Künstliche Intelligenz mit Potenzial für Kunststoff

Welches Potenzial hat die künstliche Intelligenz für die Kunststoffverarbeitung? Exklusiv für die K-ZEITUNG beziehen zwei der führenden deutschen Professoren der Kunststoffbranche Stellung. Foto: Pixabay/Gerd Altmann

Exklusiv: Prof. Martin Bastian und Prof. Christian Bonten sehen großes Potenzial für die Künstliche Intelligenz in der Kunststoffverarbeitung

Gerade in der oft sehr komplexen Verarbeitung von Kunststoffen wird der Künstlichen Intelligenz ein gewaltiges Potenzial zugeschrieben. Mit Prof. Dr.-Ing. Martin Bastian, Leiter des SKZ – das Kunststoffzentrum in Würzburg, und Prof. Dr.-Ing. Christian Bonten, Leiter des Instituts für Kunststofftechnik IKT der Universität Stuttgart, erklären zwei der führenden Kunststoffwissenschafter Deutschlands exklusiv in der K-ZEITUNG, wo sie in der Kunststoffverarbeitung besondere Chancen und Herausforderungen für die Künstliche Intelligenz sehen.

Prof. Dr.-Ing. Martin Bastian, Leiter des SKZ – das Kunststoffzentrum:

Prof. Dr.-Ing. Martin Bastian, Leiter des SKZ – das Kunststoffzentrum: „Künstliche Intelligenz steigert nicht nur Produktivität und Qualität, schont Ressourcen oder ermöglicht eine flexible Produktion, sondern wirkt auch dem Fachkräftemangel entgegen.“

„KI ist ein wichtiges und notwendiges Werkzeug für die kunststoffverarbeitenden Betriebe, um im wachsenden Wettbewerb bestehen zu können. Sie steigert nicht nur Produktivität und Qualität, schont Ressourcen oder ermöglicht eine flexible Produktion, sondern wirkt auch dem Fachkräftemangel entgegen.

Maschinenbediener unterstützen

Dieser verschärft sich zunehmend, sodass Mitarbeiter*innen mittlerweile für mehrere, evtl. vernetzte, Maschinen zeitgleich zuständig sind. Ebenso gibt es eine stetig wachsende Vielfalt an Rezepturen und gleichzeitig eine starke Interaktion von Maschine und Material. Zudem werden die Maschinen selbst immer komplexer und bieten durch voranschreitende Prozessoptimierung den Zugang zu immer mehr Prozessparametern. Bei der Verarbeitung dieser Daten müssen Maschinenbediener*innen daher unterstützt werden, in dem kontextsensitiv die wesentlichen Informationen zum richtigen Zeitpunkt verfügbar sind. Dabei kann KI eine wichtige Stütze sein: KI erkennt Muster in großen Datenmengen, die oft nicht mehr durch regelbasierte Systeme greifbar sind. Dadurch ist es möglich, die relevanten Daten zu extrahieren und final adressatengerecht darzustellen.

Daten sind aus meiner Sicht zugleich eine der größten Herausforderungen von KI. Zum Trainieren der KI werden große Datenmengen in hoher Qualität benötigt und das bei organisch gewachsener Produktion, mit Maschinen unterschiedlichen Alters und einem entsprechenden Schnittstellen-Wildwuchs. Durch Kombination des Expertenwissens mit Methoden des Maschinellen Lernens (ML) ist es auch bei geringerer Datenmenge möglich, sehr gute KI-Systeme zu bauen. Eine Methode dazu wird am SKZ erforscht, in der Bayes’sche Netze zur Modellierung des Spritzgießens eingesetzt werden.

In den komplexen Prozessen der Kunststoffverarbeitung können quantitative Zusammenhänge nicht immer analytisch hergestellt werden. Ansätze des ML bieten die Möglichkeit, diese Zusammenhänge zu modellieren und quantifizieren.

Enormes Potenzial in Qualitätssicherung und Prozesssteuerung

Durch KI ist auch eine Fehleranalyse möglich: „Warum ist der Prozess instabil geworden?“ Eine Frage, der wir am SKZ nachgehen, die nicht nur für Maschinenhersteller und Verarbeiter von hohem Interesse ist. Enormes Potential von KI findet sich zudem in intelligenter Qualitätssicherung und Prozessteuerung, um dadurch unter anderem Ressourcen zu schonen.

Trotz der Potentiale setzt die kunststoffverarbeitende Industrie KI in meiner Wahrnehmung eher zögerlich ein, insbesondere viele KMU. Doch klar ist: Der Weg ist lang und wer zu den Profiteuren zählen möchte, sollte nicht zu lange warten. Wir als SKZ scheuen uns nicht, diesen Weg zu gehen und unterstützen die Industrie dabei – etwa mit der SKZ-Modellfabrik, in der ab Herbst 2022 unter anderem der Einsatz von KI verstärkt erforscht wird.“

Prof. Dr.-Ing- Christian Bonten, Leiter des Instituts für Kunststofftechnik IKT:

Prof. Dr.-Ing. Christian Bonten, Leiter des Instituts für Kunststofftechnik IKT der Universität Stuttgart: „Keine Künstliche Intelligenz ohne menschliche Intelligenz.“ Foto: IKT

„Baden-Württemberg – das Land der Tüftler und Denker – aber auch der ganze deutschsprachige Raum ist für seinen technischen Erfindungsgeist und die Kreativität seiner Ingenieure in der Old-Technology berühmt.

