Auf den ersten Blick lassen sich Deep Learning, intelligente Navigation und denkende Roboter nicht mit den täglichen Prozessen in einem mittelständischen Industrieunternehmen verknüpfen. Wahrscheinlich ein Grund dafür, dass viele heute noch tatenlos bleiben. Doch gerade klassische Fertigungsprozesse können mithilfe neuer Technologien effizienter gemacht werden. Unternehmer, die bereits auf KI-Methoden setzen, erwartet eine höhere Produktivität und Umsatzsteigerung.

Ausschussware automatisch aussortieren

Entspricht ein Bauteil den Vorgaben? Ist das Material vollständig und hat es die richtigen Maße? Lernende Bildverarbeitung ist die Basis dafür, dass Roboter den Zustand von Materialien bewerten können. Der Inspector stammt aus der Apas-Familie von Bosch . Er prüft, je nach Modell, glatte oder matte Oberflächen und erkennt Beschädigungen wie Macken, Kratzer oder Mikrorisse. Dieses Können basiert auf lernender Bildverarbeitung: Der Inspector überträgt die Muster selbstständig auf die folgenden Qualitätsprüfungen.

Die Erkennungsleistung der Maschine können Mitarbeiter stetig verbessern, indem sie ihm immer neue Teile mit Abweichungen zeigen und so trainieren, was noch zu tolerieren und was als Ausschussware auszusortieren ist. Das System analysiert die Bilder und speichert sie. Da die einzelnen Module des Roboters ausgetauscht werden können, ist es möglich, innerhalb kurzer Zeitspannen neue Prüfungen durchzuführen.

Deep-Learning-Software: Ein richtig guter Zuhörer

Sehen ist aber nur eine der Paradedisziplinen speziell trainierter KI-Systeme. Hören ist eine andere. So stellt das israelische Unternehmen 3DSignals auf der HANNOVER MESSE ein intelligentes System für "akustisches Condition Monitoring" vor. Hinter dem hochtrabenden Begriff verbirgt sich bislang etwas sehr Pragmatisches: Erfahrene Maschinenbetreiber und Instandhalter erkennen am Klang einer Anlage, ob diese "rund läuft". Im besten Fall können sie sogar drohende Ausfälle vorhersagen. Solche Treffer sind natürlich nicht völlig zuverlässig – und sie binden Personal. Beides soll Predisound ändern. Das System besteht aus zahlreichen, in den zu überwachenden Maschinen verbauten, Ultraschallsensoren. Sie nehmen das komplette Klangspektrum während des Betriebs auf und senden die Daten an eine zentrale Software, die auf einem neuronalen Netz basiert. Per Deep Learning erkennt diese nach und nach immer präziser, welche Abweichungen im Klangbild kritisch sein könnten. So lassen sich Anomalien entdecken, die einem Menschen verborgen blieben. Mit Predictive-Analytics-Algorithmen ausgestattet, lassen sich so Ausfallwahrscheinlichkeiten und -zeiträume einzelner Maschinenteile vorhersagen. Der Wartungstechniker wird automatisch informiert, bevor es zu einem Schaden kommt – und damit zum Stillstand einer Anlage. Fixe Prüfintervalle sind deshalb nicht mehr notwendig.

Der lernende Roboter

Ebenfalls Menschen unter die Arme greifen kann Franka Emika . Ein in seinen Bewegungen besonders feinfühliger, weil dem Menschen nachempfundener Leichtbau-Roboterarm. Das mittelfristige Ziel des Entwicklers Sami Haddadin: aus Franka einen lernfähigen Roboter machen, der nicht mehr programmiert werden muss. Der Mensch gibt eine Aufgabe vor und Franka probiert selbst, wie diese Aufgabe an besten zu lösen ist. Der Clou: Hat Franka die effizienteste Vorgehensweise entdeckt, gibt sie die Information via Cloud an andere Roboter weiter. Für den Produktionsbetrieb fällt somit die aufwendige Programmierung weg. Aktuell wird Franka noch über eine App-Steuerung auf seinem Display bedient. Zu den Pilotkunden zählen Akteure aus Elektronik, Chemie oder Logistik.

Welche Möglichkeiten gibt es für Ihr Unternehmen? Auf der HANNOVER MESSE lernen Sie konkrete Lösungen kennen, mit denen Industrieunternehmen jeder Größe ihre Fabrik mit intelligenten Systemen ausrüsten können. Beispielsweise im Rahmen der internationalen Leitmesse Digital Factory und Integrated Automation, Motion & Drives .