Forschung in Wuppertal - KI sichert Qualität in der Produktion

Seit Mai 2025 arbeitet die Bergische Universität Wuppertal am Projekt Laiserweld. Ziel ist die Qualitätsabschätzung von Schweißnähten beim Laserdurchstrahlschweißen von Kunststoffen.

Laserdurchstrahlschweißen ist ein etabliertes Fügeverfahren für thermoplastische Kunststoffe, das insbesondere in der Serienfertigung – beispielsweise bei der Produktion von Kunststoff-Hydrauliktanks für Lastkraftwagen oder Baumaschinen – Anwendung findet. Bislang besteht das Problem, dass die Qualitätsprüfung für diese Tanks häufig zerstörend, nachgelagert und stichprobenartig stattfindet, was bei festgestellten Fehlern zu hohen Material- und Energiekosten führt. Genau hier setzt Laiserweld an. Ziel des Forschungsprojekts ist die Entwicklung eines KI-basierten virtuellen Temperatursensors zur Optimierung der Prozessregelung sowie eines Systems zur onlinefähigen Echtzeit-Qualitätsabschätzung der Schweißnaht. Zu den Verantwortlichen des Projekts gehört Dr.-Ing. Richard Meyes, der gemeinsam mit Dr.-Ing. Hasan Tercan den Forschungsbereich „Industrial Deep Learning“ an der Bergischen Universität Wuppertal leitet. „Das Projekt zeichnet sich dadurch aus, die Welt der Ingenieurskunst mit der der modernen Algorithmen und Daten zusammenzuführen. Für das Verfahren des Laserdurchstrahlschweißens ergeben sich so neue Möglichkeiten, diesen Prozess besser zu kalibrieren und zu steuern“, so Richard Meyes.

Das EFRE/JTF-Programm NRW 2021–2027 stellt den Projektpartnern, zu denen neben dem Institute for Technologies and Management of Digital Transformation (TMDT) der Bergischen Universität auch die Ruhr-Universität Bochum und die Digitalagentur Shetani aus Wuppertal gehören, rund 2,2 Millionen Euro zur Verfügung. Der Forschungsschwerpunkt des TMDT liegt in der Entwicklung multimodaler Deep-Learning-Architekturen zur intelligenten Sensordatenfusion. „Wir führen die Messsignale von Wärmebild- und CCD-Kameras mit den Prozessparametern zusammen. Daraus entwickeln wir einen Ersatzsensor für die physikalischen Größen des Schweißvorgangs, die nicht direkt messbar, aber hochrelevant sind, um die Qualität der Schweißnaht bewerten zu können“, erklärt Jan Voets, Doktorand und wissenschaftlicher Mitarbeiter am TMDT. Projektpartner für die Informations- und Kommunikationstechnik sowie die Mensch-Maschine-Schnittstelle ist Shetani. Das Unternehmen baut die echtzeitfähige Infrastruktur auf, die Sensordaten aus dem Schweißprozess erfasst, speichert und für die KI-Modelle der Forschungspartner aufbereitet. „Zugleich entwickelt Shetani die Bedienoberfläche, die die KI-Ergebnisse direkt nach dem Schweißdurchlauf verständlich darstellt – inklusive konkreter Handlungsempfehlungen für den Bediener der jeweiligen Maschine“, erklärt Shetani-Geschäftsführer Lars Heidemann. Die Ruhr-Universität Bochum beziehungsweise der dortige Lehrstuhl für Laseranwendungstechnik ist für den Aufbau und die Durchführung der Experimente der Schweißanlage sowie die Entwicklung einer Simulation zur Bereitstellung aller Daten für die Künstliche Intelligenz verantwortlich.

Worin liegt der Mehrwert des Projekts? Dazu erklärt Jan Voets: „Aus Forschungssicht gewinnen wir neue Erkenntnisse und entwickeln neue Methoden und Verfahren zur intelligenten Handhabung hochaufgelöster multimodaler Daten in einem industriellen Anwendungsszenario.

Damit treiben wir die Nutzung von KI für die aktive Steuerung komplexer industrieller Prozesse voran.“ Richard Meyes ergänzt: „Aus wirtschaftlicher Perspektive schaffen wir mit diesen Forschungsergebnissen ein neues Level an Prozesstransparenz, das uns erlaubt, die zugrundeliegenden physikalischen Vorgänge, die messtechnisch nicht direkt erfassbar sind, genauer und kleinschrittiger zu verstehen. Damit erreichen wir eine ressourceneffizientere Fertigung, reduzieren Ausschuss sowie manuellen Prüfaufwand und verhindern teure Defekte, bevor sie in großer Stückzahl entstehen.“

Text: Martin Wosnitza