Schokoladenformen müssen höchsten Ansprüchen genügen. Dafür muss die Produktion präzise aufeinander abgestimmt werden – KI kann hierbei unterstützen. (Bild: Agathon)
Die Digitalisierung der Spritzgießproduktion eröffnet vielseitige Möglichkeiten, die über den Einsatz künstlicher Intelligenz (KI) hinausgehen. Zentrale Themen sind dabei die Erfassung und Synchronisierung von Daten, die Integration von Produktions- und Qualitätsinformationen sowie die Gewinnung datenbasierter Erkenntnisse. Viele kunststoffverarbeitende Unternehmen befinden sich jedoch erst am Anfang dieses Prozesses. Insbesondere der Mittelstand sieht sich mit komplexen, interdisziplinären Fragestellungen konfrontiert, die den Fortschritt erschweren. Agathon hat bereits erste Schritte in der digitalen Transformation der eigenen Spritzgießfertigung umgesetzt und möchte diesen Prozess strukturiert weiterführen. Dafür setzt der Hersteller von Schokoladenformen auf die Unterstützung von Osphim.
Wie verändert Datennutzung die Produktion?
Agathon setzt auf eine klare Strategie, die Nachhaltigkeit und Digitalisierung als zentrale Aspekte der Unternehmensentwicklung verankert. Ein zentraler Meilenstein dabei ist der Bau einer neuen Fertigungshalle, deren Konstruktion von Anfang an auf die Anforderungen einer umfassenden Digitalisierungsstrategie in der Produktion ausgerichtet ist. Ziel ist es, Spritzgießmaschinen sowie vorhandenen Peripheriegeräte vollständig zu vernetzen, die Prozessdaten verfügbar zu machen und so zu nutzen, dass sie einen echten Mehrwert für die Wertschöpfung stiften. Durch diese digitale Transformation soll die Effizienz gesteigert, die Produktionsqualität verbessert und die Grundlage für datengetriebene Entscheidungen geschaffen werden.
Um diese Ziele zu realisieren, arbeitet das Unternehmen eng mit Osphim zusammen. Ein wesentlicher Aspekt ist die Vernetzung aller Anlagen und die Einbindung von Daten aus Spritzgießmaschinen, Peripheriegeräten und Qualitätsmesssystemen in eine durchdachte und konsistente Datenstrategie. Diese Strategie basiert auf der semantischen Verknüpfung der Daten, wodurch beispielsweise Qualitätsmessdaten direkt den jeweiligen Produktionszyklen zugeordnet werden können. Dadurch können die Daten auch in automatisierten Umgebungen effektiv genutzt werden, etwa für das Training von Modellen des maschinellen Lernens (ML). Die Umsetzung erfolgt direkt an den Maschinen und in der Qualitätssicherung mithilfe der Plattform von Osphim. Die erzeugten Daten sind „ML-ready“, das heißt, sie können unmittelbar für das Training von Prozess- und Qualitätsmodellen im Spritzgießen genutzt werden, beispielsweise zum Abmustern und Optimieren von Einstellparametern neuer Prozesse. Die Plattform liefert konkrete Empfehlungen für Einstellungen, um festgelegte Qualitäts- und Effizienzziele zu erreichen. Der zugrunde liegende Algorithmus optimiert gleichzeitig Bauteilqualität, Zykluszeit und Energieverbrauch.
In der Serienproduktion kommt eine flexible Datenvisualisierung sowie eine automatisierte Anomalieerkennung zum Einsatz. Diese Funktionen ergänzen die klassische statistische Prozesskontrolle (SPC) und erleichtern zugleich die Arbeit der Produktionsmitarbeiter, wie Yannik Lockner, Osphim-Mitgründer und Geschäftsführer, erklärt: „Die SPC ist fehleranfällig und starr. Die dynamische Anomalieerkennung von Osphim kann hingegen automatisiert parametriert werden. Das beseitigt Fehlerquellen und liefert wichtige Abweichungsdaten zum Prozess, die zur Stillstandsverhinderung genutzt werden können.”
Ein genauer Blick auf Agathon
Die Agathon-Unternehmensgruppe stellt seit ihrer Gründung 1949 Formen für die Lebensmittelindustrie her. Auf sechs Spritzgießmaschinen können jährlich bis zu 700.000 Formen bei 9 kg Gewicht bis 1.700 mm Länge produziert werden. Das Unternehmen unterliegt hierbei hohen Qualitätsanforderungen, die insbesondere die Maßhaltigkeit und Ebenheit der großen, flächigen Bauteile betrifft und setzt diese von der CAE-Entwicklung inklusive FEA- und Moldflow-Analysen bis hin zur Serienproduktion inhouse um.
