Roboter übernehmen schon seit langem physische Bewegungen und sich wiederholende Aufgaben. Das ist alles schön und gut, bis es in Ihrer Fertigung zu Verzögerungen kommt: Material wartet darauf, in die Maschine geladen zu werden, geschnittene Teile liegen unsortiert herum und nachgelagerte Arbeitsschritte stehen still.
Dann kann KI ins Spiel kommen und zu gegebener Zeit eine echte Wende herbeiführen. Was kann sie dem Prozess hinzufügen? Die Fähigkeit, Produktionsdaten zur Entscheidungsfindung zu nutzen. Wie Sheet Metal Industries es ausdrückt, kann KI „Daten in Entscheidungskraft“ verwandeln, indem sie Informationen nutzt, um Veränderungen zu erkennen und Reaktionen zu verbessern. Das klingt trivial oder nach etwas, das ein erfahrener Bediener allein aus dem Bauch heraus tun kann – ist es aber nicht.
Automatisierung ist ideal, wenn der Prozess vorhersehbar ist. Solange alles beim Alten bleibt, gibt es keine Probleme. Komplizierter wird es, wenn sich dieser Ablauf ändert. Aufträge mit unterschiedlichen Prioritäten gehen ein, Maschinen stehen nicht zur Verfügung, Material liefert sich verspätet oder ein nachgelagerter Arbeitsschritt dauert länger als erwartet. Ein zu Beginn einer Schicht erstellter Zeitplan spiegelt dann möglicherweise nicht mehr wider, was einige Stunden später in der Produktion tatsächlich vor sich geht.
KI kann diese Veränderungen in Echtzeit erkennen und Ihren Zeitplan entsprechend anpassen. Das können auch Ihre erfahrensten Mitarbeiter. Was sie jedoch wahrscheinlich nicht können, ist vorherzusagen, wann und wo Probleme auftreten werden. Eine Studie zu KI-Anwendungen in der Blechumformung beschreibt, wie Daten genutzt werden können, um Muster zu erkennen, bevor Prozessabweichungen sichtbar werden, und so die Fertigung in Richtung einer proaktiveren Steuerung zu lenken.
Die vorausschauende Instandhaltung folgt demselben Prinzip. Sensordaten wie Vibrationen, Temperatur oder Nutzungsmuster können Veränderungen aufzeigen, bevor diese zu einem unerwarteten Ausfall führen, sodass die Wartung geplant werden kann, anstatt erst durch einen Ausfall ausgelöst zu werden.
Wir sprechen hier von einem Wandel von einer reaktiven hin zu einer mühelosen, vorausschauenden Produktion. Etwas, das bisher eher nach Science-Fiction oder Wunschdenken als nach Realität geklungen hätte.
Was Beispiele angeht, bietet unsere Branche besonders viele Möglichkeiten, da sie eine Abfolge eng miteinander verbundener Tätigkeiten umfasst: Lagerung, Schachtelung, Zuschnitt, Entladung, Sortierung und Weiterverarbeitung.
Und gerade das Laserschneiden macht diese Zusammenhänge noch deutlicher. Mit steigender Schnittgeschwindigkeit gewinnt die Zeit, die zum Einlegen des nächsten Blechs und zum Entnehmen des vorherigen benötigt wird, stark an Bedeutung.
Wo kommt KI beim eigentlichen Schneiden zum Einsatz? Verschachtelungssoftware kann mithilfe von Algorithmen die Materialausnutzung verbessern. Überwachungssysteme können ungewöhnliche Zustände oder sich abzeichnende Engpässe erkennen. Die Qualitätskontrolle ist ein weiteres Beispiel. KI-gestützte Bildverarbeitung kann Bilder analysieren und Daten bereits während der Produktion verarbeiten, anstatt zu warten, bis eine fertige Charge geprüft wird. Bei Umformungsanwendungen werden Systeme mit maschinellem Lernen untersucht, um Fehler wie Risse, Faltenbildung, Rückfederung und übermäßige Ausdünnung vorherzusagen. Das Ergebnis ist ein System, in dem einzelne Maschinen weniger isoliert von den umliegenden Arbeitsabläufen sind.
Als „The Fabricator“ hervorhebt, kann ein Hersteller über hochproduktive Anlagen verfügen und dennoch an anderer Stelle in der Prozesskette Kapazitäten einbüßen. Hier kann KI helfen, indem sie das tut, was sie am besten kann: riesige Informationsmengen in Sekundenschnelle verarbeiten – etwas, wozu der menschliche Verstand einfach nicht in der Lage ist. Sie kann Verkaufs- und Angebotsdaten auswerten oder Produktionswissen nutzen, um die Kalkulation und Konstruktion zu unterstützen. Damit wird das Konzept der vernetzten Produktion über die Maschinen hinaus erweitert. Ziel ist es, Verzögerungen auch zwischen den Phasen Vertrieb, Planung und Produktion zu reduzieren.
Natürlich kann der Beitrag der KI nur so gut sein wie die Daten, mit denen man sie füttert. Fragmentierte oder schlecht organisierte Daten schränken den Nutzen ein, den KI erbringen kann, unabhängig von ihrer Ausgereiftheit (und ihren Kosten).
Software, Maschinen und Fördertechnik müssen daher Informationen korrekt austauschen, und auch Bediener und Techniker müssen die Systeme gut genug verstehen, um deren Ergebnisse bei Bedarf hinterfragen zu können.
Das gleiche Prinzip gilt auch für den Ingenieurbereich. KI kann zwar dabei helfen, übersehene Details zu erkennen oder Routinearbeiten zu beschleunigen, doch müssen erfahrene Fachleute das Ergebnis weiterhin überprüfen.
Die allgemeine Richtung geht nicht einfach nur hin zu mehr Robotern oder mehr KI. Sie geht hin zu einem besseren Informationsaustausch zwischen Mensch und Maschine. So sieht es auch das NIST die Entwicklung der KI in der intelligenten Fertigung definiert: Der Fortschritt hängt nicht nur von Algorithmen ab, sondern auch von Interoperabilität und Integration.
Für Blechverarbeiter bedeutet dies, dass der Nutzen der KI zunehmend an einem praktischen Kriterium gemessen wird: daran, ob sie dazu beiträgt, dass Material, Informationen und Aufträge mit weniger Unterbrechungen durch die Produktion fließen.
