KI is watching – Qualitätskontrolle in der Produktion

Wenn es für das menschliche Auge zu schnell oder zu klein wird, kann künstliche Intelligenz (KI) unterstützen. KI-Lösungen können dazu beitragen, Prozesse für Mensch, Maschine, Material effizienter zu gestalten. Was sind die Stärken und was die vielversprechendsten Einsatzszenarien? 

Die zwei größten Treiber für den Einsatz von künstlicher Intelligenz (KI) in der Produktion sind Qualität und Nachhaltigkeit. So die Aussage von Britta Hilt, Geschäftsführerin von IS Predict im Gespräch mit Tobias Kasper (T-Systems Automotive & Manufacturing Industries). 

Schlechte Qualität erkennen, bevor das Produkt beim Kunden ist. Das ist für alle Unternehmen wichtig. Für Unternehmen, die wie die deutsche Automobilindustrie in einem hochpreisigen Umfeld tätig sind, umso mehr. Werfen wir beispielhaft einen Blick in die Produktion der Karosserie. Hier setzen Schweißroboter Schweißpunkte im Sekundentakt. Eine KI-Lösung kann nicht nur die Position der einzelnen Schweißpunkte erfassen, sondern auch ihre Qualität bewerten. Und das, bevor die Karosserie zum nächsten Produktionsschritt weitergeleitet wird. Doch die Unterstützung durch KI kann noch einen Schritt weitergehen: Sie kann Qualitätsmängel nicht nur erkennen, sondern auch deren Auftreten prognostizieren. Die Basis hierfür sind die im Laufe des Produktionsprozesses erhobenen Daten. Aus dieser Datenvielfalt kann die KI analysieren, wo Qualitätsmängel auftauchen können. Und deren Ursache definieren. Das gibt Unternehmen die Möglichkeit vorrausschauend gegenzusteuern – bevor Mängel auftreten.

Nachhaltigkeit – und hier insbesondere der Energieverbrauch in der Produktion – ist so Hilt das zweite große Einsatzfeld für KI. Energiekosten machen gerade in energieintensiven Industrien einen Großteil der Kosten aus. Zusätzlich sind Unternehmen rechtlich dazu verpflichtet, ihren CO2-Fußabdruck zu dokumentieren. Eine KI gestützte Analyse der Produktionsprozesse schafft Klarheit. Sie zeigt, wo zu viel Energie verbraucht wird. Das hilft Möglichkeiten zu identifizieren, um den Energieverbrauch zu senken. Dabei stellt die KI zusätzlich sicher, dass die Veränderungen im Produktionsprozess die Qualität des Produktes nicht beeinträchtigen. 

Finden Sie das nicht auch ein bisschen …mysteriös? Da füttert man eine künstliche Intelligenz mit Daten, und schon spuckt sie eine perfekte Lösung aus. Und basierend auf dieser Empfehlung soll nun ein Unternehmen seine Produktionsprozesse anpassen, die mit viel Fachwissen über Jahre optimiert wurden? Den meisten Beteiligten wird es schwerfallen, einer KI einfach blind zu vertrauen. Da kommt die „erklärende“ beziehungsweise „adaptive“ KI ins Spiel. Begriffe, die Unternehmen, die den Einsatz von KI-Lösungen planen, gehört haben sollten. Eine „erklärende KI“ erklärt – wie der Name vermuten lässt - ihre Erkenntnisse. Sie stellt sie mensch- und maschinenlesbar dar. So kann der Kunde die Ergebnisse der KI nachvollziehen. Er muss der KI bei der Entscheidung, wo und wie er in seinen Produktionsprozess eingreift, nicht blind vertrauen. Bei dem „wie“ kann ihn die „adaptive KI“ zusätzlich unterstützen. Sie liefert Analysen, welche Veränderung am sinnvollsten ist. Eine Abwägung, die besonders in hochkomplexen Produktionsprozessen extrem hilfreich ist. Das alles erläutert Hilt sehr anschaulich anhand von konkreten Anwendungsbeispielen aus verschiedenen Branchen.

Doch neben diesen wissenschaftlichen Betrachtungen der Technologie, stellt sich noch eine andere, wichtige Frage. Es gibt Projekte, die in einer Testumgebung technisch wunderbar funktionieren. Die aber operativ nie umgesetzt wurden. Was also sind die Voraussetzungen für ein erfolgreiches KI-Projekt? Die Antwort darauf geben Britta Hilt und Tobias Kasper in ihrem ExpertTalk. Hören Sie selbst!