KI erkennt Verschleiss, den kein Auge sieht

In seiner Dissertation an der Technischen Hochschule Ingolstadt hat Mühenad Bilal ein EU-patentiertes KI-Verfahren entwickelt, das zeigt, was bisher im Verborgenen lag: den Verschleiss hochkomplexer Zerspanungswerkzeuge. Worum geht es genau? Wir haben ihn befragt.

Ihr Verfahren adressiert ein Problem, das die Industrie seit Jahren kennt: Hochkomplexe Werkzeuge lassen sich optisch kaum prüfen. Worin liegt die zentrale Schwierigkeit?

Die zentrale Schwierigkeit liegt in der Kombination aus hochkomplexer Geometrie und optisch kritischen Oberflächeneigenschaften. Moderne Zerspanwerkzeuge besitzen Freiformflächen, komplexe Schneidengeometrien sowie spiral- und axial verlaufende Strukturen, die sich optisch nur schwer einheitlich erfassen lassen.

Hinzu kommt, dass viele Werkzeuge funktionale Beschichtungen erhalten, um Standzeit, Festigkeit und Prozessstabilität zu erhöhen. Diese Beschichtungen weisen häufig eine sehr hohe optische Qualität auf und verhalten sich aus Sicht der Bildgebung nahezu wie Spiegel. Dadurch entstehen starke gerichtete Reflexionen, Mehrfachreflexionen in Innengeometrien sowie Abschattungen, die eine robuste optische Verschleisserkennung erheblich erschweren.

Aber es gibt bereits Messverfahren – wie unterscheidet sich Ihres davon?

Ja, es existieren Messverfahren, mit denen sich Verschleiss sehr präzise analysieren lässt, diese sind jedoch meist auf kleine, klar definierte Regionen beschränkt und mit hohem technischem sowie zeitlichem Aufwand verbunden.

Welche Werkzeuge zählen Sie konkret zu den hochkomplexen Werkzeugen?

Aufgrund des hohen Aufwands bei Datenerfassung, Datensatzgenerierung und insbesondere beim Labeln haben wir uns bewusst auf Schaftfräser konzentriert. Diese unterscheiden sich stark in ihrer Geometrie sowie in der Ausbildung der Schneidkanten, etwa hinsichtlich Kantenradius, Mikrofasen oder Kantenpräparation.

Gerade diese Merkmale sind entscheidend für die Abbildung und Lokalisierung von Verschleiss in seinen unterschiedlichen Ausprägungen. Zusätzlich beeinflussen funktionale Beschichtungen das optische Erscheinungsbild der Werkzeuge erheblich und führen häufig zu stark reflektierenden Oberflächen.

Auf welches physikalische Konzept greifen Sie, um «reflexionsarme» oder sogar «reflexionsfreie» Aufnahmen zu erhalten?

Wir verwenden ein gezielt angepasstes, stark diffuses Beleuchtungskonzept, das auf kontrollierter Mehrfachstreuung des Lichts basiert. Dadurch werden gerichtete Spiegelreflexionen weitgehend unterdrückt.

Das zugrunde liegende physikalische Verständnis orientiert sich am Phong-Reflexionsmodell, wird jedoch gezielt für die industrielle Bildgebung weiterentwickelt und angewendet.

Welche Herausforderungen mussten Sie dabei lösen?

Eine zentrale Herausforderung war der sehr hohe Aufwand beim Labeln der Daten, da Verschleissformen fein strukturiert, lokal begrenzt und stark variabel sind. Gleichzeitig erfordert das Training leistungsfähiger Modelle einen erheblichen Rechen- und Speicheraufwand, was den industriellen Einsatz zusätzlich erschwert.

Um dem zu begegnen, verfolgen wir einen dimensionsreduzierten Ansatz, mit dem sich relevante Verschleissmerkmale kompakt beschreiben lassen. Ziel ist es, Verschleiss nicht nur innerhalb einer Werkzeugklasse, sondern auch werkzeugübergreifend zu erkennen.

Welche Genauigkeit erreicht das System im Vergleich zur manuellen Expertenbewertung?

Bei der reinen Erkennung und Lokalisierung von Verschleiss erreichen wir eine Zuverlässigkeit von über 95 %. Die erzielbare Genauigkeit hängt dabei massgeblich von den Materialeigenschaften sowie der Subtilität und Ausprägung der Verschleissformen ab.

Die pixelgenaue Segmentierung ist deutlich anspruchsvoller. Hier erreichen wir, abhängig vom Kamerasystem, Intersection-over-Union-Werte von bis zu etwa 83 %, was für diese Aufgabenstellung ein sehr gutes Ergebnis darstellt.

Wie lange dauert ein kompletter Prüfzyklus pro Werkzeug?

Abhängig von Systemkonfiguration und Auflösung liegt die Prüfzeit zwischen wenigen Sekunden und einigen Minuten, inklusive Bildaufnahme und Auswertung.

Können Sie schon sagen, was ein Betrieb hier investieren müsste?

Der Investitionsrahmen liegt typischerweise zwischen 20'000 und 100'000 Euro. Enthalten sind optische Hardware, Rechentechnik sowie Software- und KI-Komponenten. Die genaue Höhe hängt von Genauigkeitsanforderungen, Werkzeugvielfalt, Inspektionsgeschwindigkeit und Integrationsgrad ab.

Wann rechnen Sie mit einem marktfähigen Produkt?

Wir arbeiten eng mit der Linner Werkzeugfabrik GmbH zusammen. Realistisch rechnen wir mit einer Marktreife im kommenden Jahr.