Durch die Verbindung von 3D-Druck mit der Künstlichen Intelligenz (KI) wird die Additive Fertigung auf ein ganz neues Level gehoben. Ob in der Konstruktion, der Produktionsplanung oder Qualitätssicherung - mit KI lassen sich Entwicklungen beschleunigen, Kosten reduzieren und Ergebnisse gezielt verbessern, wie Prof. Dr. Norbert Babel, wissenschaftlicher Leiter der Reihe, in seiner Einführung erklärte. So ermögliche der KI-Einsatz u.a. die sofortige Erzeugung von 3D-Modellen aus Text (Text to CAD) oder aus 2D-Bildern (Image to 3D) in druckfertige STL-Dateien. Weiterhin reduziere KI-gestützte Software die Materialverschwendung durch frühzeitige Fehlererkennung und Identifizierung von Fehldrucken per Bilderkennung und Auswertung in Echtzeit oder durch Optimierung des G-Codes. Damit übernehme die KI auch wichtige Funktionen in der Qualitätssicherung.
Darüber hinaus bietet sie entlang der gesamten Prozesskette, von der Entwicklung neuer Materialen, dem generativen Design, der Automatisierung von Druck- und Auftragsabwicklung und dem Qualitätsmanagement neue Möglichkeiten und deutliche Kosteneinsparungen. Herausforderungen beim KI-Einsatz seien u.a. Anforderungen an Datenqualität und -sicherheit, Bewertung von Design-Vorschlägen in Bezug auf Sicherheitsstandards und praktischen Erwägungen, Fragen des geistigen Eigentums oder auch der verantwortungsbewusste Einsatz zum Wohle des Menschen.
Hohes Potenzial für KI-Einsatz – kaum Industrielösungen
Um Produktionsprozesse der additiven Fertigung zu automatisieren und neue Kundenservices bieten zu können, hat die KI entlang der gesamten Wertschöpfungskette enormes Potenzial, betonte auch Dr. Bernd Muschard (Rapidobject GmbH, Berlin) in seinem Vortrag. Dies auch, um autonome Systeme zu entwickeln, die selbst Entscheidungen treffen können. Bisher sei man mit regelbasierten Prozessen gut gefahren, Machine Learning und KI verschieben sich aber zunehmend in die Bereiche Algorithmik und Optimierung. Bei der Entwicklung von integrierten Prozessketten mit Hilfe von KI stehe man aber noch ganz am Anfang. Beim AM-Service- und Fertigungsdienstleiter Rapidobject GmbH habe man mangels Kauflösungen selbst einen „Shop 3.0“ realisiert, der Kundenanfragen – von der Prüfung der Daten und Machbarkeit, über die Technologieauswahl bis zum Preisangebot – unter Verwendung von KI abwickeln kann. Dabei wird auch versucht, einen Feed-Back-Loop zu implementieren, der Empfehlungen für Bauteiländerungen oder Fertigungsparameter abgeben kann. Auch in der Druckvorbereitung, im Prozessmonitoring und der Qualitätssicherung sollte das Potenzial von KI genutzt werden, hier würden aber bisher keine wirklich geeigneten Systeme angeboten, was sich hoffentlich schnell ändern wird.
Der Vortrag von Prof. Dr. Fabian Riß (Technische Hochschule Rosenheim) zeigte ein Beispiel zur Entwicklung eines auf KI basierenden Systems des Machine Learning (ML) zur Fehlererkennung beim LPBF-Verfahren. Nach jeder Pulverschicht wird ein Bild erzeugt, das mittels ML bewertet wird. Es wurde eine App entwickelt, bei der mit Hilfe von Trainingsdaten Fehler zugeordnet wurden, welche die Anomalie-Detektion in Echtzeit ermöglicht, Fehler klassifiziert und Rückmeldung gibt, ob ein Job angehalten werden oder weiterlaufen soll. Da die verwendete Anlage über keine Schnittstelle zum automatisierten Druckabbruch verfügt, und viele Hersteller bisher keine KI-basierten Systeme anböten, habe man eine Lösung im Industriestandard entwickelt, in der alle Sensoren in einer Plattform zusammenlaufen und per Edge Device Anomalien angezeigt und Eingriffe möglich werden. Man wolle im weiteren Verlauf des INTERREG-Projektes AI4GREEN ein ähnliches System fürs Auftragsschweißen entwickeln.
Auch der Prozess der Materialauswahl habe sich stark verändert, wie der Vortrag von Daniel Trost (Total Materia AG, Zürich) zeigte. Anhand von Werkstoffdatenbanken könne man auf Basis vielfältiger Kriterien, wie z.B. Verfügbarkeit, Leichtbau-Potenzial oder Schweißbarkeit, die optimalen Materialvorschläge erhalten und per KI bzw. ML Vorhersagen anhand von Modellmetriken machen, die viele physische Tests ersetzen. Die offen zugänglichen Datenbanken könnten auch mit firmeneigenen Datensystemen gekoppelt werden, um optimale Synergien zu erzeugen.
Fortschritt durch Harness für KI
Mit welchem enormen Tempo die Entwicklung im Bereich der KI fortschreitet, beleuchtete ein Vortrag von Prof. Dr. Christian Osendorfer (Hochschule Landshut). So seien Coding-Agenten heute in der Lage, Verfahren auszuwählen, Programmcode zu schreiben, Versuche auszuführen, Fehlschläge auszuwerten und ein Programm neu zu schreiben. In der Robotik werden bereits deren Fähigkeiten in realer Hardware-Umgebung getestet, und mit Hilfe von neuronalen Netzen trainiert. Der Agent lernt aus Labor-Protokollen und eigenen Notizen. In Zukunft würden bereits erfolgreiche Subprogramme für neue Aufgaben von der KI selbstständig zusammengestellt. An der Hochschule Landshut sei die Forschungsgruppe COLORS (Collaborative und Continous Learning for Robotic Systems) ins Leben gerufen worden, die sich aktuell damit durch Physics-informed Machine Learning befasst.
Deep Operator Networks (DeepONet), ermöglichen, im Unterschied zu klassischen neuronalen Netzwerken, ein Lernen von Funktionen zu neuen Funktionen. Emil Andreas (Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA, Stuttgart) präsentierte Erkenntnisse des Forschungsprojektes „DigiAutoFab“, in dem ein solches DeepONet, unter Einbeziehung von physikalischem Vorwissen und einigen wenigen entscheidenden Parametern, z.B. die Vorhersage von Nachbearbeitungszyklen für die Oberflächenrauheit erlaubt.
Insgesamt zeigte die Veranstaltung, wie wichtig der Einsatz der KI in der Additiven Fertigung schon heute ist, in der Zukunft aber noch viel größeren Einfluss auf unsere Fertigungsprozesse haben wird. Aktuelle Informationen zum Praxisforum 3D-Druck finden Sie hier.
(Fotos: Hochschule Landshut)
