{"id":12662,"date":"2025-06-24T17:37:00","date_gmt":"2025-06-24T15:37:00","guid":{"rendered":"https:\/\/sw.fst.com\/magazine\/?p=12662"},"modified":"2025-06-30T09:18:54","modified_gmt":"2025-06-30T07:18:54","slug":"ki-als-unterstuetzung-im-elastomer-spritzguss","status":"publish","type":"post","link":"https:\/\/sw.fst.com\/magazine\/de\/2025\/06\/ki-als-unterstuetzung-im-elastomer-spritzguss\/","title":{"rendered":"KI als Unterst\u00fctzung im Elastomer-Spritzguss"},"content":{"rendered":"\n

Erfahrung trifft Technik: Die Simmerring\u00ae<\/sup>-Produktion in Weinheim ist Schauplatz einer Forschungsarbeit zu K\u00fcnstlicher Intelligenz.<\/strong><\/p>\n\n\n\n

<\/p>\n\n\n\n

\n
\"\"<\/figure>\n<\/div>\n\n\n

Kompakt<\/h2>\n\n\n\n

<\/p>\n\n\n\n

In der Simmerring\u00ae-Produktion in Weinheim wird ein Forschungsprojekt zur Verbesserung industrieller Prozesse durch k\u00fcnstliche Intelligenz (KI) durchgef\u00fchrt.<\/p>\n\n\n\n

Das Projekt zielt darauf ab, KI einzusetzen, um damit Qualit\u00e4tseigenschaften von spritzgegossenen Elastomerbauteilen vorherzusagen und Herstellungsprozesse zu optimieren. Der Schwerpunkt liegt dabei darauf, Ausschuss zu reduzieren und die Effizienz zu steigern.<\/p>\n\n\n\n

Herk\u00f6mmliche KI-Ans\u00e4tze erfordern gro\u00dfe Datenmengen. Die hier angewandte Methode bezieht jedoch physikalische Korrelationen und das Fachwissen von Kollegen mit ein, um die erforderlichen Trainingsdaten und Entwicklungszeiten zu reduzieren.<\/p>\n\n\n\n

Die Forschung wurde auf mehrere Maschinentypen und Artikel ausgeweitet, um das Wissen auf m\u00f6glichst viele Artikel zu \u00fcbertragen und gleichzeitig die Produktqualit\u00e4t sicherzustellen.<\/p>\n\n\n\n

Das Projekt hat zudem die Zusammenarbeit mit anderen Freudenberg-Standorten, darunter Kufstein und Freudenberg Home and Cleaning Solutions in Italien, initiiert, um KI-L\u00f6sungen zu \u00fcbertragen und zu skalieren.<\/p>\n<\/div><\/div>\n\n\n\n

Alexander Olbrich besch\u00e4ftigt sich seit Jahren damit, wie sich industrielle Prozesse mit Hilfe K\u00fcnstlicher Intelligenz (KI) verbessern lassen. Als Doktorand am Deutschen Institut f\u00fcr Kautschuktechnologie ist er bei der Konzernfunktion Freudenberg Technology Innovation (FTI) besch\u00e4ftigt. Versuche im Technikum hat er dort im Rahmen seiner Dissertation zur Gen\u00fcge gemacht. \u201eMein Ziel war es, meine Ergebnisse auf konkrete Produkte von Freudenberg zu \u00fcbertragen. Um ein fundiertes Verst\u00e4ndnis der Prozesse zu erlangen, war mir die Pr\u00e4senz vor Ort besonders wichtig. Dabei wollte ich den Fertigungsablauf im Detail durchdringen und den engen Austausch mit erfahrenen Kolleginnen und Kollegen suchen, die t\u00e4glich an den Anlagen arbeiten und \u00fcber tiefgehendes Praxiswissen verf\u00fcgen.\u201c So beschreibt er die Beweggr\u00fcnde, warum er vor rund einem Jahr seinen Arbeitsmittelpunkt vor\u00fcbergehend in die Simmerring\u00ae<\/sup>-Produktion in Weinheim verlegt hat.<\/p>\n\n\n\n

