Composite-Fertigung erzeugt viele Daten – und viele potenzielle Fehlerquellen. Hier setzt maschinelles Lernen an: Algorithmen werten Sensordaten aus, erkennen Defekte und schlagen Korrekturen vor. Das Ziel ist eine Fertigung, die nicht nur misst, sondern aus dem Gemessenen lernt und gegensteuert.
Wie KI in der Fertigung arbeitet
Die Systeme kombinieren mehrere Datenquellen (multimodal): Kamerabilder, Wärmebilder und Akustik. Lernende Modelle erkennen darin Auffälligkeiten – etwa Poren, Falten oder Faserabweichungen – oft schneller und gleichmäßiger als das menschliche Auge.
- Fehlererkennung: Bildverarbeitende Modelle (z. B. CNN-Architekturen wie YOLO) markieren defekte Stellen in Echtzeit.
- Closed-Loop-Regelung: Erkennt das System eine Abweichung, passt es Prozessparameter automatisch an – etwa bei roboterbasiertem 3D-Druck von Endlosfaser-Composites.
- Vernetzte Qualität: Fließen die Fehlerdaten in das Fertigungssystem (MES), lassen sich Defekte mit Rezeptur, Werkzeug und Bedienung verknüpfen und gezielt nachsteuern.
Zwischen Forschung und Praxis
2026 ist das Feld sehr aktiv: Forschungsarbeiten zeigen unified-Frameworks, die thermische Simulation, 3D-Defekterkennung und geschlossene Regelung in einem Modell vereinen. Wichtig ist ein nüchterner Blick – nicht jede „KI“ hält, was Marketing verspricht. Tragfähig sind Systeme, die mit guten, vollständigen Prozessdaten gefüttert werden und deren Entscheidungen nachvollziehbar bleiben.