KI ohne Datenaustausch

(PresseBox) - Künstliche Intelligenz (KI) kann die Qualität von Ultraschallschweißverbindungen künftig direkt während der Produktion bewerten, ohne dass sensible Unternehmensdaten den Betrieb verlassen. Dies zeigt das vom BMFTR geförderte Forschungsprojekt FLUSH. Die Projektpartner Katulu GmbH, SUCO Robert Scheuffele GmbH & Co. KG und das Kunststoff-Zentrum SKZ entwickelten dafür ein föderiertes Lernsystem, das bereits erfolgreich unter realen Produktionsbedingungen eingesetzt wurde.

Qualitätssicherung beim Ultraschallschweißen auf neuem Level

Mit dem Projekt FLUSH (Federated Learning im Ultraschallschweißprozess zur Qualitätssicherung) wurde eine neuartige Lösung zur automatisierten Bewertung von Ultraschallschweißprozessen entwickelt. Die Qualität von Schweißverbindungen lässt sich bislang meist nur durch aufwendige und teilweise zerstörende Prüfverfahren bestimmen.

Gleichzeitig fallen in modernen Ultraschallschweißanlagen große Mengen an Prozess- und Sensordaten an, die bisher nur begrenzt genutzt werden. Ziel des Projekts war es daher, diese Daten mithilfe Künstlicher Intelligenz für eine automatische Inline-Bewertung jeder einzelnen Schweißung nutzbar zu machen.

Leistungsfähige KI bei voller Datensicherheit

Kern des Ansatzes ist der Einsatz von föderiertem Lernen. Dabei werden KI-Modelle dezentral auf den Daten einzelner Unternehmen trainiert und lediglich Modellparameter ausgetauscht, nicht jedoch die zugrunde liegenden Produktionsdaten. Auf diese Weise bleibt das prozessrelevante Know-how vollständig bei den jeweiligen Unternehmen, während gleichzeitig ein gemeinsames, leistungsfähigeres Modell entsteht. Dieses Prinzip – Maschinen lernen voneinander, ohne Daten preiszugeben – wurde im Projekt erstmals erfolgreich auf den Ultraschallschweißprozess übertragen.

Hohe Vorhersagegenauigkeit trotz dezentralem Lernen

Die technische Umsetzung erfolgte über eine Edge-basierte Infrastruktur, die Prozess- und Zeitreihendaten direkt an den Schweißanlagen erfasst und für das Modelltraining bereitstellt. Insbesondere die Nutzung hochauflösender Zeitreihendaten erwies sich als entscheidend für die Modellgüte. Das lokal trainierte KI-Modell kann die Schweißnahtfestigkeit mit einer Genauigkeit von über 90 % vorhersagen.



Das föderiert trainierte Modell erreicht eine nur um etwa 5 % geringere Genauigkeit. Damit zeigt sich, dass der Ansatz auch ohne Austausch sensibler Produktionsdaten eine hohe Vorhersagequalität ermöglicht und mit zunehmender Datenverfügbarkeit weiter an Leistungsfähigkeit gewinnen kann.

Von der Forschung in die Produktion

Ein weiterer Meilenstein des Projekts war die Entwicklung und Integration eines Demonstrators, der die KI-basierte Qualitätsbewertung in Echtzeit in die Produktionsumgebung überträgt. Die Lösung wurde bei SUCO implementiert und zeigt die Vorhersage der Festigkeit der Schweißungen direkt in einer intuitiven Benutzeroberfläche an. Der Demonstrator arbeitet vollständig lokal auf einem Edge Device, benötigt keine Internetverbindung und lässt sich nahtlos in bestehende Fertigungsprozesse integrieren.

„Besonders erfreulich ist, dass die Vorhersagegenauigkeit des föderiert trainierten Modells nur geringfügig hinter der eines lokal trainierten Modells zurückbleibt. Damit konnten wir zeigen, dass Datensouveränität und leistungsfähige KI-Modelle kein Widerspruch sein müssen“, sagt Mingo Kübert, Scientist Digitalisierung am SKZ.

Kompetenzen gebündelt

Das Projekt wurde in enger Zusammenarbeit von Industrie und Forschung umgesetzt. Katulu entwickelte das Federated-Learning-System, die KI-Modelle sowie den Demonstrator. SUCO stellte als Anwendungspartner reale Produktionsbedingungen und Daten aus der Fertigung bereit.

Das SKZ verantwortete die wissenschaftlich-technische Begleitung und die Datenanalyse. Darüber hinaus brachten weitere Industriepartner ihre Anforderungen und Praxiserfahrungen in die Entwicklung ein.

Datensouveräne KI für den Mittelstand

Mit den erzielten Ergebnissen liefert FLUSH einen wichtigen Beitrag zur Digitalisierung der Kunststoffverarbeitung. Insbesondere für kleine und mittlere Unternehmen (KMU) eröffnet der Ansatz neue Möglichkeiten, KI-gestützte Qualitätssicherung wirtschaftlich umzusetzen, ohne dabei sensible Daten offenlegen zu müssen. Gleichzeitig zeigt das Projekt, dass kooperative Modelle der Datennutzung ein zukunftsfähiger Weg für industrielle Anwendungen sind.

