Das gleiche gilt für den Zustand einer Maschine oder einer ganzen Baureihe von Lasersystemen – auch hier lassen sich Veränderungen über die Zeit oder über eine Reihe von Maschinen verfolgen. Dabei entstehen erhebliche Datenmengen, die vor Ort oder zentralisiert verarbeitet werden. Auch Bilder bestehen aus riesigen Datenmengen, bei ihrer Auswertung hat sich künstliche Intelligenz bereits etabliert. Die Systeme werden trainiert und können danach Abweichungen von der Norm oder gar Fehler bzw. Fehlfunktionen erkennen und eindeutig klassifizieren.
"Diese Fähigkeiten der KI sind bekannt, jetzt geht es darum, neue Maschinen zu bauen, die von vornherein so konzipiert sind, dass sie die Potenziale von KI optimal nutzen können" beschreibt Professor Carlo Holly einen wichtigen Trend. "Die Sensorik und die Algorithmen müssen zueinander passen und am besten von Anfang an aufeinander abgestimmt geplant werden", ergänzt er.
Das nächste Ziel sind selbstlernende Maschinen. Sie sollen in vier Schritten arbeiten: Zuerst generieren die Sensoren die Daten aus dem Prozess. Dann werden die Daten analysiert und verstanden, also anhand von vorhandenen Daten interpretiert. In einem dritten Schritt wird simuliert, wie sich die Ergebnisse des Prozesses weiterentwickeln. Dafür kann die bisherige Tendenz fortgeschrieben oder der Einfluss bestimmter Parameter simuliert werden. Das ermöglicht den vierten Schritt: Eine Regelung des Systems. Bislang wird KI vor allem für die Qualitätsüberwachung und vorausschauende Wartung der Maschine eingesetzt. Ein geschlossener Regelkreis ist das "next big thing".
Mit der fortschreitenden Verfügbarkeit digitaler Prozessdaten kann die KI aber noch mehr. Die Daten aus der Vergangenheit erlauben es, für eine neue Bearbeitungsaufgabe und ein bestimmtes Material einen Parameterbereich zu errechnen, in dem der Prozess gut laufen sollte. Bei der Planung und der Einrichtung eines neuen Bearbeitungsprozesses lassen sich so Zeit und Ressourcen und somit Geld sparen.
"Die KI kann innerhalb von Multiparametersystemen eine optimale Lösung finden, für die ein Mensch zumindest sehr viel mehr Zeit bräuchte", erklärt Holly. Mit der KI lassen sich neue Prozesse im Computer erproben, wie man es von digitalen Zwillingen im Bereich Industrie 4.0 kennt. Die Komplexität hat dabei noch eine andere Dimension: "Bei diesen Hightech-Systemen besteht die Herausforderung zunehmend darin, Nachwuchs mit einer passenden Mehrfachqualifikation zu finden", so Holly. Denn wer so ein System simulieren und planen will, sollte Kenntnisse in Maschinenbau, Informatik und Physik mitbringen.
"Wir sehen KI schon in der Anwendung, aber das ist erst der Anfang" beschreibt Holly den Status Quo.
COMPAMED.de; Quelle: Fraunhofer-Institut für Lasertechnik ILT
