see. think. act.

Wenn der KI-Bot die Qualität sichert

min Lesezeit

Qualitätskontrolle, leicht gemacht: Dank künstlicher Intelligenz können Roboter ihre menschlichen ZF-Kollegen in der Produktion effizient unterstützen. In Saarbrücken wird dazu geforscht und entwickelt.

Lars Weitbrecht,

Lars Weitbrecht kommt ursprünglich aus der Musik- und Gamingbranche, hält aber neben Gamepad und Gitarre auch gerne Stift und Lenkrad in der Hand.

In vielen Dingen ist der Mensch dem Computer überlegen. Nicht jedoch, wenn es darum geht, monotone Aufgaben über einen längeren Zeitraum präzise auszuführen. „Eine eintönige Arbeit, die dennoch immer volle Aufmerksamkeit erfordert, ist ein Konzentrationskiller. Das menschliche Gehirn ist dafür nicht ausgelegt“, erklärt Dr. Tobias Masiak, Projektleiter im Sektor Innovation & Technology des AI Lab am ZF-Standort Saarbrücken. Dort entwickeln Masiak und sein Team den „Smart Camera Bot“, der seinen menschlichen ZF-Kollegen diese Aufgaben abnehmen soll – dank neuer, eigens entwickelten KI-Algorithmen.

Im Werk Saarbrücken rollen pro Tag rund 10.000 Getriebe unterschiedlicher Bauarten vom Band. Jedes Exemplar durchwandert mehrere Stufen der Qualitätssicherung, bevor es an den OEM-Kunden geht. Eine solche Kontrollstufe ist der visuelle Check: Sind alle Verbindungen korrekt verkabelt? Sitzen die Schutzkappen an der richtigen Stelle? Tragen diese Schutzkappen ihre vorgesehenen Farben? Ist die Lackierung unversehrt?

Das ist genau die Art von Aufgabe, in denen ein digitales Gehirn dem menschlichen überlegen ist. „Unser Smart-Camera-Bot kann diese monotone Arbeit übernehmen und so die Kollegen optimal entlasten,“ sagt Masiak. Der Protoyp besteht aus einer kleinen Radplattform zum Manövrieren, einem Mehrgelenkarm mit einer daran angebrachten Kamera – und leistungsfähigen Algorithmen, mit denen der Bot die Qualitätssicherung selbstständig und automatisiert ausführen kann. Für das Forschungsprojekt „Smart Camera & Robot Agent“ erhielt das AI Lab jüngst eine Förderzusage der Saarländischen Staatskanzlei und des Europäischen Fonds für regionale Entwicklung der EU.

„Level up“ durch künstliche Intelligenz

Kamera-Lösungen in der Qualitätskontrolle sind eigentlich nichts Neues. Sie kommen in Verbindung mit konventioneller Bildverarbeitung jedoch bei komplexen Merkmalen an ihre Grenzen. Denn um mit dem menschlichen Auge mithalten zu können – das heißt, ausreichend visuelle Informationen für die Auswertung zu erfassen –, braucht es derzeit mindestens zwei, meistens jedoch zehn oder mehr Kameras, die das Produkt scannen. Die Software, die diese Auswertung vornimmt, müsste für jede Produktvariante extra geschrieben werden. Im Endeffekt bedeutet das: Ein Gerät ließe sich nur sehr mühsam an mehr als einer Produktlinie einsetzen. Teuer würde es außerdem: Aktuell belaufen sich die Kosten für eine solche Lösung auf mehrere tausend Euro.

Ganz anders der Smart-Camera-Bot. „KI für die Qualitätskontrolle einzusetzen – das klingt vielleicht so, als würden wir mit Kanonen auf Spatzen schießen. Es ist aber tatsächlich die effizienteste Methode, um diese Herausforderung anzugehen“, erklärt Masiak. Denn dank KI reicht dem Bot eine einzelne, vergleichsweise simple – und damit kostengünstige – Kamera. „Diese machen wir durch unsere Algorithmen so leistungsfähig, dass der Roboter weitaus weniger rohe Bildinformationen für eine präzise Objekterkennung und -analyse benötigt.“

Hilfe erhält der Kamerabot dabei von einem konzerneigenen Produkt: Die KI-fähige Steuereinheit ZF ProAI. Diesen Zentralrechner hat ZF entwickelt, um autonome Fahrfunktionen zu ermöglichen. Dank seines modularen Aufbaus kann das High-Performance-Board auch für einfacheren, stationären Einsatz im Kamerabot konfiguriert werden.

„Im Endeffekt sind die Bots kleine High-End-PCs mit Mehrgelenkarm“, so Masiak. „Wir haben uns auch explizit dagegen entschieden, die KI über eine Cloud-Anbindung zu steuern. So laufen die Roboter auch dann stabil, wenn es Netzstörungen gibt.“

Virtuelles Training für den Kamerabot

Dank der Algorithmen wird aus dem „unklugen“ Bot eine wertvolle Unterstützung für den Betrieb. Teamkollegen werden entlastet und können sich anderen Aufgaben widmen. Auslastungsspitzen lassen sich besser managen. Unterm Strich bedeutet das mehr Effizienz und einen Zeitgewinn.

Aber wie lernt der Kameraroboter, seine Aufgabe richtig auszuführen? Das funktioniert via virtuellem Training. „Wir schicken die KI durch eine Reihe von Simulationen, durch die sie sich Schritt für Schritt an den korrekten Arbeitsablauf herantastet,“ erklärt Masiak. Die Maschine probt also das Heranfahren an die Montagelinie, die Bewegung des Kameraarms um das Produkt, die Erfassung des Getriebes als Ganzes und im Detail, das Erkennen von Fehlern und vieles mehr. „Dabei erhält der Bot ständig Feedback. Macht er etwas falsch, gibt das System negative Rückmeldung – und die KI ändert die Herangehensweise im nächsten Durchgang. Ist er erfolgreich, erhält er positives Feedback und wird den Schritt in der nächsten Simulation genau wiederholen.“ Der Bot wiederholt diese Aufgabe so lange automatisch, bis er sie immer zu 100 Prozent richtig erfüllt.

Mehrwert für Mensch und Maschine

„Der Clou liegt aber darin, dass unser Roboter dank KI auch schlau genug ist, um das Gelernte zu transferieren“, so Masiak. Das bedeutet, dass ein Bot auf Basis eines Datensatzes auch unterschiedliche Bauvarianten eines Getriebes unterscheiden und analysieren kann, ohne Alarm zu schlagen oder mit der Aufgabe überfordert zu sein. Das spart abermals Zeit, die ansonsten für das mühsame Nachprogrammieren der Algorithmen nötig wäre. Und bei Auslastungsspitzen einer bestimmten Montagelinie können einfach mehr Kamerabots von anderen Stellen in der Produktion herangezogen werden.

Noch mehr Potenzial sieht Masiak in der Möglichkeit, die erfassten Bilddaten in die konzerninterne ZF-Cloud zu speisen. „Je mehr unserer Werke dann die Smart-Camera-Robots einsetzen, desto größer ist der Informationsfundus, aus dem sich die Bots bedienen können. Kurzgesagt: Je größer die Menge an Daten, desto besser die Analysefähigkeit jedes einzelnen Roboters.“ Und da es sich um eine ZF-eigene Lösung handelt, bleibt das Know-how auch im Unternehmen.

Derzeit läuft das Forschungsprojekt noch bis Ende 2022. „Dann können wir sicher sein, dass unser Bot sicher und stabil läuft – und bis dahin Pläne machen, wie wir dieses Konzept großflächig im Konzern ausrollen können“, sagt Masiak.