Für einen breiten industriellen Einsatz sind weitere Daten und Optimierungen erforderlich. Die im Projekt entwickelte Lösung schafft jedoch eine wichtige Grundlage für zukünftige Anwendungen. Perspektivisch könnten zusätzliche Sensordaten, beispielsweise aus thermografischen Untersuchungen, die Vorhersagequalität weiter erhöhen und den Weg zu einer 100-Prozent- Qualitätsüberwachung ebnen.

Förderung

Das Projekt FLUSH „Federated Learning im Ultraschallschweißprozess zur Qualitätssicherung“ wurde im Zeitraum von Oktober 2023 bis September 2025 vom Bundeministerium für Forschung, Technologie und Raumfahrt (BMFTR) im Programm KI4KMU unter dem Förderkennzeichen 16IS23058B gefördert.

Weitere Informationen zur SKZ-Forschungsgruppe Digitalisierung

Das SKZ ist ein Klimaschutzunternehmen und Mitglied der Zuse-Gemeinschaft. Diese ist ein Verbund unabhängiger, industrienaher Forschungseinrichtungen, die das Ziel verfolgen, die Leistungs- und Wettbewerbsfähigkeit der Industrie, insbesondere des Mittelstandes, durch Innovation und Vernetzung zu verbessern.

Weitere Infos zu dieser Pressemeldung:
Unternehmensinformation / Kurzprofil:
Bereitgestellt von Benutzer: PresseBox
Datum: 10.08.2026 - 10:17 Uhr
Sprache: Deutsch
News-ID 2266308
Anzahl Zeichen: 5885

Kontakt-Informationen:
Ansprechpartner: Mingo Kübert
Stadt:

Würzburg

Telefon: +49 (931) 4104-438

Kategorie:

Industrie

Diese Pressemitteilung wurde bisher 208 mal aufgerufen.

Analytik in der Polymertechnik 2026 ...
Am 23. und 24. September 2026 lädt das SKZ zur Fachtagung „Analytik in der Polymertechnik“ in die SKZ-Modellfabrik nach Würzburg ein. Die Veranstaltung richtet sich an Fach- und Führungskräfte aus Werkstoffcharakterisierung, Qualitätssicherung, Schadensanalyse und Produktentwicklung. Im Mit

Neue Leitung für die Forschungsgruppe Bauteileigenschaften am SKZ ...
Seit 1. Juli 2026 hat Dr.-Ing. Yusra Hambal die Leitung der Forschungsgruppe Bauteileigenschaften im Bereich Qualität und Lebenszyklus (QuL) am Kunststoff-Zentrum SKZ übernommen. Als neue Gruppenleiterin wird Yusra Hambal die strategische Weiterentwicklung innovativer Werkstoff- und Materialkonzep

Wachsender Qualitätsstandard für sicheres Hundespielzeug in Europa ...
Das Kunststoff-Zentrum SKZ baut sein Engagement für die Sicherheit von Heimtierprodukten konsequent weiter aus: Mit der Verleihung des SKZ-Prüfsiegels an die TÖYS-Hundespielzeug Manufaktur GmbH aus Gunskirchen wurde erstmals ein österreichischer Hersteller mit dem unabhängigen Qualitätssiegel

Weitere Mitteilungen von SKZ - Das Kunststoff-Zentrum

AI Without Data Exchange ...
In the future, artificial intelligence (AI) will be able to evaluate the quality of ultrasonic welded joints directly during production without sensitive company data leaving the facility. This is demonstrated by the FLUSH research project, funded by the BMFTR. The project partners—Katulu GmbH, SU

Wie ein Container die Single-Use-Bag-Komplexität reduziert ...
Der INEX Agnotainer® verfolgt einen anderen Ansatz: Standardisierung statt Systemvielfalt. EIN CONTAINER FÜR VIELE BAGS – WENIGER KOMPLEXITÄT IM REINRAUM Single-Use-Technologien haben sich in der biopharmazeutischen Produktion als Standard etabliert. Gleichzeitig steigt mit der Vielfalt untersc

Mewa: Stärkt Technologieführerschaft durch Beteiligung an KI-Spezialisten Desion ...
Desion wurde 2020 als Spin-off der TU Darmstadt und des Fraunhofer-Instituts gegründet und entwickelt KI-basierte Qualitätskontrollsysteme für die Textilindustrie und Wäschereien. Als Industriepartner hat Mewa das Start-Up-Unternehmen von Beginn an begleitet und dazu beigetragen, neue Technologi

Werkzeuge für Graphit und feinste Strukturen ...
Hufschmied, Hersteller werkstoff- und prozessoptimierter Zerspanungswerkzeuge, stellt vom 15. bis 19. September 2026 auf der AMB in Stuttgart aus. Am Stand 3D64 in Halle 3 der internationalen Ausstellung für Metallbearbeitung liegt der Fokus diesmal auf der Herstellung von Erodierelektroden und hoc