fotos: GFE Schmalkalden Bei Sichtflächen und Funktionsoberflächen handelt es sich zumeist um komplexe Geometrien mit großen Prüfflächen und Hinterschnitten. Die zu erkennenden Defekte liegen in der Regel im Mikrometerbereich, wozu herkömmliche Prüfverfahren nicht im Stande sind. Die Gesellschaft für Fertigungstechnik e.V. (GFE, Schmalkalden) hat hierfür koordinierend und gemeinsam mit den Unternehmen Speck Sensorsysteme GmbH, Plasttechnik Hohleborn GmbH, Robotics GmbH sowie der TU Ilmenau (Fachgebiet Qualitätssicherung und Industrielle Bildverarbeitung) im Projekt „OptoCheck“ ein neuartiges Verfahren entwickelt, welches auch auf KITechnologien zurückgreift. Voraussetzung und Schwierigkeiten der Bauteilprüfung Kleine Schwachstellen an Bauteilen sind mit dem bloßen Auge häufig nicht sichtbar, verringern jedoch maßgeblich die Qualität. Die Probleme intensivieren sich im Gebrauch des jeweiligen Bauteils mit der Zeit durch Temperaturunterschiede, Vibrationen und ähnliches und führen schlimmsQualitätskontrolle von Maßen und Oberflächen mittels KI tenfalls zum vollständigen Defekt. Qualitätsmindernde Aspekte werden daher häufig mit hochauflösenden Kameras identifiziert. Problematisch allerdings ist, dass bisherige Verfahren die Prüfung großer Mengen von Bauteilen kaum ermöglichen. Notwendig hierfür ist einerseits die effiziente Prüfung der Kamera – zumeist mit vergrößernder Optik mit hoher Detailauflösung – und eine hochgradig akkurate Positionierung des zu prüfenden Bauteils unter der Kamera. Andererseits muss es intelligente Bildauswerte-Algorithmen geben, welche Abweichungen im jeweiligen Bauteil von Mustern vollständig funktionsfähiger Bauteile automatisch erkennen können. Die hohe Detailauflösung führt zu einem kleinen Sichtfeld und damit zur Notwendigkeit, große Flächen in mehreren Teilen aufzunehmen, welche später zu einem Gesamtdatensatz zusammengefasst werden. Aus diesem Gesamtbild sind geometrische Merkmale zu bestimmen und diese mit den Solldaten zu vergleichen. Der gesamte Ablauf muss zeitoptimiert ausgeführt werden, da das Ziel darin besteht, das System direkt in der Fertigungslinie (inline) einzusetzen und damit der Fertigungstakt die Anforderung an die Messzeit vorgibt. Insbesondere die Erzeugung von Datensätzen sowie der algorithmische Vergleich von geometrischen Ist-Daten mit den Sollwerten stellt aufgrund der hohen Datenmenge und der kurzen Taktzeit (mehrere Teile pro Sekunde) eine große Herausforderung dar. Bildauswertung durch Deep Learning Die wesentlichen Schritte zur Umsetzung der Qualitätssicherungsaufgabe bestanden in der Entwicklung einer angepassten Bilderfassung, eines Klassifikators basierend auf DeepLearning-Verfahren (sogenannten Convolutional-Neural-Networks) sowie der Validierung des Gesamtsystems im Fertigungsumfeld. Im ErgebKunststoffe, metallische Leichtbauwerkstoffe und auch technische Keramiken finden im Maschinenbau und in der Automobilbranche immer stärkere Anwendung. Die Sichtflächen sowie die Funktionsoberflächen müssen strengen qualitativen und optischen Anforderungen genügen. Prüfsystem im Fertigungs- umfeld der Plasttechnik Hohleborn GmbH Zu prüfende Kunststoffteile aus dem Automobilsektor: Reflektor und LED-Gehäuse für Kennzeichenbeleuchtung
