Künstliche Intelligenz löst Alltagsproblem im Maschinenbau

• Künstliche Intelligenz (KI) und maschinelles Lernen sind in mehr und mehr Bereichen präsent.
• Auch im Maschinen- und Anlagenbau kommen immer häufiger KI-basierte Produkte und Prozesslösungen zum Einsatz.
• Kleinen und mittelständischen Unternehmen der Branche fehlt jedoch häufig das entsprechende Know-how.
• Zwei Wissenschaftler vom Fraunhofer-Institut für Produktionstechnik und Automatisierung (IPA) wollen das nun mit Unterstützung der Klaus Tschira Stiftung ändern.

Forschende vom Fraunhofer-Institut für Produktionstechnik und Automatisierung (IPA) haben mit Unterstützung der Klaus Tschira Stiftung einen KI-Demonstrator für den Hörsaal entwickelt: das „KIstle“. Dieses zeigt anschaulich anhand eines Alltagsproblems aus dem Maschinenbau, wie sich künstliche Intelligenz gewinnbringend einsetzen lässt.

Der Softwareanteil an Maschinen und Anlagen nimmt seit Jahren stetig zu. Diesem Umstand wird in den Lehrplänen von Berufsschulen oder Universitäten bisher jedoch nur wenig Rechnung getragen. Hartmut Eigenbrod von der Abteilung Bild- und Signalverarbeitung am Stuttgarter IPA fasst es so zusammen: „Unter Studierenden besteht ein reges Interesse an modernen Technologien, etwa an künstlicher Intelligenz oder am Einsatz von erneuerbaren Energien. Diese Technologien haben eine hohe Relevanz für zukünftige Maschinenbau-Absolventen und sind daher Bestandteil von Lehrveranstaltungen des Maschinenbaus. Durch die Schaffung attraktiver Lehrformate möchten wir die Studierenden möglichst früh mit dem praktischen Einsatz von KI vertraut machen und sie für dieses Thema begeistern.“

Produktionsleiter setzen verstärkt auf künstliche Intelligenz

Schadhafte Kugellager sind zum Beispiel in der Industrie ein alltägliches Ärgernis. Tauscht man sie nicht rechtzeitig aus, können sie kostspielige Maschinenausfälle verursachen. Um das zu vermeiden, setzen Produktionsleiter immer häufiger auf künstliche Intelligenz. Denn diese kann Defekte frühzeitig erkennen und melden. Diesen Trend, die Produktion mit KI zu optimieren, greifen Eigenbrod und sein Kollege Christoph Birenbaum von der Abteilung Leichtbautechnologien am Fraunhofer IPA auf. Die beiden Forscher wollen Studierenden die Grundlagen der KI möglichst praxisnah und anschaulich vermitteln. Eigens zu diesem Zweck haben sie ihr Unterrichtsmaterial selbst entwickelt: das „KIstle“.

KI-Demonstrator für Vorlesungen

Das „KIstle“ ist ein Koffer, schwäbisch: Kistle. Diesen schwarzen Koffer nehmen Birenbaum und Eigenbrod nun in Vorlesungen mit. Darin befindet sich ein Lernsystem, das den Einsatz von KI anhand eines Alltagsbeispiels aus dem Maschinen- und Anlagenbau darstellt: die Überwachung von Lagern auf Schäden. Es beleuchtet dabei die interdisziplinären Zusammenhänge zwischen Hardware, Software und KI-Algorithmen. Vorteil dabei: Es beinhaltet neben dem mechanischen Aufbau mit Antriebsmotor, Welle und Lagern zudem einen portablen Computer mit Komponenten zur Messdatenerfassung, Datenanalyse und Visualisierung.

Der KI-Demonstrator lässt sich innerhalb weniger Minuten aufbauen und in Betrieb nehmen. Zunächst wird dabei der Antriebsmotor einfach laufengelassen. „Das dient dem Einlernen der KI-gestützten Überwachung“, erklärt Birenbaum. „So lernt die KI, wie sich eine Wellenlagerung im reibungslosen Betrieb verhält.“ Nach einer Minute wird der Demonstrator angehalten und eines der intakten Kugellager durch ein defektes ausgetauscht. Danach wird die Wellenlagerung erneut in Gang gesetzt, und die KI überwacht den Betrieb. „Die Sensoren erfassen nun untypische Schwingungen und die KI meldet einen Schaden“, erklärt Eigenbrod.

Vorgehen bei der Überwachung eines Lagers

Den Studierenden lernen so mit Unterstützung der Klaus Tschira Stiftung, angepasst an die Dauer einer Vorlesung, das komplette Vorgehen bei der Überwachung eines Lagers kennen. Dies umfasst eine theoretische Einführung in die Konzepte der Sensorik, Datenerfassung, Prozessüberwachung und Anomalie-Erkennung. Darüber können die Studierenden die theoretischen Konzepte praktisch erfahren, indem sie in einer gemeinsamen Übung Messdaten am mechanischen Aufbau des „KIstle“ aufnehmen und auswerten. Birenbaum und Eigenbrod hoffen nun, dass Dozentinnen und Dozenten in ganz Deutschland ihrem Beispiel folgen und die praxisnahe Vermittlung des Themas KI im Maschinenbau voranbringen.

Bild oben: „KIstle“ im Einsatz im Vorlesungsbetrieb. Bildquelle: Fraunhofer IPA /Rainer Bez

Weitere Informationen: www.ipa.fraunhofer.de und www.klaus-tschira-stiftung.de

Erfahren Sie hier mehr über maschinelles Lernen für mehr Qualität in der additiven Serienfertigung.

Lesen Sie außerdem: „Supercharging von Elektroautos: Wie sich Dichtungsmaterialien und Kühlfluide vertragen“