Dieser Beitrag erschien zuerst auf LinkedIn.
Keine Frage – mit einer solchen Situation wie aktuell war unsere Wirtschaft noch nie konfrontiert. Pandemie und Wirtschaftskrise ziehen insbesondere Maschinenbau und Automobilbranche in Mitleidenschaft. Längst sind anstehende Insolvenzen in diesen Branchen keine Schwarzmalerei mehr, sondern bittere Realität. Der Automobilzulieferer Continental ist dafür nur das prominenteste Beispiel.
Gleichzeitig erleben wir in Europa schon seit geraumer Zeit eine stetig alternde Gesellschaft. Jüngere Alterskohorten sind längst nicht mehr so umfangreich wie die bald in Rente gehenden Babyboomer. Der viel beschworene Fachkräftemangel klingt damit nicht mehr so unrealistisch.
Der Innovationsdruck steigt international
Doch als wäre das noch nicht genug, verbindet sich all das direkt mit dem stetig wachsenden Druck durch die Globalisierung: Vor allem der asiatische Raum setzt die europäische Industrie massiv unter Zugzwang aufgrund seiner immensen Innovationskraft und rasanten Roboterisierung.
So zeigte erst kürzlich der World Robotics Report 2020 auf:
China zieht allen übrigen Ländern mit 140.500 jährlich installierten Industrierobotern vorneweg. Auch Japan mit 49.000 Einheiten und Südkorea mit 27.900 Exemplaren beanspruchen vordere Plätze für sich. Immerhin: Deutschland folgt im weltweiten Ranking auf Platz 5 mit 20.500 neuen Industrierobotern 2019.
Die logische Konsequenz: Wir passen uns diesen Veränderungen und Herausforderungen an und automatisieren (noch mehr), um unsere Wirtschafts- und Innovationskraft zu erhalten.
Keine Automation ohne Machine Vision
Doch Roboter allein reichen zur Automatisierung nicht aus. Denn sie kommen nicht per se mit Augen oder Sensoren, um ihre Arbeit präzise durchzuführen. Dadurch kommt der Machine Vision ein zentraler Anteil im Automatisierungsprozess zu.
Stand heute verbinden viele Unternehmen mit industrieller Bildverarbeitung allerdings schlechte Erfahrungen: Anwendungen waren in der Vergangenheit zu umständlich, der Funktionsumfang zu gering oder die Komplexität zu niedrig, um anspruchsvolle Teile richtig zu erkennen. Insbesondere Prüfaufgaben konnten bislang nur stark heruntergebrochen gelöst werden.
Technologischer Fortschritt eröffnet neue Funktionen
Hier kommt nun Künstliche Intelligenz ins Spiel:
Heutige Algorithmen und Entwicklungen versetzen Vision-Systeme in die Lage, selbstständig auch anspruchsvolle Qualitätsprüfungen durchzuführen. Vor allem die neuesten Weiterentwicklungen in Deep Learning und vortrainierte neuronale Netze haben dazu geführt, dass diese Systeme nun zuverlässig zu Ergebnissen kommen – ohne, dass Menschen noch exakt sagen könnten, wie der von ihnen geschriebene Code dazu kam. Doch der Erfolg gibt ihnen Recht.
Entlastung, Effizienz, Ertrag
Schon allein die Implementation einer einzigen KI-basierten Qualitätsinspektion im Fertigungsprozess entlastet Mitarbeiter von der Sichtprüfung von Werkstücken, einer eintönigen und ermüdenden Aufgabe.
Gleichzeitig steigt die Qualität der automatisch geprüften Teile. Eine KI erreicht je nach Setup bis zu 100 % Aufdeckung problematischer Teile, während Menschen – gerade bei eintönigen Arbeitsschritten – häufig nur eine Quote von maximal 70 % erzielen.
Bereits der Einsatz von KI-gestützter Machine Vision für einen einzigen Produktionsschritt in kann dadurch die Kosten für das gesamte Werkstück um etwa 4 bis 20 Cent senken. Auf ein Arbeitsjahr mit 250 Tagen gerechnet, kommt so schnell eine Viertelmillion Euro zusammen.
Geld, das das automatisierende Unternehmen stattdessen in die Weiterentwicklung seiner Mitarbeiter, Produkte und Prozesse investieren kann, um so die Lücke zu den derzeitigen Marktvorreitern wieder sicher zu schließen.
An KI-gestützter Machine Vision führt folglich kein Weg mehr vorbei.
