Motivation
Der Fachkräftemangel und der altersbedingte Wegfall von Expertenwissen schwächt die Wettbewerbsfähigkeit Deutschlands im produzierenden Gewerbe und gefährdet somit den Wirtschaftsstandort Deutschland.
Ziele und Vorgehen
Das Verbundvorhaben „LearnTU“ hat es sich daher zum Ziel gesetzt, Künstliche Intelligenz zur Konservierung und Bereitstellung von erlerntem Expertenwissen zu nutzen, um neue Mitarbeitende effizient und zielführend einzuarbeiten. Wenig erfahrene Maschinenbedienende sollen in ihrer Entscheidungskompetenz mittels eines audiovisuellen Feedbacks unterstützt werden und damit schnell qualitativ hochwertige Arbeitsergebnisse erzielen und Ausschuss nahezu komplett vermeiden. Als Einsatzgebiet fokussiert das Vorhaben den Dreh-Fräs-Prozess. Dabei handelt es sich um ein Fertigungsverfahren, bei dem nach und nach Späne von einem Rohmaterial entfernt werden. Das Ergebnis ist ein Werkstück mit geometrisch bestimmter Gestalt. Die Kosten der Prozessüberwachung sollen durch das Vorhaben deutlich reduziert werden. Bisher werden hierbei hochwertige Sensoren eingesetzt. Die Idee ist, diese anhand mehrerer, preiswerter Sensoren sowie der Analyse und Kombination von weiteren Daten, z.B. aus der Maschinensteuerung, zu ersetzen. Die zu entwickelnde KI soll diesen Datenpool auswerten, um Informationen zu der voraussichtlichen Werkstückqualität sowie Handlungsempfehlungen zu generieren.
Innovationen und Perspektiven
Das neu zu entwickelnde System wird beim Partner Sauter Feinmechanik GmbH in der Praxis getestet und evaluiert. Damit soll sichergestellt werden, dass ein breiter Einsatz des Systems für die späteren Anwenderinnen und Anwender aus wirtschaftlicher Sicht sinnvoll ist. Dies ist vor allem vor dem Hintergrund des steigenden Kostendrucks im weltweiten Wettbewerb innerhalb der Branche wichtig.