VDMA Forschungstag 2024: Digitalisierung im Maschinenbau – Forschung und Industrie im Dialog

Die fortschreitende Digitalisierung transformiert den Maschinenbau grundlegend. Wie können Unternehmen diese Umstellung erfolgreich bewältigen? Antworten darauf lieferte der VDMA Forschungstag 2024 in Frankfurt am Main, eine Plattform, die Forschung und Industrie im Bereich der Digitalisierung zusammenführt.

Die Veranstaltung trug das Motto „Digitalisierung im Maschinenbau: Forschung und Industrie im Dialog“ und bot faszinierende Einblicke in industrielle Forschungsprojekte zu Künstlicher Intelligenz (KI) und datenbasierten Technologien.

aiXbrain mit Fach-Vortrag im Programm

In seiner Präsentation erläuterte unser aiXbrain CEO Dr. Alexander Engels, wie eine menschzentrierte KI, die den Menschen in den Mittelpunkt stellt, zur Optimierung von komplexen Fertigungsprozessen genutzt wird.

Die vorgestellten Ergebnisse entstammen dem BMBF-geförderten Verbundprojekt GeMeKI (www.gemeki.de), in dessen Rahmen KI-Assistenzsysteme in 3 verschiedenen Fertigungsverfahren implementiert wurden:

• KI zur Qualitätssicherung beim Kleben
• KI zur Qualitätssicherung beim Pressen
• KI zur Fräsoptimierung

Die wesentlichen Erkenntnisse des GeMeKI-Projekts fasst Dr. Alexander Engels so zusammen:

1. Menschzentrierte Entwicklung
   Eine frühzeitige Einbindung der Mitarbeitenden schafft dauerhafte Beteiligung und damit wertvollen Input vor, während und nach der Umsetzungsphase. Dazu müssen allerdings gleiche (technische) Dinge an unterschiedliche Personengruppen auch unterschiedlich kommuniziert werden. Der Aufwand daher zwar hoch, der Ertrag dafür ebenso.
2. Übertragbarkeit
   Architektur und Methodik sind zwischen unterschiedlichen Fertigungsverfahren grundsätzlich übertragbar, Daten und (trainierte) KI jedoch nicht. UI-Konzepte zur Visualisierung von KI-Ergebnissen sind schlecht übertragbar zwischen Fertigungsverfahren, aber zwischen ähnlichen Arbeitsplatztypen besteht Übertragbarkeitspotenzial. Übertragbarkeit ist als Schlüssel zu Skalierbarkeit und Profitabilität von KI-Lösungen zu betrachten.
3. KI - Modelle
   Ein entscheidender Aspekt: Ohne Label gibt es keine (gute) KI für praktische Einsatzfälle. Unsupervised Verfahren greifen bei gefragten Funktionalitäten und Leistungserwartungen zumeist zu kurz. Die Trainingsdaten für hoch performante Supervised-KI müssen systematisch erzeugt werden. Außerdem haben sich Pre-trained Modelle im Einsatz zur Bild-Klassifikation als maßgeblicher Turbo herausgestellt.

Highlights des Forschungstags

Der VDMA - Forschungstag zeichnete sich durch weitere anspruchsvolle Fachvorträge aus, die den rund 100 Teilnehmerinnen und Teilnehmer angeboten wurden. So ein Vortrag zu Datengetriebenen Produkte und Dienstleistungen im Maschinenbau von Prof. Dr. Eike Permin von der TH Köln und eine Präsentation zur Datenbasierten Zustandsbewertung von Werkzeugmaschinen mittels adaptivem Fingerprinting vom Fraunhofer IWU und der SEITEC GmbH.

Dazu gab es Hochschul- und Instituts-Pitches von führenden Forschungsinstituten wie dem DFKI und der TU Chemnitz und vertiefende Sessions. Darunter auch ein Beitrag der Universität Duisburg-Essen und der Schotte Automotive GmbH, in dem es um KI-Lösungen zur Reduzierung von Materialverschleiß ging.

Besonderen Anklang fanden schließlich auch interaktive Formate, wie das World Café. Hier kam es zum Austausch in Kleingruppen, in denen dann über praxisnahe Lösungen diskutiert wurde. Letztendlich war auch das Netzwerken ein wichtiger Punkt der Veranstaltung.