Sarang Etemadi, Head of Operations der Division Dynamic Sealing in Weinheim, hat dieses Vorhaben unterst\u00fctzt. \u201eWir machen das nicht, weil KI als Schlagwort in aller Munde ist, sondern weil wir uns von KI wirtschaftliches Potenzial versprechen. KI muss den Leuten bei uns in der Produktion weiterhelfen. Unter diesen Vorzeichen haben wir Alexander Olbrich gerne eine Plattform f\u00fcr Innovation im Rahmen seines KI-Forschungsprojekts geboten. Das ist eine Win-win-Situation, die uns hilft, die Vielfalt und Komplexit\u00e4t unserer Prozesse noch besser zu beherrschen\u201c, berichtet er.<\/p>\n\n\n\n

Eigenschaften vorhersagen, Prozesse optimieren<\/strong><\/p>\n\n\n\n

Wie lassen sich mit Hilfe von KI die Qualit\u00e4tseigenschaften von spritzgegossenen Elastomerbauteilen vorhersagen? Und wie l\u00e4sst sich, basierend auf KI-Modellen, der Herstellprozess optimieren? F\u00fcr Olbrich standen dabei konkret zwei Themen im Fokus: erstens Ausschuss reduzieren, zweitens Effizienz steigern durch optimierte Zykluszeiten.<\/p>\n\n\n\n

Das Thema Ausschuss umschreibt er mit dem Begriff \u201eViskosit\u00e4tsst\u00f6rungen\u201c. Schon leichte Schwankungen einzelner Mischungschargen sowie wechselnde Umgebungsbedingungen beeinflussen beim Spritzgie\u00dfen das Flie\u00dfverhalten des Materials. Das kann mal zu Unter-, mal zu \u00dcberf\u00fcllung der Werkzeugnester, Fachbegriff Kavit\u00e4ten, f\u00fchren. Die Folge: Ausschuss. Eine solche Materialverschwendung erh\u00f6ht die Produktionskosten.<\/p>\n\n\n\n

Andere Ausschussarten sind wiederum direkt mit Effizienz-limitierenden Prozessgr\u00f6\u00dfen verkn\u00fcpft. So k\u00f6nnen beispielsweise untervernetzte Bauteile Blasen oder Angussfehler aufweisen. Daraus entsteht ein komplexer Zielgr\u00f6\u00dfenkonflikt zwischen erreichbaren Zykluszeiten und Ausschussraten. Der resultierende optimale Betriebspunkt kann sich wiederum durch Chargen- und Umgebungsschwankungen verschieben.<\/p>\n\n\n\n

\u201eDie Idee ist, dass wir den Einfluss dieser Schwankungen berechnen und darauf aufbauend eine optimale Vulkanisations- und Zykluszeit bei einer optimalen Temperatur vorgeben\u201c, erkl\u00e4rt er. Auch das Verschmutzen der Werkzeuge, das sogenannte Mold Fouling, kann unn\u00f6tige Produktionsabf\u00e4lle verursachen \u2013 Olbrich hat dies daher bei seinen Forschungen ebenfalls ber\u00fccksichtigt.<\/p>\n\n\n\n

\"\"
Wie k\u00f6nnen die Mitarbeitenden KI in der Produktion nutzen?\u00a0
Von links nach rechts: Bernhard Br\u00e4unig, Christian Ernst, Alexander Olbrich, Philip Stein, Egbert G\u00f6lz.<\/figcaption><\/figure>\n\n\n\n

Erkenntnisse \u00fcbertragen<\/strong><\/p>\n\n\n\n

Klassische KI-Ans\u00e4tze ben\u00f6tigen zum Aufbau ihrer L\u00f6sungskompetenz mittels maschinellen Lernens gro\u00dfe Mengen aussagekr\u00e4ftiger Daten. Eine Ausgangsituation, die im Produktionsumfeld aufgrund einer gro\u00dfen Variantenvielfallt an Produkten und unterschiedlich alter Maschinen verschiedener Hersteller in der Regel nicht gegeben ist. Die L\u00f6sung f\u00fcr dieses Problem bei der Modellierung des Prozesses besteht in der Ber\u00fccksichtigung von physikalischen Zusammenh\u00e4ngen und der Expertise der Fachkr\u00e4fte vor Ort.<\/p>\n\n\n\n