Hochschule Schmalkalden / Technische Universität Ilmenau Fertigungstechnik und Künstliche Intelligenz 15 Foto: HS Schmalkalden Ohne die Kunststofftechnik könnten beispielsweise viele Konstruktionen gar nicht umgesetzt oder heutige Forderungen nach Energie- und Materialeffizienz nicht erfüllt werden. Umso wichtiger ist es, diesen elementaren Wirtschaftszweig effizienter und damit nachhaltiger zu gestalten. Für die Serienproduktion werden Spritzgießwerkzeuge überwiegend aus Stahlwerkstoffen hergestellt, da diese eine vermeintlich höhere Standzeit im Vergleich zu Aluminiumlegierungen aufweisen, die gegenwärtig nur für Prototypen Verwendung finden. Dabei besitzt Aluminium gegenüber Stahl eine deutlich bessere Wärmeleitfähigkeit, wodurch der Produktionsprozess erheblich verkürzt werden kann. Die Kunststoffschmelze kühlt in einer Form aus Aluminium schneller kontrolliert ab und das Bauteil kann früher entformt werden. Das spart nicht nur Zeit, sondern auch Energie und Kosten. Für nachhaltigere Produktionsprozesse sowohl im Werkzeugbau als auch im Spritzgießen ist also Smarte AluminiumSpritzgießwerkzeuge Aluminium als Werkstoff zu bevorzugen. Das Projekt AlPro (Smarte Aluminium Spritzgießwerkzeuge mittels WAAM und KI-Methoden für energieeffiziente und ressourcenschonende Produktionsprozess) zielt darauf ab, Spritzgießwerkzeuge mittels 3D-Druck aus Aluminiumlegierungen herzustellen. Im Ergebnis sollen die Werkzeuge energieeffizient, ressourcenschonend und qualifiziert für eine Serienproduktion sein. Als additives Verfahren findet ein lichtbogenbasiertes Auftragschweißen (Directed Energy Deposition-Arc (DED-Arc)) mit einer hohen Auftragrate bis 5 kg pro Stunde Anwendung. Damit können großvolumige Bauteile wie Spritzgießwerkzeuge in einem vertretbaren Zeitraum gefertigt werden. Der Vorteil imVergleich zu einem subtraktiven oder spanenden Verfahren ist die Generierung von konturnahen Temperierkanälen, die die Abkühlgeschwindigkeit nochmals erIndustrielle Produktion ist ohne spritzgegossene Produkte aus Kunststoffen wirtschaftlich, qualitativ und ökologisch nahezu unmöglich. Eine schiere Vielzahl von Produkten in unserem alltäglichen Umfeld entstammen dem Spritzgießprozess. nis des Thüringer Verbundprojektes wurde erstmalig ein fertigungsintegrierbares und flexibles Verfahren vorgestellt, das sowohl eine objektive Sichtprüfung als auch eine präzise Maßhaltigkeitsprüfung an Kunststoffbauteilen in einem einzigen System realisiert. Durch einen Knickarmroboter der Firma Kuka wird das Bauteil direkt aus der Spritzgießmaschine entnommen, unter eine speziell entwickelte Bildverarbeitungsstation gehalten, in mehreren Ansichten auf Fehler geprüft, vermessen und bei Fehlern direkt aussortiert. Für die schwarzen LED-Gehäuse sowie für die roten Reflektorbauteile konnte eine Erkennungsrate zwischen 95 und 100 Prozent in Abhängigkeit der zu erkennenden Defektklasse erreicht werden. Praktische Anwendung Das Prüfverfahren wurde prototypisch in das Fertigungsumfeld des Projektpartners Plasttechnik Hohleborn GmbH integriert und getestet. Die Defekterkennung und Vermessung ist ohne Verzögerungen im Produktionstakt möglich. Das der Entwicklung zugrundeliegende Forschungsprojekt wurde vom Freistaat Thüringen gefördert sowie durch Mittel der Europäischen Union im Rahmen des Euro- päischen Fonds für regionale Entwicklung (EFRE) kofinanziert. (gfe) Das vom Freistaat Thüringen geförderte Vorhaben wurde durch Mittel der Euro- päischen Union im Rahmen des Euro- päischen Fonds für regionale Entwick- lung (EFRE) kofinanziert. Schematische Darstellung eines additiv gefertigten Bauteils im Querschnitt Dr. habil. Daniel Garten GFE - Gesellschaft für Fertigungstechnik und Entwicklung Schmalkalden e.V. d.garten@gfe-net.de Ansprechpartner Kunststoff-Formteil WAAM-Bauteil Temperierkanal Leichtbau-/Isolierstrukturen
