Künstliche Intelligenz in der Produktion: Beispiel BMW

In der Industrie gilt Künstliche Intelligenz (KI) als ein Treiber der nächsten Revolution. Wie der Einsatz von KI in der Industrie 4.0 aussieht und was sie für die Angestellten bedeuten kann, zeigt das Beispiel BMW.

BMW Industrie 4.0

Seit 2018 setzt die BMW Group verschiedene Anwendungen aus dem Bereich der KI in der Serienproduktion ein. Ein Schwerpunkt liegt auf automatisierten Bilderkennungsverfahren: Dabei wertet die Künstliche Intelligenz in der laufenden Produktion Bilder eines Bauteils aus und gleicht sie  mit anderen Bildern der gleichen Sequenz ab. So ermittelt die künstliche Intelligenz in Echtzeit Abweichungen von der Norm und prüft, ob beispielsweise alle vorgesehenen Teile verbaut oder an der richtigen Stelle montiert sind.

Anzeige

Christian Patron, Leiter Innovationen, Digitalisierung, Data Analytics in der BMW Group Produktion: „Wir sehen großes Potenzial im Bereich der künstlichen Intelligenz. Sie hilft uns, unsere hohen Anforderungen an die Qualität zu sichern und entlastet gleichzeitig unsere Mitarbeiter von eintönigen Aufgaben.“ Trainiert wird die Künstliche Intelligenz dabei von den BMW-Mitarbeitern selbst. Diese fotografieren das entsprechende Bauteil aus unterschiedlichen Perspektiven und markieren auf den Bildern mögliche Abweichungen. So erstellen sie eine Bild-Datenbank, um ein sogenanntes neuronale Netz aufzubauen, das später selbstständig die Bilder auswertet. In der Anlernphase, beispielsweise über Nacht, kalkuliert ein Hochleistungsserver aus rund 100 Bildern das neuronale Netz, das sich sogleich eigenständig optimiert.

KI in der Endkontrolle

In der Endkontrolle im BMW Group Werk Dingolfing vergleicht eine KI-Anwendung die Orderdaten eines Fahrzeugs mit dem Live-Bild des Modellschriftzugs des frisch produzierten Automobils. Modellschriftzüge und weitere typspezifische Schilder wie „xDrive“ bei allradgetriebenen Fahrzeugen sowie alle grundsätzlich freigegeben Kombinationen sind in der Bilddatenbank gespeichert. Weichen Live-Bild und Orderdaten voneinander ab, falls beispielsweise ein Schriftzug fehlt, erhalten die Mitarbeiter in der Endkontrolle einen entsprechenden Hinweis.

Christian Patron: „Dabei setzen wir ganz auf die Erfahrung und das Know-how unserer Mitarbeiterinnen und Mitarbeiter. Sie können am besten beurteilen, bei welchen Fertigungsschritten eine KI-Anwendung für mehr Qualität und Effizienz sorgt. Aufbau und Umsetzung einer solchen Anwendung halten wir bewusst einfach. Ausgeprägte IT-Kompetenz ist für die Bedienung nicht erforderlich.“

KI eliminiert Pseudofehler

Bei bisherigen kamerabasierten Qualitätskontrollen markierte das System in seltenen Fällen auch so genannte Pseudofehler: Abweichungen vom Soll, obwohl kein Fehler vorlag, sondern nur Staubkörner oder Ölrückstände mit sehr feinen Rissen im Material verwechselt wurden. Bei der neuen KI-Anwendung sind diese Pseudofehler ausgeschlossen, denn das neuronale Netz kann auf rund 100 Realbilder je Merkmal zurückgreifen – also etwa 100 Aufnahmen des einwandfreien Bauteils, 100 Bilder mit Staubkörnern oder 100 Aufnahmen mit Öltropfen auf dem Bauteil. Damit sind insbesondere die „Grenzfälle“ abgebildet, die bisher zu Pseudofehlern führten.

Auch in anderen Fällen hilft der Einsatz von KI: So kann sie beim Kalttest von Motoren aufwändige manuelle Untersuchungen und weitere Prüfläufe bis hin zum Test mit Kraftstoffbetrieb (Heißtest) überflüssig machen. Auch hier wurde die Analysesoftware anhand vieler gespeicherter Prüfläufe trainiert und hat so „gelernt“ tatsächliche von vermeintlichen Fehlern zu unterscheiden.

KI in der Steuerung von Anlagen

Im Werk Steyr beschleunigt eine KI-Anwendung Abläufe in der Logistik, indem sie dafür sorgt, dass Leergutbehälter unnötige Fahrtstrecken auf Transportbändern vermeiden. Dafür passiert der leere Behälter eine Kamerastation. Anhand gespeicherter und von Mitarbeitern markierter Bilddaten erkennt die KI, ob der Behälter auf einer Palette verzurrt werden muss oder als große, stabile Box keiner zusätzlichen Sicherung bedarf. Ist ein Verzurren nicht erforderlich, steuert die künstliche Intelligenz den Behälter auf kürzestem Weg zur Entnahmestation für den Stapler. Muss ein Behälter jedoch zusätzlich gesichert werden, steuert ihn das System direkt in den Bandabschnitt mit der Verzurranlage und anschließend erst zu einer dahintergelegenen Entnahmestation. Bisher mussten alle Behälter zunächst den gleichen Weg bis zur Entnahmestation für große Behälter zurücklegen. Von dort mussten die Behälter mit zusätzlichem Sicherungsbedarf weitergeleitet werden – und konnten erst über einen Umweg die Verzurranlage und schließlich die richtige Entnahmestation erreichen.

STARTSEITE