
KI in der visuellen Qualitätskontrolle
Mit intelligenten Algorithmen die Produktqualität verbessern, die Effizienz steigern und Kosten reduzieren
Produzierende Unternehmen müssen effizient und wirtschaftlich arbeiten, gleichzeitig aber kompromisslos Qualität liefern. Denn Kunden sind anspruchsvoll, und in manchen Branchen gilt gar eine Null-Fehler-Toleranz. Häufig findet die Qualitätskontrolle noch manuell und zeitversetzt statt. Das ist eine aufwendige, monotone und oft unbequeme Arbeit. Zudem können Fehler erst spät korrigiert werden. Mithilfe von Künstlicher Intelligenz lässt sich die visuelle Qualitätskontrolle dagegen automatisieren, in Echtzeit durchführen und in den Produktionsprozess integrieren. Sie wird dadurch genauer, effizienter und kostengünstiger. Was man für ein solches Projekt braucht und wie man es in der Praxis am besten umsetzt, zeigt der folgende Beitrag.
Künstliche Intelligenz (KI) ermöglicht es Unternehmen, die Automatisierung auf das nächste Level zu heben. Achim Berg, Präsident des Branchenverbands Bitkom, sagt, dass es sich um eine Schlüsseltechnologie handle, deren Bedeutung man gar nicht hoch genug einschätzen könne [1]. Auch die Politik gesteht dem Thema eine hohe Relevanz zu. Um Deutschland und Europa zu einem führenden Standort für Entwicklung und Anwendung von KI-Technologien zu machen und die künftige Wettbewerbsfähigkeit Deutschlands zu sichern, hat die Bundesregierung im November 2018 ihre KI-Strategie beschlossen. Für deren Umsetzung will sie bis im Jahr 2025 drei Milliarden Euro bereitstellen [2]. Außerdem hat das Bundesministerium für Bildung und Forschung das Wissenschaftsjahr 2019 dem Thema Künstliche Intelligenz gewidmet.
Deutsche Forscher stehen im internationalen Vergleich gut da. Laut einer Auswertung des Wissenschaftsverlags Elsevier [3] rangieren sie, was die Zahl der wissenschaftlichen Publikationen zu KI anbelangt, auf Platz fünf hinter China, den USA, Japan und Großbritannien. Insgesamt werden in Europa mehr wissenschaftliche Arbeiten zu KI veröffentlicht als in China und den USA. Auch in deutschen Unternehmen hält die neue Technologie zunehmend Einzug. So ergab eine aktuelle IDC-Studie [4], dass 41 % der Befragten bereits KI-Projekte umgesetzt haben. 2018 waren es noch 27 %. Für die Zukunft ist ein großer Schub nach vorne zu erwarten. 88 % der Unternehmen planen in den nächsten zwölf Monaten die Umsetzung eines neuen KI-Projekts. Als vorrangiges Ziel nannten sie dabei die Prozessoptimierung.

Bild 1: Die Digitalschmiede in Frankfurt am Main (Quelle: Axians).
Herausforderungen der Qualitätssicherung
Ein vielversprechendes Einsatzgebiet für Künstliche Intelligenz im Produktionsumfeld ist die Qualitätskontrolle. Denn Algorithmen für die Bildverarbeitung können helfen, die großen Herausforderungen im Qualitätsmanagement besser zu bewältigen. Produzierende Unternehmen stehen unter großem Druck. Um im harten Konkurrenzkampf des globalisierten Markts zu bestehen, müssen sie wirtschaftlich arbeiten und gleichzeitig höchste Produktqualität liefern. Erlauben sie sich Fehler, kann das fatale Folgen haben. Verärgerte Kunden reagieren schnell mit entsprechenden Postings auf Social-Media-Plattformen. Sich daraus entwickelnde Shitstorms haben durchaus das Potenzial, den Ruf eines Herstellers nachhaltig schädigen zu können. Zulieferer im B2B-Bereich unterliegen zudem oft strengen Vorgaben. In manchen Branchen, etwa Healthcare, herrscht sogar eine Null-Fehler-Toleranz. Hersteller können es sich also nicht leisten, Ausschuss zu liefern. Eine effiziente und genaue Qualitätssicherung ist daher unverzichtbar. Häufig erfolgt sie jedoch noch manuell. Zu überprüfen, ob der Zustand eines Produkts dem Soll entspricht, bedeutet meist mühevolle, monotone Arbeit. Je nach Produkt oder nach den Gegebenheiten der Fertigung müssen Mitarbeiter zuweilen dafür sogar Bauteile in unbequemer Position Millimeter für Millimeter nach Fehlern absuchen. Da die manuelle Qualitätskontrolle aufwendig ist und zeitversetzt stattfindet, können Stunden vergehen, bis die Produktion im Falle einer Beanstandung gestoppt und angepasst werden kann. Während dieser Zeit entsteht am laufenden Band weiter Ausschuss und das treibt die Kosten unnötig in die Höhe.
Durch den Einsatz von selbstlernenden Systemen mit intelligenter Bilderkennung lässt sich die Soll/Ist-Überprüfung dagegen automatisieren – sie wird dadurch schneller, exakter und wirtschaftlicher. Die Systeme können konsistentere Ergebnisse liefern und unerwünschte Abweichungen exakt bestimmen, wie zum Beispiel die Position von Materialfehlern auf Oberflächen [5]. Mitarbeiter werden von aufwendigen Routine-Jobs entlastet und gewinnen mehr Zeit für wertschöpfende Aufgaben. Außerdem kann die Überwachung in Echtzeit stattfinden und ist direkt in den Produktionsprozess integriert. Erkenntnisse können automatisiert an nachgelagerte Systeme übermittelt werden, sodass die Produktion sich bei festgestellten Mängeln sofort eigenständig anpasst. Im Idealfall reagieren die Maschinen hier autonom.
Technische und organisatorische Voraussetzungen
Um ein KI-Projekt für die visuelle Qualitätskontrolle umzusetzen, benötigt man unter anderem eine leistungsfähige Hardware, die auf die Verarbeitung von gro
[ Wenn Sie den kompletten Beitrag lesen möchten, klicken Sie hier ]