Fertigungstechnik und Künstliche Intelligenz 16 Fotos: TU Ilmenau, HS Schmalkalden höhen und für eine gleichmäßige Abkühlung des Bauteils sorgen. Darüber hinaus können unterschiedliche Aluminiumlegierungen stoffschlüssig eingesetzt werden. Der Grundkörper besteht aus einer günstigeren Legierung, während an der Oberfläche und insbesondere am Einspritzbereich verschleißfeste Aluminiumwerkstoffe ihren Einsatz finden. Ein besonderes Augenmerk liegt im Projekt auf demVerschleiß des Spritzgießwerkzeuges. Der Verschleißzustand wird mittels Körperschallsensorik und Computertomographie permanent überwacht. Härtemessungen und Gefügeuntersuchungen am Werkzeug komplettieren die Kontrolle. Während des Spritzgießprozesses werden die Maschineneinspritzdrücke und Temperaturen im Werkzeug aufgenommen und die gefertigten Bauteile auf Verzug und Oberflächenabweichungen untersucht. Methoden des Maschinellen Lernens (KI) führen alle gewonnenen Daten aus Prozess und Werkzeug zusammen und prognostizieren die Standzeit des Werkzeugs. Damit können in Zukunft gezielt die passenden Legierungen aus- gewählt werden, um den Verschleiß zu reduzieren, die Reproduzierbarkeit des Prozesses zu erhöhen und sowohl die Standzeit der Spritzgießwerkzeuge als auch die Bauteilqualität zu maximieren. Am Beispiel eines in einem bereits abgeschlossenen Projekt (siehe Abbildung oben) untersuchten Lebensmittelbehälters aus Kunststoff konnte bereits durch den Einsatz eines optimierten und additiv gefertigten Aluminiumspritzgießwerkzeugs die Zykluszeit um 28 Prozent reduziert, die Einfallstellen auf der Kunststoffoberfläche um 24 Prozent minimiert und die Verfügbarkeit des Werkzeugs um 139 Stunden im Monat gesteigert werden. Bei einer Gewichtsreduktion des Werkzeugs um 65 Prozent gegenüber Stahl konnten auch nach 136.000 Zyklen keine Verschleißerscheinungen festgestellt werden. Darüber hinaus weisen die Bauteile aus dem Aluminiumwerkzeug geringere Eigenspannungen auf. Mit dem Transfer der bisherigen Ergebnisse sind Thüringer Werkzeug- und Formenbauer in der Lage, neuartige und nachhaltige Spritzgießwerkzeuge zu fertigen und dabei durch Einsatz der additiven Technologie DED-Arc Energie, Material und Zeit bei der Fertigung einzusparen. Unternehmen des Werkzeug- und Formenbaus stehen in der Wertschöpfungskette der Kunststofftechnik weit vorne. Dadurch profitieren auch die mit nachgelagerten Produktionsschritten befassten Unternehmen wie Kunststoffverarbeiter durch die sinkenden Kosten im Spritzgießprozess. Zusätzlich können die gewonnenen Erkenntnisse auch auf andere Werkzeuge in der Stanz- und Umformtechnik übertragen werden. (hsm/tu) Förderung des Vorhabens durch den Freistaat Thüringen über Thüringer Aufbaubank, Förderprogramm: Richtlinie zur Förderung der Forschung (FOR-Richtlinie), Vorhabens-Nr.: 2020 FGI 0043 Aufbau eines Werkzeugs mit innen liegenden Temperierkanälen mittels DED-Arc-Prozess aus einem abgeschlossenem Projekt Verringerte Eigenspannung durch homogene Abkühlung im Aluminiumwerkzeug Dr. Jörg Hildebrand Technische Universität Ilmenau Fachgebiet Fertigungstechnik joerg.hildebrand@tu-ilmenau.de M.Eng. Johannes Ullrich Hochschule Schmalkalden Angewandte Kunststofftechnik (AKT) j.ullrich@hs-sm.de Ansprechpartner Aluminium Isokline Stahl Ausschnitt 1 Ausschnitt 2 Ausschnitt 3 Nachbearbeitung
RkJQdWJsaXNoZXIy NDE3NTI=