Dies bestimmte Olbrichs Herangehensweise: Versuchspl\u00e4ne abfahren, dabei Daten auslesen und auswerten, danach Machine-Learning-Modelle mit Vorhersagekraft entwickeln, schlie\u00dflich Regelungsalgorithmen implementieren, die St\u00f6rungen korrigieren und den Prozess optimieren. \u201eDas Einbeziehen der Erfahrung der Einrichter sowie der Expertise der Kollegen aus der Verfahrenstechnik war von entscheidender Bedeutung, um die n\u00f6tigen Trainingsdaten und damit verbundenen Entwicklungszeiten dramatisch zu reduzieren\u201c, so Olbrich. Was anfangs auf einer Maschine mit einem Artikel begann, hat er sp\u00e4ter auf mehrere Maschinentypen und Artikel der Weinheimer Simmerring-Produktion ausgeweitet. \u201eBei der Variantenvielfalt am Standort geht es darum, Erkenntnisse auf m\u00f6glichst viele Artikel zu \u00fcbertragen\u201c, beschreibt er die Hintergr\u00fcnde.<\/p>\n\n\n\n

Da unter Effizienzsteigerungen die Produktqualit\u00e4t nicht leiden darf, zeigen Pr\u00fcfstandtests, ob die gew\u00fcnschten Eigenschaften auch nach Prozessanpassungen gegeben sind. Olbrich betont: \u201eDie Qualit\u00e4t der Endprodukte ist von h\u00f6chster Priorit\u00e4t. Um die zuk\u00fcnftige Einsatzf\u00e4higkeit zu gew\u00e4hrleisten, ist die enge Einbindung der Kollegen aus der Produktentwicklung wichtig, um die Funktionalit\u00e4t der optimierten Artikel kritisch zu pr\u00fcfen.\u201c<\/p>\n\n\n\n

Olbrichs Forschungen liegt die Idee zugrunde, dass Maschinen mittels KI selbst erkennen, wenn ein Problem vorliegt und direkt Schritte einleiten, um den Prozess zu optimieren. Alternativ unterst\u00fctzt K\u00fcnstliche Intelligenz die Werkerinnen und Werker mit Vorschl\u00e4gen f\u00fcr Prozessanpassungen. Eines stellen sowohl er als auch Etemadi klar: KI ist ein Hilfsmittel, kein Allheilmittel. Etemadi sagt: \u201eKI kann Transparenz erzeugen, St\u00f6rungen und Schwankungen sichtbar machen, die sonst kaum zu erkennen sind. Aber unsere Leute bleiben mit ihrer Expertise und Erfahrung enorm wichtig.\u201c Erg\u00e4nzend f\u00fchrt er aus: \u201eUnsere Prozesse generieren viele Daten. Die m\u00fcssen ausgewertet werden. In Kombination mit unserem Manufacturing Execution System (MES) kann KI diese Auswertung erheblich unterst\u00fctzen, um unsere Prozesse zu optimieren. Die Forschungsarbeiten von Alexander Olbrich belegen, dass das funktioniert.\u201c<\/p>\n\n\n\n

