img-production-line

Embedded-KI
in der Industrie

Der Geschäftsbereich Embedded-KI in der Industrie befasst sich mit der Einbettung und Applikation des maschinellen Lernens in Produktionsabläufe und technische Produkte. Der Durchdringungsgrad von KI im industriellen Kontext ist noch relativ gering, bietet jedoch enormes Potenzial. So können in der Produktion Zeit und Kosten signifikant verringert werden. Gleichzeitig steigern neue (Sicherheits-)Funktionen den Mehrwert von Produkten oder definieren diese in Gänze neu.

Beispiele für technologische Erweiterungen sind eine selbst in rauen Umgebungen zuverlässige Spracherkennung sowie eine Wege- oder Werkstücküberwachung durch Kamerasysteme. Auch die Bewegungsanalysen von Nutzern bilden mögliche Anwendungsfelder.

Einen weiteren Bereich stellt die Predictive Maintenance dar: Durch Machine-Learning-gestützte Erkennung von Anomalien in Verbrauchs- oder Vibrationsmustern können Ausfälle präzise vorhergesagt und abgewendet werden. Die frühzeitige Meldung über das Netzwerk verhindert teure Ausfallzeiten.

Aus den innovativen Produkt- und Produktionsfunktionen können für unsere Kunden gleichzeitig neue datengetriebene Geschäftsmodelle (z. B. Pay-per-Use) entstehen. Diese versetzen Unternehmen in die Lage, den gesteigerten Mehrwert beim Kunden effizient zu monetarisieren und im globalen Preiskampf konkurrenzfähig zu bleiben.

Unser Technologieportfolio im Überblick:

Einzelne-KI-Technologien, z. B.:

  • Bild-, Radar- oder Lidarerkennung zur Werkstück- oder Produktionsflussanalyse
  • Spracherkennung für Sicherheitssysteme und Produktbedienung
  • Bewegungs-/Gestenerkennung für Sicherheitssysteme, Bedienung, Sortierung und Lageerkennung von Produkten und Werkstücken

Einzelne-KI-Technologien, z. B.:

  • Bild-, Radar- oder Lidarerkennung zur Werkstück- oder Produktionsflussanalyse
  • Spracherkennung für Sicherheitssysteme und Produktbedienung
  • Bewegungs-/Gestenerkennung für Sicherheitssysteme, Bedienung, Sortierung und Lageerkennung von Produkten und Werkstücken
  • Messgrößen, die mit KI für Predictive- oder Preventive-Maintenance-(P/PM-)Überwachungen geeignet sein können.
    • Beispielkomponenten zur Überwachung: Elektromotoren, mechanische Antriebsglieder, Leitungen, Prozesstemperaturen bzw. -druckverläufe
  • Ziel: disruptive (datengetriebene) Produktgeschäftsmodelle durch frühzeitige Service-Einsatzplanung oder Vermeiden von kostspieligen Produktionsausfällen.
  • Häufig Voraussetzungen, bei denen wir unseren Kunden durch unsere Integrationsaspekte (Gesamtpaket) auf verschiedenste Weisen gern helfen.
    • beispielsweise Wireless-Module in Produkten für P/PM oder die Identifikation für Werkstückzuordnung
  • Notwendig für manche der Innovationen und Geschäftsmodelle des Kunden über KI hinaus.
  • Hierbei helfen wir auch gern mit oder verweisen auf Partner.
img-embeded-chip

Die notwendigen Algorithmen und Modelle laufen stets auf der Embedded-Steuerung vor Ort at the edge. Somit muss keinerlei Verbindung nach außen zur Cloud oder zu größeren Rechensystemen bestehen. Wichtige obligatorische Anforderungen unserer Kunden, wie Datenschutz, geringe Latenzzeiten und hohe Sicherheitsanforderungen, werden somit erfüllt.

Als ganzheitlicher Partner begleitet AITAD seine Kunden von Anfang an – von der Evaluation der Möglichkeiten bis zur Lieferung passgenauer Systeme. Durch unsere technische Infrastruktur aus Entwicklungslabor, automatisierten Produktionsstrecken und Simulationsumgebungen können wir schnell und produktnah maßgeschneiderte Gesamtlösungen entwickeln.

Projektphasen

  • 6-projektphasen-1

    Beratung

    Zielsetzung

    Analyse, Definition und Konzeption des Vorhabens

    Elemente

    • Entwicklung und Analyse von Anforderungen und individuellen Kundenwünschen
    • Erarbeitung technologischer Impulse und Integrationsmöglichkeiten
    • Evaluation möglicher neuer Geschäftsmodelle und Zukunftsvisionen
    • Konkretisierung und Validierung von Konzeptmöglichkeiten (Kosten, Nutzen, Dauer, Impact)
  • 6-projektphasen-2

    Entwicklung

    Zielsetzung

    Technische Implementierung und funktionale Anpassung der geforderten Systemkomponenten

    Elemente

    • Mehrstufige Prototypenphase unter Einbeziehung von Testmitarbeitern bzw. Testkunden
    • Proofs-of-Concept einzelner Technologiewerkzeuge auf gesammelter ML-Datengrundlage
    • Teilintegration in bestehende Systemumgebung oder Fertigungsschritte
    • Iterative Konkretisierung und Anpassung der Entwicklung
  • 6-projektphasen-3

    Systemintegration

    Zielsetzung

    Serienreife nach Gesamtkoordination, Prüfungen und letzten Entwicklungszyklen 

    Elemente

    • Erfassung und Aufbereitung kritischer Daten für ML-Algorithmen
    • Festigung robuster Designs nach BOM-Klärung, Qualitätstests und Messungen (u. a. für die Zertifizierung)
    • Austausch und Vorgaben mit und für applikative Dienstleister (z. B. SAP-Schnittstellen)
    • Berücksichtigung und Implementierung vorgegebener Normen bzw. Arbeitsschutzrichtlinien
  • 6-projektphasen-4

    Lieferung / Produktpflege

    Zielsetzung

    Individualisierte Lieferung und agile Produktpflege

    Elemente

    • Flexible Inhouse-Fertigung von Kleinserien oder Produktionssystemen
    • Aufbau passender marktrobuster Lieferketten gemeinsam mit Partnerunternehmen (Qualitätsprüfungen und Chargenkontrollen bei AITAD)
    • Fortlaufende technische Unterstützung von Produkten und Produktionsprozessen auch durch Bereitstellung von Updates und Weiterentwicklungen

Wie setzten wir dies beim Kunden um

icon-case-product

Case Study: KI im Produkt

Neuartige Kaffeevollautomaten
fürs B2B-Segment

icon-case-production

Case Study: KI in der Produktion

Optimierung einer
Kunststoff-Spritzgussanlage