Ressourceneffiziente und verschwendungsarme Elastomerproduktion durch KI-basierte Qualitäts- und Prozessoptimierung – REVEAL

Die Herstellung von Silikondichtungen im Elastomer-Spritzguss ist geprägt durch hohe Qualitätsanforderungen, komplexe Prozesseinflüsse und aufwendige Nachbearbeitungsschritte. Klassische Qualitätskontrollen liefern jedoch nur begrenzte Einblicke in die zugrunde liegenden Prozessparameter. Dadurch bleiben Optimierungspotenziale ungenutzt, und fehlerhafte Teile verursachen erhebliche Kosten. Hier setzt das Forschungsprojekt REVEAL an, um Transparenz und Steuerbarkeit in den Prozess zu bringen.

Ziel von REVEAL ist die Entwicklung eines KI-gestützten Systems zur automatisierten Inline-Qualitätskontrolle und datenbasierten Prozessoptimierung im Elastomer-Spritzguss. Durch die vollständige Digitalisierung der Fertigungsparameter und den Einsatz multimodaler KI-Modelle sollen komplexe Fehlermuster frühzeitig erkannt und erklärt werden. Ein virtueller Assistent übersetzt die KI-Ergebnisse in transparente Handlungsempfehlungen für die Bedienenden. Damit sollen Ausschuss und Ressourceneinsatz signifikant reduziert werden – exemplarisch am Produktportfolio eines Industriepartners.

Für das TMDT steht im Zentrum des Projekts die Erforschung generalisierbarer Deep-Learning-Methoden für die visuelle Inspektion von Elastomerbauteilen. Ergänzt wird dies durch die Erforschung multimodaler KI-Ansätze, die Bild- und Prozessdaten gemeinsam auswerten, um robuste Fehlererkennung und Prozesssteuerung zu ermöglichen. Ein besonderer Fokus liegt auf erklärbaren KI-Verfahren (XAI), die die Modelle nachvollziehbar machen und in einem virtuellen Assistenzsystem nutzbar aufbereiten.