Serie „KI in der Baugruppeninspektion" »KI steht weit oben auf unserer Technologie-Roadmap«

Peter Krippner, Viscom: »Man muss sehr gezielt analysieren, an welchen Stellen in der Baugruppeninspektion wirklich sinnvolle und nutzbringende Einsatzmöglichkeiten für Deep Learning, Machine Learning und Künstliche Intelligenz liegen.«
Peter Krippner, Viscom: »Man muss sehr gezielt analysieren, an welchen Stellen in der Baugruppeninspektion wirklich sinnvolle und nutzbringende Einsatzmöglichkeiten für Deep Learning, Machine Learning und Künstliche Intelligenz liegen.«

Deep Learning, Machine Learning und Künstliche Intelligenz – diese Begriffe werden derzeit nahezu inflationär benutzt. Doch welchen Nutzen bringen diese Technologien eigentlich in der Inspektionspraxis? Dazu haben wir bei Peter Krippner, Vorstand Operations der Viscom AG, nachgefragt.

Herr Krippner, was verstehen Sie persönlich im Umfeld der Baugruppeninspektion unter Deep Learning, Machine Learning und Künstlicher Intelligenz und wo liegen aus Ihrer Sicht die wichtigsten Unterschiede?

Peter Krippner: Die Themen werden nicht prinzipiell unterschieden, sondern die Begriffe bilden unterschiedliche Methoden ab, die gemeinsam bei den unterschiedlichen Anwendungen genutzt werden. Als Oberbegriff dient der Begriff KI. 

Welche Möglichkeiten eröffnen diese Technologien in der Baugruppeninspektion?
Unsere Kunden streben weiterhin an, ihre SMT-Linien mit weniger Personal zu betreiben. Das hat einerseits mit dem allgemeinen Kostendruck zu tun, andererseits bieten neue Technologien auch Möglichkeiten der Qualitätssteigerung.

Bezogen auf die Baugruppeninspektion sind hier im Umfeld von Deep Learning, Machine Learning und Künstlicher Intelligenz vor allem die Verifikation der Prüfergebnisse und die Programmierung der Inspektionssysteme zu nennen. Bei der Verifikation der Prüfergebnisse braucht man zunächst viele Daten, das heißt Bilder aus dem Feld, um sogenannte Klassifikatoren zu trainieren, die anschließend mit zusätzlichen Bildern validiert werden. Dabei kann die KI schrittweise mehr und mehr Aufgaben übernehmen: Wird anfänglich der Operator mit den KI-Ergebnissen bei der Verifikation unterstützt, kann die KI nach entsprechend erfolgreicher Validierung für bestimmte Bauteile automatisch verifizieren. Auch bei der Programmierung der Systeme gibt es Einsatzfelder für die KI, beispielsweise die Automatisierung der Bauteilzuordnung bis hin zur Auswertung der Bilder bei einfachen Inspektionsaufgaben.

Wo werden diese Technologien aktuell bereits eingesetzt?

Bei der Verifikation der Prüfergebnisse laufen bereits erste Pilotinstallationen. Im Vorfeld sind viele Bilder und Daten gesammelt worden, um die Basis für diese Feldtests zu schaffen. KI lebt von diesen Bilddaten. Hierzu muss das Prüfsystem qualitativ hochwertige Bilder aus allen Blickrichtungen mit einer flexiblen Beleuchtung liefern. Unsere XM-Sensorik mit der Kombination 2D, 2,5D und 3D bildet hier eine optimale Grundlage.

Wo liegen die Herausforderungen, wo die Grenzen?

Das Sammeln und Strukturieren der Eingangsdaten ist eine große Herausforderung, die fast automatisch zum Thema Big Data führt. Hier muss man den richtigen Weg beschreiten, um den Überblick über die Datenflut zu behalten. Nicht zuletzt ist die Akzeptanz der Endanwender wichtig: KI ist nicht perfekt, wie geht man also mit zu erwartenden Fehlern der KI um? Die Vorstellung ist häufig, dass aus Fehlern Maßnahmen abgeleitet werden, die möglichst deterministisch eine Wiederholung des gleichen Fehlers ohne Nebenwirkungen garantieren. Das ist im Umfeld der KI noch sehr schwierig.