Warum die Cloud kein Luftschloss ist
Zu Beginn der Zusammenarbeit wurde die Osphim-Plattform auf den firmeneigenen Servern von Agathon bereitgestellt, um einen einfachen und schnellen Einstieg in die Technologie zu ermöglichen. Langfristig könnten On-Premise-Deployments jedoch Herausforderungen mit sich bringen: Für Wartung und Updates der Software musste ein VPN-Zugriff auf die internen Server gewährt werden, um kostspieligen und zeitlich verzögerten Vor-Ort-Support zu vermeiden. Allerdings lässt sich ein Missbrauch oder eine Kompromittierung dieses Zugangs durch unbefugte Dritte nicht vollständig ausschließen, was ein potenzielles Sicherheitsrisiko darstellt. Zudem hängt die Softwareleistung von der verfügbaren Unternehmens-Hardware ab, die bei zunehmendem Datenvolumen oder rechenintensiveren Modulen entsprechend skaliert werden müsste. Dies betrifft nicht nur die Serverleistung, sondern auch die Datenbanken zur Speicherung der Plattformdaten. Wartung und Updates dieser Systeme stellen für die IT-Abteilung des Unternehmens einen erheblichen zusätzlichen Aufwand dar. Osphim bietet zudem die Möglichkeit, die Plattform in der Cloud zu nutzen. Die Verwendung einer Public Cloud bringt zahlreiche Vorteile mit sich: Für Agathon bedeutet der Umstieg eine Vergemeinschaftung der Wartungskosten, barrierefreien Support und automatisierte Software-Updates. Der Aufwand für die unternehmenseigene IT wird deutlich reduziert, da keine Re-mote-Zugänge, Technikerbesuche oder die Verwaltung eigener Server mehr erforderlich sind. Schulungen können bei Bedarf flexibel remote durchgeführt werden. Gleichzeitig entfällt für Osphim der parallele Betrieb einzelner Softwareinstallationen an verschiedenen Standorten. Dadurch werden Personalkapazitäten freigesetzt, und die Weiterentwicklung der Plattform kann effizienter und skalierbarer erfolgen – ein Vorteil, von dem auch Agathon direkt profitiert.
Die Datensicherheit ist ein häufig diskutiertes Thema im Zusammenhang mit Cloud-Anwendungen. Durch den Betrieb der Plattform auf der Microsoft Azure-Infrastruktur wird ein höchstmögliches Maß an Sicherheit gewährleistet: Die Verbindungen zwischen Agathon und den Osphim-Servern sind SSL-verschlüsselt, die Services und Server nutzen sowohl Authentifizierung als auch Autorisierung. Zudem kann die Kommunikation mit der Cloud auf einen einzigen ausgehenden Port beschränkt werden. Der Zugriff auf die Plattform erfolgt über einen Browser, wodurch zusätzliche technische Hürden entfallen. Aufgrund der klaren Vorteile der Cloud-Lösung hat sich das Unternehmen für den Wechsel zu Osphim auf Microsoft Azure entschieden.
Wie wird die Produktion durch Cloud und KI zukunftssicher?
Die ersten Spritzgießmaschinen und Temperiergeräte sind es bereits, nach dem Umzug in die neue Halle werden alle Produktionsanlagen schrittweise an das Cloud-Deployment angebunden. „Wir wollen auch hier mit Osphim weiter an der Vertiefung der Integration unserer Daten in den kontinuierlichen Verbesserungsprozess (KVP) arbeiten. Erste Versuche mit der KI von Osphim zeigen einen klaren Lösungsweg und werden uns zukunftssicher aufstellen, um auch langfristig wettbewerbsfähig zu bleiben“, betont Julia Gebauer, Technical Innovation Officer bei Agathon.
Kommende Software-Erweiterungen wie die Integration von Wissensmanagement-Tools, KI-gestützte Systeme für die kontinuierliche Prozessoptimierung oder die Reaktion auf Veränderungen während der Serienproduktion werden erprobt. Der Wechsel in die Cloud erleichtert eine effiziente Zusammenarbeit bei der Integration intelligenter Ansätze. Mit diesen Maßnahmen wird sichergestellt, dass die Produktion nachhaltig optimiert und damit zukunftssicher bleibt.
INTERVIEW: Nachgehakt bei Yannik Lockner, Mitgründer und Geschäftsführer von Osphim
Wie hat sich Ihrer Meinung nach die Einführung von KI und Automatisierung in der Kunststoffverarbeitung in den letzten Jahren entwickelt, und welche wesentlichen Fortschritte konnten dadurch erzielt werden?
