Motivation
Der Einsatz von Künstlicher Intelligenz (KI) bietet großes Potenzial, um komplexe Zusammenhänge in der industriellen Fertigung weiter zu optimieren. Jedoch haben kleine und mittlere Unternehmen (KMU) häufig Schwierigkeiten, KI konkret in ihren Betrieben anzuwenden. Diese Schwierigkeiten können beispielsweise durch unzureichende Datenmengen oder fehlendes KI-Fachwissen entstehen. KMU sind zudem besorgt um den Schutz ihres geistigen Eigentums, was das Teilen von Prozessdaten erschwert. Um diese Herausforderungen zu bewältigen, wird ein neuer Ansatz für eine unternehmensübergreifende Zusammenarbeit zur KI-Entwicklung im Bereich von Ultraschall-Schweißprozessen erprobt. Das Ziel ist es, die manuelle Qualitätskontrolle zu automatisieren.
Ziele und Vorgehen
Im Projekt FLUSH soll die Qualität ultraschallgeschweißter Bauteile künftig mithilfe von maschinellem Lernen in mehreren Produktionsstätten sichergestellt werden. Dadurch sollen herkömmliche, manuelle Tests ersetzt und eine umfassendere Qualitätssicherung ermöglicht werden. KI-Modelle werden dabei lokal bei jedem Partner trainiert und anschließend über einen sogenannten Federated-Learning-Ansatz verschlüsselt zusammengeführt. Auf diese Weise wird das schutzbedürftige, wettbewerbsrelevante Know-how effektiv bewahrt, während jeder Partner von einem kombinierten, stärkeren KI-Modell profitiert. Die im Betrieb vorhandene Messtechnik wird genutzt und lediglich um lokale Rechenkapazität ergänzt. Dadurch wird eine kostengünstige Umsetzung der Prozesskontrolle von ultraschallgeschweißten Bauteilen mittels KI ermöglicht.
Innovationen und Perspektiven
Dieser Ansatz ermöglicht eine wirtschaftliche hundertprozentige Kontrolle von Bauteilen. Er ist damit besonders für KMU geeignet, da sie auch mit ihren eigenen kleineren Datenmengen KI-Modelle trainieren können. Damit wird demonstriert, wie KI in der Produktion von KMU unternehmensübergreifend, nachhaltig und kosteneffizient eingesetzt werden kann.