Künstliche Intelligenz ist kein Buch mit sieben Siegeln mehr

Häufig wird befürchtet, dass unsere Unternehmen durch die Riesen der New-Economy mit deren Datenmengen und Fähigkeiten im Einsatz von Künstlicher Intelligenz (KI) abgehängt werden könnten. Diese Befürchtung teile ich nicht, denn der Einsatz der Künstlichen Intelligenz ist kein „Buch mit sieben Siegeln“ mehr; es gibt inzwischen einfach zu bedienende Frameworks, die von computerversierten Personen innerhalb weniger Tage ein- und umgesetzt werden können. Künstliche Intelligenz bedient sich selbstlernender, sogenannter Neuronaler Netze, denen über Feedback-Schleifen beigebracht wurde, gewisse Zusammenhänge („Muster“) zu erkennen. Die Fähigkeit, mittels KI Muster zu erkennen, geht weit über die Fähigkeit leistungsfähiger Neuronaler Netze hinaus. Die Herausforderung liegt vielmehr darin, über jahrelang gewachsenes Expertenwissen in eine mathematisch nutzbare Syntax – eine sogenannte Ontologie – zu gießen. Die Aufgabe der Kunststoffindustrie ist es also, die Fragestellungen und Zusammenhänge der Kunststofftechnik den Programmierern dieser Frameworks nahe zu bringen.

Schlüssel für den Einsatz von KI in Maschinen und Prozessen ist somit immer weniger die IT-Erfahrung, sondern vielmehr zu verstehen, was eigentlich mittels Künstlicher Intelligenz vereinfacht werden soll und wie das geschehen kann. Um eine Maschine oder eine Fertigung (Stichwort Fertigungsplanung) „intelligent“ zu machen, muss die Übertragung des menschlichen Wissens über das „Muster“, zum Beispiel ab wann ein Bauteil überhaupt ein Ausschussteil ist (Stichwort Qualitätsvorhersage), erst einmal stattfinden. Ohne Muster keine Mustererkennung! Auch gehört zur intelligenten Selbstregelung eines Prozesses dazu, nicht nur noch mehr Sensoren einzusetzen, sondern auch das Wissen, was sie überhaupt messen sollen, wo sie dafür am besten sitzen und wie die Messdaten zu interpretieren sind. Interpolieren kann die Künstliche Intelligenz gut, Extrapolieren nur sehr begrenzt.

Selbsttätige Prozesskorrektur noch in den Kinderschuhen

So wird von einem Sensorhersteller die altbewährte werkzeuginnendruckgesteuerte Steuerung des Umschaltzeitpunktes heute der Künstlichen Intelligenz zugeordnet. (Meinetwegen ist auch dies bereits dem „Maschinellen Lernen“ zuzuordnen.) Aber, zum Beispiel eine kompakt-bauende In-Line-Rheometer-Düse an der Spitze einer Spritzgießmaschine, die die Schmelzeviskosität von Schuss zu Schuss erfasst, mittels KI in Sekundenbruchteilen interpretiert und die Maschine im Anschluss die idealen Prozesskorrekturen von selbst ableitet, steckt noch in den Kinderschuhen.

Erst wenn solch ein Equipment durch Menschen erforscht und durch Menschen als Technologie abgesichert wurde, kann diese eingesetzt werden. Sind die technischen Zusammenhänge bekannt, ist die darauf angesetzte Künstliche Intelligenz viel besser und schneller darin, diese zu erkennen und entsprechend der durch den Menschen getätigten Programmierung zu agieren.

Wir sind besonders stark im Maschinenbau – also der Hardwareentwicklung. Diese Erfahrung lässt sich durch die großen Internetfirmen nicht so einfach aufholen, um ein „Internet of Things“ aufzubauen. Der deutsche Begriff „Industrie 4.0“ stellt viel besser dar, dass es darum geht, die über Jahrzehnte aufgebaute Erfahrung in Maschinen und Prozess weiter auszubauen und gezielt mit Künstlicher Intelligenz auf eine höhere Produktivitäts-Stufe zu heben. Packen wir es an!“

Die K-ZEITUNG hat bereits mehrfach über den Einsatz von Künstlicher Intelligenz in der Herstellung und Verarbeitung von Kunststoffen berichtet, zuletzt zum Beispiel als Beschleuniger der PUR-Entwicklung, bei der Optimierung des Spritzgießprozesses oder bei der Analyse von Kunststoffmüll.

Günter Kögel