Gastbeitrag KI trifft auf Ingenieurskultur - passt das?

Herausforderung KI: Ingenieure müssen ein Stück ihrer bisherigen Top-Down-Kontrolle abgeben.
Herausforderung KI: Ingenieure müssen ein Stück ihrer bisherigen Top-Down-Kontrolle abgeben.

Der neue Dreiklang lautet: KI + AR + 3D-Druck, wenn es nach Prof. Sabina Jeschke von der RWTH Aachen geht. Passt das zur Ingenieurskultur? Was macht der Mensch noch in Zukunft? Planen und Evaluieren mit AR.

Für die einen ist es nur Digitalisierung, die an bestehende Firmenrealitäten angepasst werden muss - für die anderen ist Industrie 4.0 der dramatische Durchbruch der KI. So weit liegen die Assoziationen, Erwartungen und wohl auch die Befürchtungen auseinander. Sicher ist: Das Thema KI bestimmt die Agenda auf Tagungen und in Online-Foren. Und der Shopfloor?

Dessen Zukunft bestimmen  KI + AR + 3D-Druck. Und das bald, glaubt zumindest eine Expertin. Für Sabina Jeschke, Informatikprofessorin an der RWTH Aachen, ist die Sache klar.  Die Industrie muss sich KI-Kompetenz aneignen. Und zwar selbst.

Stellenmarkt ‘Künstliche Intelligenz’

Denn das Konzept Industrie 4.0 ist für sie »schlicht der dramatische Durchbruch der KI«, wie sie Ende September auf der Konferenz Rethink SPMS in Hamburg formulierte. Aus Sicht der Forschung ist diese Schlussfolgerung konsequent. KI-Systeme bewegten sich nicht mehr nur in definierten und strukturierten Fertigungsumgebungen, so Jeschke, sondern in unserer Alltagskomplexität.

Die zentrale Leistung der KI-Systeme ist gleichzeitig das, was bei Menschen Unbehagen hervorruft. KI-Systeme beruhen auf dem schnellen Austausch von Sensordaten untereinander. »Den Menschen steht das nicht zur Verfügung, sie können nicht mit den Augen des anderen sehen,« illustriert Jeschke. Und das mache Angst, weil man diese Leistung der KI  nicht beurteilen könne.

Aber dieser Austausch von Sensordaten mache genau die Sicherheit dieser KI-Systeme aus. Die Systeme können nicht mehr durchprogrammiert werden, weil sichere Systeme nur dann entstehen, wenn sie selbständig agieren und auf Ereignisse reagieren können. Und hier liegt für Jeschke auch ein Grund für die zögerliche Adaption von KI-Systemen in der Maschinenbauwelt. »Ingenieure müssen ein Stück ihrer bisherigen Top-Down-Kontrolle abgeben.«

Das fällt in einer Ingenieurkultur schwer, die an Nullfehler, Effizienz und Optimierung orientiert ist.

BMW setzt nicht per se um

Deutlich weniger  KI-Euphorie in denn auch in den Produktionshallen zu spüren. Gegenpol ist zu viel gesagt, aber Skepsis trifft es vielleicht schon. 

Zumal die Produktion vor der Herausforderung steht, bestehende Anlagen und Assets mit Industrie 4.0-Konzepten zusammenzubringen.

So sieht es auch Andreas Wendt, Leiter des Werkes Dingolfing, mit 17.500 Mitarbeitern der  größte Produktionsstandorts der BMW-Group in Europa. »Neue Themen wie Industrie 4.0 dürfen nicht per se umgesetzt werden, sondern sie müssen in das bestehende Gerüst der Firmenwerte integriert werden.«

Das heißt für ihn, Digitalisierung, Industrie 4.0 oder KI sollen dann ein- und umgesetzt werden, wenn daraus ein Nutzen entsteht. In der Konsequenz bedeutet das einerseits, dass die Produktionsorganisation den Ton angibt. Denn »eine unaufgeräumte Fabrik digitalisiert, ist eine digitalisierte unaufgeräumte Fabrik«, so Wendt. Trotzdem setzt Wendt auf Digitalisierung und Tools, die den Menschen die Aufgaben erleichtern. Und Daten.

