GenSATIOn-Edge

Die Metallindustrie zählt zu den wichtigsten Branchen in Nordrhein-Westfalen und steht vor der Herausforderung, ihre Produktionsprozesse effizienter, digitaler und nachhaltiger zu gestalten. Unerwartete Maschinenausfälle – etwa bei Fräsmaschinen – verursachen hohe Kosten und Produktionsstillstände. Intelligente Reststandzeitvorhersage und vorausschauende Wartung können diese Risiken minimieren und die Wettbewerbsfähigkeit der Branche langfristig sichern.

Das Projekt GenSATIOn-Edge verfolgt das Ziel, selbstlernende KI-Modelle, die den Maschinenzustand kontinuierlich analysieren und Verschleiß bzw. drohende Ausfälle frühzeitig erkennen, ressourceneffizient auf eingebetteten Edge-Sensorknoten nutzbar zu machen. Hierzu sollen ein neuartiger, intelligenter Sensorknoten entwickelt und die komplexen neuronalen Netze optimiert werden, sodass diese ressourceneffizient auf kleinsten Mikrocontrollern lauffähig sind. Der Einsatz dieses Ansatzes in der Praxis wird anhand einer Reststandzeitvorhersage von Fräswerkzeugen auf Basis lokaler Datenanalyse mittels eingebetteter Sensorknoten in einer produktiven industriellen Umgebung demonstriert.

Durch diese Effizienzsteigerung lassen sich erhebliche CO₂-Einsparungen erzielen – Schätzungen zufolge bis zum Faktor 400 im Vergleich zu herkömmlicher KI.

Das Fraunhofer IMS entwickelt gemeinsam mit der GED Gesellschaft für Elektronik und Design mbH, der Hochschule Ruhr-West, der R&R-Formentechnik und der Formtec GmbH ein intelligentes Sensorsystem mit lokaler Datenanalyse, das direkt an industriellen Anlagen – etwa Fräsmaschinen – angebracht wird.

Das System nutzt Deep-Learning-Algorithmen zum selbstüberwachten Lernen, um Produktionsprozesse in Echtzeit zu überwachen und Verschleiß frühzeitig zu erkennen. Eine zentrale Herausforderung besteht darin, Merkmale zu identifizieren, die auf erhöhten Verschleiß hindeuten. Dazu wird das Expertenwissen der Maschinenoperatoren aktiv in die Entwicklung der Modelle einbezogen – eine sogenannte Human-in-the-Loop-Pipeline.

So entsteht ein lernfähiges, energieeffizientes und praxisnahes KI-System, das die Zuverlässigkeit industrieller Fertigung erheblich steigert.