Wo genau liegen die Potenziale von KI für Werkzeugmaschinenhersteller? Das hat Eike Rodenbäck vom DFKI im Projekt ‚Künstliche Intelligenz für Werkzeugmaschinen‘ (KI4WZM) untersucht – und wurde dafür am 17. September mit dem Preis Forschungsprojekt des Jahres des VDW-Forschungsinstitut ausgezeichnet.
„Eike Rodenbäck bringt die Werkzeugmaschinenbranche ein gutes Stück weiter auf dem Weg der digitalen Transformation“, sagt Dr. Alexander Broos, Geschäftsführer des VDW-Forschungsinstituts. „Seine Ergebnisse helfen gerade unseren mittelständischen Mitgliedern, die Frage zu beantworten, wo und wie sie KI gezielte einsetzen können – in Anwendungsfällen, die Nutzen stiften und mit KI-Modellen, die für diese Aufgaben geeignet sind. Da er dies in hervorragender Weise herausgearbeitet hat, wurde Eike Rodenbäck zum Preisträger erkoren.“
Erste Hinweise, wo Herausforderungen liegen könnten, haben die VDW-Mitglieder selbst gegeben. Darauf aufbauend identifizierte Rodenbäck Anwendungsfelder, in denen KI die Unternehmen der Branche wirtschaftlich sinnvoll unterstützen könnte. Die eigentliche Umsetzung in konkrete vorwettbewerbliche Projekte erfolgt dann zu einem späteren Zeitpunkt.
Automatisiertes Wissensmanagement und Fehlerdiagnose
Dazu zählt zum einen das Feld des Wissensmanagements. Gerade in Zeiten, in denen viele Mitarbeitende in absehbarer Zeit aus dem Berufsleben ausscheiden werden, ist die automatisierte Dokumentation von Prozesswissen wichtig, um den Verlust von Knowhow zu minimieren. „Noch immer sammeln Unternehmen verschiedenster Branchen Daten einfach in Excel-Tabellen, die manuell geführt werden“, gibt Eike Rodenbäck zu bedenken. „Sie werden kopiert und hin- und hergeschoben. Das öffnet natürlich Fehlern und Datenverlust Tür und Tor.“
Eine im Rahmen von KI4WZM entwickelte Projektidee ist die automatisierte Dokumentation von Softwarecode. Dabei könnten die KI-gestützte Analyse bestehender Codebasen sowie der Abgleich mit vorhandenen Dokumentationen dazu beitragen, vorhandenes Wissen zu sichern, auch wenn erfahrene Mitarbeitende das Unternehmen verlassen. Künstliche Intelligenz kann aber auch bei der Fehlerdiagnose unterstützen. Rodenbäck legte bei seiner Arbeit dabei den Fokus auf Fälle, in denen das Problem bereits aufgetreten ist. „Oft wird ein Fehler gemeldet, nicht aber gleich die Ursache gefunden“, erläutert der 28-jährige Ingenieurinformatiker. Bei einer multimodalen Diagnoseunterstützung werden Steuerungsalarme mit Logdateien, Laufzeitdaten und Maschinendokumentationen verknüpft, um die Ursachen schneller zu identifizieren und auch gleich Handlungsempfehlungen bereitzustellen. „Damit könnten sich Stillstandzeiten verkürzen und der Serviceaufwand verringern.“
Prozessoptimierung auch ohne Cloud
Nicht zuletzt lassen sich Prozesse automatisiert optimieren – ebenfalls ein Feld, in dem Werkzeugmaschinenhersteller mithilfe von KI die Effizienz ihrer Produktion steigern können. Um datenbasierte Vorschläge für Parameter wie Drehzahl, Vorschub oder Zustellung unter Berücksichtigung von Material, Werkzeug, Prozessdaten und Qualitätszielen zu erhalten, sind auch nicht immer die großen, energieintensiven KI-Modelle notwendig. Einfachere bzw. lokal ausführbare Modelle, die ohne die Anbindung an externe Cloud-Server eingesetzt werden können, sparen nicht nur Geld, sondern auch Energie.
„KI bietet in der Werkzeugmaschinenbranche großes Potenzial – aber nicht jede Herausforderung braucht dafür ein hochkomplexes Modell“, fasst Rodenbäck zusammen. „Entscheidend ist, dort anzusetzen, wo Unternehmen einen konkreten Bedarf haben und geeignete Daten verfügbar sind. Genau diese Verbindung von technologischen Möglichkeiten und Anforderungen aus der Praxis war für uns bei KI4WZM besonders wichtig.“