Falsche oder zu wenige Daten

Beim Punkt Datenverarbeitung treffen sich die beiden Pole  wieder. Sowohl für Produktionsleiter als auch für die KI-Forschung sind sie und ihre Auswertung Dreh- und Angelpunkt für die Verbesserung von Prozessen, Fertigungen und auch die Basis für neue Geschäftsmodelle, wenn auch durch die Beiträge der Produktionsverantwortlichen meist das Paradigma der Effizienzsteigerung und Kostenreduktion scheint.

Für die Forscherin Jeschke liegen fehlerhafte oder ungenaue Ergebnisse meist in der Datenauswahl oder im zu geringen Datenumfang begründet.  Man dürfe nicht den Blick auf die naheliegenden Probleme oder Fehler lenken fordert sie, sondern man müsse das Inseldenken überwinden.

Ihr Beispiel: Die wetterfühlige Spritzgussmaschine. Die Simulation der Produktion habe solange ungenaue Daten geliefert, bis sie nach einem Hinweis eines Maschinenbedieners die jeweils aktuellen Wetterdaten integriert hätten. Also mehr den Daten-See im Unternehmen betrachten als nur die Konzentration auf wenige.

Und hier scheint doch noch eine Mentalitätsgrenze zu verlaufen. Auf der RethinkSPMS-Konferenz in Hamburg waren sowohl Stimmen zu hören, die mahnten nur Daten zu sammeln, wen man wisse wofür. Die Gegenmeinung war, alles einzubeziehen, was möglich ist.

Digitaler Zwillig und digitaler Schatten

Was Daten und Simulation ermöglichen, das wird zum Beispiel im Motorenwerk der Siemens AG in Bad Neustadt (Saale) deutlich. Hier werden die digitalen Abbilder von Werkzeugmaschinen genutzt, um den Fertigungsprozess zu simulieren und zu planen.

Mit dem Ergebnis, dass ab der Bestellung einer neuen Maschine für den Shopfloor mit der virtuellen Inbetriebnahme begonnen werden kann und die reale Maschine nach Lieferung schnell und ohne die üblichen Zeiten in den Fertigungsablauf integriert werden kann. Die digitale Abbildung des Prozesses hat zudem eine Erkenntnis gebracht. Der Flaschenhals der  Fertigung war die Lackieranlage. Fiel dort der Motor des Lüfters aus, stand die komplette Produktion.

Durch die digitale Überwachung der Antriebsdaten kann hier, laut den Produktionsverantwortlichen von Siemens,  ein vorausschauendes Wartungsmanagement diese ungewollten Stillstandszeiten vermeiden.  Und ein weiterer Effekt habe sich eingestellt. Durch den digitalen Zwilling von Werkzeugmaschinen hätten die Verantwortlichen in Bad Neustadt auch identifizieren können, welche Maschinen gebraucht und welche überflüssig seien. Davon träumen etwa Forscher am KIT in Karlsruhe noch.

Dort arbeitet man am digitalen Schatten einer kompletten Produktionsstraße in der Automobilherstellung, um so Taktzeiten zu verbessern oder überflüssige Bearbeitungsstationen identifizieren zu können. Das setzt Künstliche Intelligenz mit den Fähigkeiten zum  deep learning oder reinforcement learning  voraus.

Für Jeschke ist das die Zukunft, die Zukunft in der Fertigung. Die Verbindung von Künstlicher Intelligenz, Virtual und Augmented Reality und Additive Manufacturing. Die Künstliche Intelligenz plant, in VR und AR werden die Planungen evaluiert und überprüft, aus Fehlermeldungen lernt wiederum die KI bis zu dem Punkt, dass Werkstücke dann zunächst in Verfahren der additiven Fertigung hergestellt werden. Der dramatische Durchbruch der digitalisierten Fertigung. Bald auf dem Shopfloor, so Jeschke.