AIT entwickelt KI-Plattform für Produktionsbetriebe

Das LKR Leichtmetallkompetenzzentrum Ranshofen des AIT Austrian Institute of Technology leitet ein Konsortium, das eine durchgängige Lösung für den industriellen KI-Einsatz entwickelt. Die Plattform AIPCell – Artificial Intelligence-driven Production Cell – umfasst die hochfrequente Datenerfassung, Machine-Learning-Pipelines, KI-Modelle und Echtzeitverarbeitung direkt an Produktionsanlagen. Getestet wird die Technologie in den Bereichen Gießen, Umformen und Leiterplattenproduktion. Das Projekt berücksichtigt auch Anforderungen industrieller IT- und OT-Umgebungen sowie regulatorische Vorgaben wie den EU AI Act.

Hohe Einstiegshürden für KMU

Künstliche Intelligenz könnte Produktionsprozesse effizienter, resilienter und ressourcenschonender machen. Für viele kleine und mittlere Unternehmen ist der Einstieg jedoch mit hohen technischen, wirtschaftlichen und organisatorischen Hürden verbunden. Oft fehlen spezialisierte KI-Kompetenzen, geeignete Dateninfrastrukturen und standardisierte Prozesse für Datenerfassung, Datenaufbereitung, Modelltraining und den laufenden Betrieb von KI-Anwendungen. Es gibt auch Fragen zu Kosten, Cloud-Ressourcen und rechtlichen Anforderungen. Dazu kommt die Frage, wie IT und OT (Technik für Maschinen und Anlagen) zusammenarbeiten. In modernen Produktionsanlagen fallen sehr viele schnelle Daten an, zum Beispiel aus Akustik, Schwingungen, Bildverarbeitung und Maschinensteuerungen. Diese Daten könnten für die Qualitätsüberwachung, das Erkennen von Auffälligkeiten und die vorbeugende Wartung genutzt werden. Das passiert aber bisher oft nur zum Teil.

Edge-KI direkt an der Maschine

AIPCell soll den Einstieg leichter machen. Dafür entsteht eine Produktionsumgebung, die Edge und Cloud nutzt. Edge-KI heißt: KI-Modelle laufen direkt an oder nahe bei der Maschine. Das kann ein lokaler Industrie-PC oder ein eigens entwickeltes Edge-Gerät sein. So werden Produktionsdaten sehr schnell verarbeitet. KI-gestützte Entscheidungen fallen gleich im laufenden Prozess. Große Datenmengen müssen außerdem nicht ganz an eine zentrale Cloud geschickt werden.
Im Projekt wird eine durchgehende Machine-Learning-Pipeline (ein Ablauf für maschinelles Lernen) aufgebaut. Sie hilft beim Erfassen, Aufbereiten, Annotieren (Beschriften) und Analysieren der Produktionsdaten. Auch das Trainieren und Bereitstellen der KI-Modelle gehört dazu. Ein weiterer Schwerpunkt sind zwei KI-Modellierungstechniken und die Nutzung vortrainierter Modelle. Mit Cross-Domain Learning sollen bestehende Modelle auf neue Anwendungsfälle übertragen werden. So sinken Trainingsaufwand, Datenbedarf und Kosten.
Die KI-Verfahren sollen vor allem helfen, kritische Prozesszustände früh zu erkennen. Sie sollen Qualitätsabweichungen automatisch finden und die vorbeugende Instandhaltung unterstützen.

Forschungsinfrastruktur und Domänenexpertise

Das LKR steuert sein Fachwissen, Demonstratoren (Vorführanlagen) aus der Industrie und seine bestehende Dateninfrastruktur bei. Außerdem leitet es das Projekt. Zu den wichtigsten Aufgaben zählen die Entwicklung und der Einbau von Hard- und Software zur Datenerfassung. Dazu kommt der Aufbau einer Umgebung für Daten und Machine Learning, die Edge und Cloud nutzt. Das LKR erfasst, bereitet und modelliert auch die Daten.
Dabei hilft das vorhandene Wissen aus der KI-gestützten Qualitätssicherung. Auch die bestehende Forschungsinfrastruktur kann genutzt werden. Klassische Methoden zur Auswahl von Merkmalen werden mit modernen Verfahren verbunden. Diese beruhen auf Convolutional Neural Networks (CNNs) und Recurrent Neural Networks (RNNs), zwei Arten von neuronalen Netzen. Getestet wird das Ganze an eigenen Gieß- und Umformanlagen.

Drei Demonstratoren für unterschiedliche Branchen

Die neue Technologie wird an drei Demonstratoren (Vorführanlagen) geprüft. Das sind Magnesium-Stranggießen, Tiefziehen und Leiterplattenbestückung. Das Projekt soll zeigen, dass sich die Methoden und die technische Infrastruktur auch in anderen Produktionsumgebungen einsetzen lassen.
Auf lange Sicht sollen weitere Forschungs- und Industrieprojekte die Daten- und KI-Umgebung nutzen können. Das gilt auch für die entwickelten Lösungen zur Datenerfassung und für die Modelle. AIPCell legt damit eine technische Grundlage. Unternehmen können darauf ihre KI-Anwendungen Schritt für Schritt ausbauen. Für jeden neuen Anwendungsfall müssen sie dann nicht eine ganz neue Infrastruktur aufbauen.

Michael Denk, Forscher am LKR Leichtmetallkompetenzzentrum Ranshofen, fasst zusammen: „Mit AIPCell bringen wir KI direkt dorthin, wo Wertschöpfung entsteht – an die Maschine. Unsere Vision ist eine Produktion, die ihren eigenen Kontext versteht und genau jene KI-Modelle nutzt, die sie in diesem Moment braucht. Hochfrequente Sensorik und die Verarbeitung direkt am Produktionsprozess machen Auffälligkeiten unmittelbar sichtbar und ermöglichen intelligente Entscheidungen in Echtzeit. Damit wird industrielle KI auch für KMU greifbar, flexibel einsetzbar und ohne große eigene KI-Infrastruktur nutzbar.“

Quelle: OTS