Ausgestattet mit einer Kamera und einer KI-Anbindung werden Roboter bei BMW zur automatisierten Kontrolle und Ausbesserung von kleinsten Oberflächenfehlern befähigt. (Bild: BMW)
Auf dem 34. Montagekongress in München wurde die Rolle der KI-basierten Bildverarbeitung in der Fahrzeugfertigung hervorgehoben. Die Technologie optimiert Prozesse, steigert die Effizienz und entlastet Mitarbeiter, während sie höchste Qualitätsstandards sicherstellt und Fehler verhindert. Wendelin Schmid, Leiter für Digitale Technologien in Produktion und Logistik bei Audi, bot auf einen tieferen Einblick in die Rolle der KI-basierten Bildverarbeitung in der Fahrzeugfertigung.
Er betonte die immense Bedeutung der Innovation für die Qualitätskontrolle als abschließenden Schritt der Fahrzeugproduktion. „In diesem Schritt werden schwerwiegende Fehler verhindert, die auf keinen Fall das Werk verlassen dürfen“, so Schmid. Der Einsatz von KI-gestützten Prüfverfahren diene jedoch nicht nur der Sicherstellung höchster Qualitätsstandards, sondern auch der Prozessoptimierung sowie der Entlastung der Mitarbeiter. Zudem ermögliche sie die Verkürzung von Regelkreisen und eine bessere Standardisierung, die wiederum zur Effizienzsteigerung beiträgt.
Deutscher Montagekongress
Mittlerweile zum 34. Mal fand der Deutsche Montagekongress unter großem Anklang statt. Zu Gast waren über 120 Teilnehmerinnen und Teilnehmer und 5 Aussteller in München/Unterhaching. An beiden Tagen ging es um die Voraussetzungen, Chancen und Risiken und zahlreiche konkrete Anwendungsbeispiele für den Einsatz von KI im Montagebereich. Ein besonderes Highlight war die Führung durch das BMW Group Werk Parsdorf.
Wir freuen uns auf den 35. Deutschen Montagekongress – voraussichtlich im Juni 2025 wieder in München. Alle weiteren Infos zum Event gibt es hier.
KI-Einsatz bei komplexen Prüfaufgaben
Ein weiterer zentrale Punkt in Schmids Keynote ist der Vergleich zwischen konventioneller und KI-gestützter Bildverarbeitung. Je nach Prüfaufgabe und benötigter Fähigkeit wird entschieden, welche Methode zum Einsatz kommt. Während die konventionelle Bildverarbeitung weiterhin genutzt wird, um etwa bei Fahrzeugen im Anlauf vor der Fügung heraushängende Kabel zu erkennen, kommt die KI-gestützte Technologie bei komplexeren Aufgaben zum Einsatz. So zum Beispiel für die Prüfung von fahrzeugspezifischen Labels auf Richtigkeit, Position, Inhalt, Orientierung, Fehlerfreiheit und Unversehrtheit. Da Fehler in diesem Bereich laut Schmid bis zur Marktsperre des jeweiligen Fahrzeuges führen können, setzt man hier auf Prüfmethoden "mit höherem Vertrauensbedarf".
Trotz zahlreicher Herausforderungen wie etwa "Make or Buy"-Entscheidungen, Investitionsstrukturen, Modellanpassungen, Supportkosten und die Anpassung an unterschiedliche Werksstrukturen konnte Audi mittlerweile zahlreiche Use Cases der KI-Bildverarbeitung implementieren. Darunter unter anderem IRIS (Intelligent Recognition and Inspection System) – das System zur oben erwähnten Label-Prüfung – oder auch Lackierroboter mit eingebauter Kamera, die Lackschäden eigenständig erkennen und ausbessern. Dennoch betont Schmid: „Wir sind noch lange nicht fertig“. Zukünftig plane Audi die Weiterentwicklung von automatischen Trainingspipeline mit synthetischen Daten sowie die Naht- und Spalterkennung mit Hilfe von Künstlicher Intelligenz.
Warum KI wichtiger Bestandteil moderner Fertigung ist
Christian Patron, Leiter Prozess-, Datenmanagement, Analytics, Künstliche Intelligenz bei BMW, erläuterte auf der Veranstaltung die außerordentliche technologische Dynamik der KI. Bereits seit über 20 Jahren spreche man in der Automobilindustrie über die Technologie, doch erst im Jahr 2016 erreichte sie ihren Durchbruch im Bereich der Computer Vision. Über Text- und Sprachverarbeitung entwickelte sich dieser Fortschritt weiter, bis 2022 zusätzlich die Generative AI Einzug in die Branche hielt. Ein bedeutender Unterschied zwischen bisherigen KI-Technologien und GenAI läge in der Art und Weise, wie sie integriert und genutzt werden.
Traditionell folgen KI-Modelle einem klaren Ablauf: Daten werden erhoben und die Anwendung durch Menschen angelernt, dann wird das Modell integriert, gewartet und betreut. GenAI hingegen bringe eine neue Dimension in die Produktion, die sich in erster Linie durch der Anwendungsvielfalt und Skalierbarkeit auszeichne. Letztere stellte Patron als einen zentralen Punkt in den Fokus seiner Keynote und betonte: „Für eine wirksame Skalierung sind entsprechende Tech-Plattformen sowie Umsetzungskompetenzen unverzichtbar.“ Aus diesem Grund hat BMW hat den GenAI Hub entwickelt, eine interaktive, webbasierte Plattform, die die technologische Geschwindigkeit der Entwicklungen widerspiegelt. Eine Anwendung, die besonders hervorsteche, ist das Factory Genius. Diese GenAI-Anwendung gebe Auskünfte zu Fragen rund um Produktionsprozesse sowie Vorgaben oder auch die Handhabung verschiedener Maschinen und liefere die entsprechende Quellenangabe beispielsweise den jeweiligen Absatz der Bedienungsanleitung.
Patron unterstrich in diesem Zusammenhang, dass KI ein wesentlicher Bestandteil moderner Produktionssysteme sei. Ein weiteres Thema ist die Entwicklung selbstfahrender Fahrzeuge und die Klassifizierung von Störgeräuschen durch das System AIQX. Der größte Einfluss der GenAI auf die Entwicklungsgeschwindigkeit zeige sich jedoch bisher im indirekten Bereich, also in der Planung und in administrativen Prozessen, aber auch im Design.
