KI to Go für Unternehmen in SH
Die Fachgruppe Predictive Maintenance der FH Kiel macht KI-Technologie für Unternehmen greifbar und verleiht ihre selbst entwickelten Audio-Anomalie Detektoren
Maschinen überprüfen, Schwachstellen analysieren, Wartungen durchführen, defekte Teile auswechseln: Bei Instandhaltungsprozessen in Produktionsunternehmen soll die Lebensdauer von Maschinen und Anlagen verlängert sowie Ausfallzeiten und Kosten minimiert werden. Wie lassen sich aber diese Prozesse optimieren und die Qualität nachhaltig steigern? Welche Rolle spielt dabei das Maschinelle Lernen? Und wie können Zukunftstechnologien wie KI für Unternehmen in Schleswig-Holstein greifbar gemacht werden?
Mit diesen und weiteren Fragen beschäftigt sich die Fachgruppe für vorausschauende Instandhaltung – Predictive Maintenance – an der Fachhochschule Kiel. Das Team um den Leiter Prof. Dr. Daniel Böhnke und Projektmanager Daniel Mansfeldt hat jetzt einen Audio Anomalie Detektor, kurz AAD, zum Verleihen entwickelt. Im Interview erläutern die beiden, was es mit dem AAD auf sich hat und welche Möglichkeiten KMUs in Schleswig-Holstein mit ihm haben.
Ihr bietet Unternehmen mit dem Audio Anomalie Detektor praktisch „KI to Go“: Was sind die Ideen und Ziele bei der Entwicklung des AAD gewesen?
Daniel Böhnke: Das Potenzial der vorausschauenden Instandhaltung mit Hilfe von Künstlicher Intelligenz ist vielen kleinen und mittleren Produktionsunternehmen im Land bekannt. Häufig fehlt ihnen jedoch der konkrete Zugang, ein Anlass, etwas Handfestes, um einen eigenen Anwendungsfall zu identifizieren. Auf der anderen Seite gibt es Dienstleister in dem Bereich, die einen funktionierenden Use-Case haben, deren Technik aber nicht dem Stand der Zeit entspricht. Mit unserem Audio Anomalie Detektor zum Ausleihen machen wir KI für Unternehmen greifbar. Unser AAD ermöglicht es den Firmen, direkt bei sich vor Ort in der Produktion maschinelles Lernen auszuprobieren – unkompliziert, schnell und anschaulich für alle Mitarbeitenden.
Wie funktioniert euer Audio Anomalie Detektor konkret?
Daniel Mansfeldt: Der AAD besteht aus einem Mikrofon, einer Soundkarte, einem Rechner und einem mobilen Endgerät. Er wird zunächst außen neben einer Anlage positioniert; für den Aufbau muss also nicht in die Anlage eingegriffen werden. Dann wird der Normalzustand der Anlage im Prozessablauf aufgenommen, das können zehn Minuten oder mehrere Stunden sein. Die gesammelten Daten werden verarbeitet, in etwa in hohe und tiefe Töne, laute und leise. Auf dieser Grundlage lässt sich das KI-Modell trainieren. Das Model kann dann den aufgenommenen Normalzustand mit dem aktuellen Audiosignal vergleichen und so Anomalien erkennen.
Wo lagen die Herausforderungen bei der AAD-Entwicklung?
D. Böhnke: Unsere Aufgabe im Bereich Predictive Maintenance ist es, Ingenieurswissen und IT-Wissen miteinander zu verbinden. Vor dieser Herausforderung standen wir auch beim AAD. Neben einer saubereren, zuverlässigen Software-Entwicklung lag unser Fokus auf dem Verständnis für die Bandbreite möglicher Anomalien. Schließlich entwickeln wir hier einen Demonstrator, welcher möglichst gut in verschiedenen Umgebungen einsetzbar sein soll. Unser AAD ist jetzt so konzipiert, dass er für nahezu jeden beliebigen Anwendungsfall getestet werden kann.
Was müssen Unternehmen tun, um den AAD selbst auszuprobieren?
D. Mansfeldt: Sie nehmen einfach Kontakt mit uns auf. Zunächst erklären wir ihnen bei uns an der FH Kiel in einer ersten Schulung das Gerät. Danach können sie einen der vier entwickelten AADs, die sich derzeit in der Finalisierung befinden, circa zwei bis vier Wochen lang selbstständig im Unternehmen anwenden. Gerne besuchen wir die Unternehmen vor Ort und unterstützen sie persönlich bei den nächsten Schritten, zum Beispiel beim Trainieren des Modells und bei der Auswertung.
Was kann der Mehrwert für Unternehmen sein, KI in der maschinellen Instandhaltung einzusetzen?
D. Böhnke: Keine Maschine läuft immer rund, es gibt früher oder später immer etwas zu detektieren. Das Potenzial der vorausschauenden Wartung ist in dem Zusammenhang groß und reicht von einer gesteigerten Maschinenverfügbarkeit bis zur nachhaltigen Qualitätssicherung. Das Testen eines AAD ist ein guter Schritt für Unternehmen, eigene Erfahrungen im KI-Bereich zu sammeln und mittelfristig eine eigene Predictive Maintenance Strategie zu entwickeln. Auf dem Weg zur eigenen Strategie sind wir in der Fachgruppe und innerhalb des KI-Transfer-Hub ihr Partner beim Wissens- und Technologietransfer – das Angebot reicht von Schulungen und Workshops, über das Ausprobieren der Live-Demonstratoren, bis hin zur Begleitung bei Machbarkeitsstudien und Förderantragen. Aus alledem können letztlich Mehrwerte entstehen und Wertschöpfung für das Unternehmen generiert werden.
Weitere Informationen zur Fachgruppe Predictive Maintenance unter www.fh-kiel.de oder direkt bei Prof. Dr. Daniel Böhnke (daniel.boehnke@fh-kiel.de) und Daniel Mansfeldt (daniel.mansfeldt@fh-kiel.de).