Mehr Freiraum für kreative Arbeit

Künstliche Intelligenz ist ein Schlagwort der Stunde – mit ihr sind Fortschritt und Innovation verknüpft. Fabriksoftware sprach mit Christian Patron, dem Leiter für Innovationen, Digitalisierung, Data Analytics bei der BMW Group über ihre Bedeutung für den Münchner Automobilkonzern.

Welche Rolle spielt die künstliche Intelligenz generell im Automobilsektor? 

Für den Automobilbau sehen wir das größte Potential für KI-Anwendungen in automatisierten Bilderkennungsverfahren. Mit einer schnellen, zuverlässigen und effizienten Entscheidung, ob ein Teil richtig verbaut bzw. fehlerfrei ist, kann KI einen wichtigen Beitrag zur Qualitätsarbeit leisten und dabei den Menschen von monotonen Kontrollaufgaben entlasten. Einen echten Mehrwert leisten KI-Anwendungen, wenn sie auch unter den Bedingungen der Serienproduktion einsetzbar sind und dabei zum integralen Bestandteil unserer Prozesse werden – also mit wechselnden Lichtverhältnissen zurechtkommen, nicht zwingend an einen festen Standort gebunden sind und keinen Bandstopp erfordern. 


Wo in der Prozesskette kommt sie bei BMW zum Einsatz? 

Aktuelle und für die nähere Zukunft geplante Anwendungen finden sich in allen Fertigungsbereichen vom Presswerk bis zur Montage und in der Logistik. Im Presswerk können wir innerhalb von Millisekunden fehlerhafte Karosserieteile identifizieren, dabei auch zuverlässig Staubkörner oder Ölflecken von tatsächlichen Fehlern am Bauteil unterscheiden. In der Montage erkennt KI, ob Teile richtig verbaut sind. 


Haben Sie hier ein Beispiel parat? 

Am Standort Steyr setzen wir KI für die Steuerung der Behälterlogistik ein, in der Leergutsteuerung entscheidet sie abhängig von Behältergröße und -geometrie, welche Entnahmestation anzusteuern ist. Generell sehen wir bei Sortiervorgängen oder in der Kommissionierung noch zahlreiche Einsatzmöglichkeiten. Ein weiteres Beispiel aus unserem Motorenbau in Steyr: dort hilft KI-basierte Analysesoftware, Messergebnisse mit historischen Daten zu vergleichen und über eventuell erforderliche weitere Prüfungen zu entscheiden.


Gibt es auch Entwicklungen in der Prozesssteuerung? 

Durch die zunehmende Verschmelzung von Smart Data Analytics, modernster Messtechnik und KI ergeben sich auch hier neue Möglichkeiten. Beispiel Karosseriebau: Live-Bilder in der Endkontrolle können belegen, wenn an einer Schweißstelle bei mehreren Karosserien Schweißgut herausgespritzt war. Nun besteht die Chance, mittels KI den Regelkreis zu schließen und die Anlagensteuerung oder Wartungszyklen noch schneller und effizienter zu justieren. In den Lackierereien bieten KI- und Analytics-Anwendungen das Potenzial, Fehlerquellen so frühzeitig zu erkennen, dass Fehler kaum mehr auftreten können -– wenn ein Staubkorn vor dem Lackieren erst gar nicht auf eine Karosserie gelangt, muss es auch nicht auspoliert werden. 


Wo liegt nun der Unterschied zu Machine Learning? 

Künstliche Intelligenz ist ein Sammelbegriff für informationstechnische Verfahren wie Maschinelles Lernen oder Deep Learning. Im Kern geht es darum, dass eine Maschine auf Grundlage eines bekannten Datensatzes Muster oder dem menschlichem Verhalten verwandte Vorgehensweisen erlernt, sodass die Maschine ähnlich geartete Muster eigenständig erkennen und bearbeiten kann. In der BMW Group setzen wir insbesondere auf Deep
Learning, das sind spezielle Methoden, die sich auf künstliche neuronale Netze mit einer komplizierten inneren Struktur stützen. Mitarbeiter modellieren diese neuronale Netze: dazu markieren („labeln“) sie bestimmte Merkmale auf Bildern des Objekts, das es zu erkennen gilt. In einer so genannten Anlernphase optimieren sich die Netze dann eigenständig, nach einer Kontrollphase können neuronale Netze anschließend selbständig und zuverlässig Objekte erkennen und richtig zuordnen.  


…und welche Einsatzgebiete gibt es dafür bei BMW? 

In der Produktion setzen wir insbesondere auf bildgestützte Systeme. Mitarbeiter fotografieren das entsprechende Bauteil aus unterschiedlichen Perspektiven und markieren auf den Bildern mögliche Abweichungen. So erstellen sie eine Bild-Datenbank, um ein sogenanntes neuronales Netz aufzubauen, das später selbständig die Bilder auswertet. Dabei müssen die Mitarbeiter keine Programmiercodes schreiben; dies übernimmt der Algorithmus gewissermaßen selbst. In der Anlernphase, beispielsweise über Nacht, kalkuliert ein Hochleistungsserver aus rund 100 Bildern je Merkmal das neuronale Netz, das sich sogleich eigenständig optimiert. 100 Bilder je Merkmal, das bedeutet 100 Aufnahmen des einwandfreien Bauteils, 100 Bilder mit Staubkörnern, weitere 100 Aufnahmen mit Öltropfen auf dem Bauteil usw. Nach einem Testlauf und eventueller, einmaliger Nachkorrektur liegt die Zuverlässigkeit bei 100 Prozent. Der Lernprozess ist damit abgeschlossen. Das neuronale Netz kann nun selbständig entscheiden, ob ein Bauteil den Vorgaben entspricht oder nicht. Ein reinforcement learning im Sinne eines weiteren Dazulernens ist nicht erforderlich. Ganz bewusst konzentrieren wir uns weniger auf das theoretisch Machbare als vielmehr auf den konkreten Nutzen einer Anwendung.


Wo sehen Sie noch Potenzial bei BMW? Was nehmen Sie technologisch noch in Angriff? 

Für die Produktion sehen wir neben der Bildverarbeitung mit KI noch weiteres Potenzial in der Robotik und bei der Automatisierung von Planungsprozessen. Was die Robotik anbelangt, denken wir bei KI insbesondere in Richtung autonomer Transportsysteme. Aber auch direkt in der Fertigung können automatisierte Produktionsanlagen zukünftig noch flexibler gestaltet werden – wenn es uns gelingt, Programmierung und Bahnplanung weiter zu beschleunigen. Dabei sehen wir aber stets eine Symbiose aus Mensch und KI. Mit deren Einsatz möchten wir in erster Linie unsere Mitarbeiterinnen und Mitarbeiter von monotonen Kontrollaufgaben entlasten und mehr Freiraum für kreative Arbeit schaffen.

 

Wie danken Ihnen für das Gespräch.