Innovating Together \u2013 auch mit Kufstein<\/strong><\/p>\n\n\n\n

Seine Doktorarbeit hat Olbrich auch in das Werk des Lead Centers Integrated Molded Components in Kufstein gef\u00fchrt. \u201eIn Kufstein ging es um die Ausschussreduzierung und Zykluszeitoptimierung bei der Herstellung von Kippankern f\u00fcr Magnetventile. Die \u00f6sterreichischen Kolleginnen und Kollegen sind auf einem beeindruckenden technologischen Stand und konnten beste Ausgangsbedingungen f\u00fcr meine Arbeit zur Verf\u00fcgung stellen\u201c, erz\u00e4hlt er. Die \u00c4hnlichkeit der beiden Anwendungsf\u00e4lle erm\u00f6glicht viele positive Synergien zwischen den Standorten. Durch die gemeinsame Zusammenarbeit mit den Digitalisierungsexperten der Special Sealing Products Division konnten die entwickelten L\u00f6sungen in erste Demonstrator Apps \u00fcberf\u00fchrt werden. Olbrichs Arbeit initiierte zudem den Austausch zwischen den beiden Lead Centern: um Standards und n\u00f6tige Rahmenbedingungen f\u00fcr den Einsatz von KI zu finden, die man innerhalb von FST skalieren, also breit gestreut einsetzen kann. \u201eDas ist Innovating Together\u201c, bringt es Etemadi auf den Punkt.<\/p>\n\n\n\n

Dies funktioniert bei Freudenberg auch \u00fcber FST hinaus. \u201eF\u00fcr ein gemeinsames Projekt mit Freudenberg Home and Cleaning Solutions in Italien konnten wir die mit FST in Weinheim und Kufstein entwickelten L\u00f6sungen \u2013 in abgewandelter Form \u2013 auf das Spritzgie\u00dfen von Thermoplasten \u00fcbertragen und in einen Pilotprozess \u00fcberf\u00fchren\u201c, berichtet Olbrich. Als n\u00e4chstes steht f\u00fcr ihn ein Auslandsaufenthalt bei Freudenberg Medical in den USA an. Und irgendwann \u201ezwischendurch\u201c muss er seine Projekte und Erkenntnisse als Doktorarbeit niederschreiben \u2013 ohne KI-Unterst\u00fctzung, versteht sich.<\/p>\n

\r\n
\r\n \r\n <\/i>\r\n <\/a>\r\n <\/span>\r\n<\/div><\/div>","protected":false},"excerpt":{"rendered":"

Erfahrung trifft Technik: Die Simmerring\u00ae-Produktion in Weinheim ist Schauplatz einer Forschungsarbeit zu K\u00fcnstlicher Intelligenz. Kompakt In der Simmerring\u00ae-Produktion in Weinheim wird ein Forschungsprojekt zur Verbesserung industrieller Prozesse durch k\u00fcnstliche Intelligenz…<\/p>\n","protected":false},"author":5,"featured_media":12663,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"inline_featured_image":false,"footnotes":""},"categories":[346,297,8],"tags":[],"powerkit_post_featured":[],"class_list":["post-12662","post","type-post","status-publish","format-standard","has-post-thumbnail","category-digitalisierung","category-kufstein","category-weinheim"],"_links":{"self":[{"href":"https:\/\/sw.fst.com\/magazine\/de\/wp-json\/wp\/v2\/posts\/12662","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/sw.fst.com\/magazine\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/sw.fst.com\/magazine\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/sw.fst.com\/magazine\/de\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/sw.fst.com\/magazine\/de\/wp-json\/wp\/v2\/comments?post=12662"}],"version-history":[{"count":5,"href":"https:\/\/sw.fst.com\/magazine\/de\/wp-json\/wp\/v2\/posts\/12662\/revisions"}],"predecessor-version":[{"id":12697,"href":"https:\/\/sw.fst.com\/magazine\/de\/wp-json\/wp\/v2\/posts\/12662\/revisions\/12697"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/sw.fst.com\/magazine\/de\/wp-json\/wp\/v2\/media\/12663"}],"wp:attachment":[{"href":"https:\/\/sw.fst.com\/magazine\/de\/wp-json\/wp\/v2\/media?parent=12662"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/sw.fst.com\/magazine\/de\/wp-json\/wp\/v2\/categories?post=12662"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/sw.fst.com\/magazine\/de\/wp-json\/wp\/v2\/tags?post=12662"},{"taxonomy":"powerkit_post_featured","embeddable":true,"href":"https:\/\/sw.fst.com\/magazine\/de\/wp-json\/wp\/v2\/powerkit_post_featured?post=12662"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}