Yannik Lockner: KI hat in den letzten Jahren in der Spritzgießproduktion in unterschiedlichen Aufgabenfeldern Einzug gehalten. Einer der wahrscheinlich wichtigsten Bereiche ist die bildbasierte Qualitätskontrolle, bei der Modelle Lufteinschlüsse oder Bindenähte am Bauteil erkennen und Ausschuss frühestmöglich erkennen können. Weitere Anwendungen wie zum Beispiel kurvenbasierte Qualitätsprädiktionen oder die vorausschauende Wartung entwickeln sich nur langsam aus ihren prototypischen Stadien zu praktikablen Anwendungsfällen. In einzelnen Anwendungen sind sie jedoch bereits in der Praxis zu finden. Alle Ansätze zielen auf einen Effizienzgewinn in der Produktion, sei es durch weniger von Ausschuss verursachte Kosten oder eine längere Lebensdauer von Anlagen. Interessant sind auch Ansätze zur Nutzung sogenannter „Large Language Models“, also KI-Sprachmodelle zum Aufbau von Unternehmenswissen. Die meisten Fortschritte werden in den Bereichen erzielt, in denen vergleichsweise viele Daten für das Training von KI-Modellen ohne großen Aufwand zur Verfügung stehen.
Die Datenbasis ist für den Erfolg von KI-Projekten entscheidend. Welche Schritte empfehlen Sie Unternehmen, um ihre Datenstrukturen und Prozesse optimal auf die Anforderungen vorzubereiten?
Lockner: Die Verfügbarkeit und Bereitstellung qualitativ hochwertiger Daten sind eine der wichtigsten Voraussetzungen für den Erfolg eines KI-Projekts. Da jedes Unternehmen einen individuellen Umgang mit seinen Daten pflegt, gilt es, die eigenen Prozesse und Datenstrukturen zu hinterfragen. Die Qualität der eigenen Daten lässt sich unter anderem durch die wichtigen Eigenschaften Vollständigkeit, Konsistenz, Genauigkeit und Verfügbarkeit beurteilen. Was das im Einzelnen heißt, kommt auf den Anwendungsfall an: Die Einspritzgeschwindigkeit wird in der Regel „genau“ auf die dritte Nachkommastelle angegeben, für Prozesstemperaturen reicht meist die erste Nachkommastelle aus. Die grundlegende Datenqualität ist darüber hinaus von der Eignung der Daten für KI-Projekte zu trennen. Hier ist es wichtig, entweder selbst oder mit Experten eine langfristige Strategie zu entwickeln, die eine maximale Versatilität der Daten für zukünftige unbekannte Anforderungen an Datensätze sicherstellt.
Welche typischen Fehler oder Herausforderungen sehen Sie bei der Implementierung von KI-Lösungen im Spritzgießen und wie lassen sich diese erfolgreich meistern?
Lockner: Die Einführung von KI in der Produktion birgt großes Potenzial und stellt gleichzeitig hohe Anforderungen an die Organisation. Wichtigste Elemente sind die bereits zuvor erwähnte Datenbasis sowie das Erwartungsmanagement und die Einbindung aller beteiligten Stakeholder. Es braucht eine klare Zielvorstellung: Welche konkrete Aufgabe soll KI-basiert unterstützt werden, welche Daten stehen jetzt und künftig zur Verfügung und – nicht weniger wichtig – welche Erwartungen sind realistisch?
Das beste KI-System wird in der Praxis scheitern, wenn die Anwender nicht den Mehrwert der neuen Funktionen verstehen und effektiv nutzen können. Nur wenn die Menschen im Unternehmen die Vorteile der KI-basierten Systeme nachvollziehen und im Arbeitsalltag gewinnbringend einsetzen können, kann die Technologie ihr volles Potenzial entfalten. Für „KI-Rookies“ empfiehlt sich die Zusammenarbeit mit Experten. Diese unterstützen beim strukturierten Vorgehen von der Bestandsaufnahme bis zur Umsetzung und schaffen so eine solide Grundlage für erfolgreiche KI-Projekte. So lassen sich potenzielle Stolpersteine frühzeitig identifizieren und unliebsame Überraschungen vermeiden.
Welche konkreten Maßnahmen erachten Sie als notwendig, um Mitarbeiter bei der Einführung von KI-Systemen aktiv einzubinden und Akzeptanz zu schaffen?
Lockner: Maximale Transparenz vom Projektstart bis Einführung des Systems hinsichtlich des Zwecks, der Potenziale und Ziels des KI-Projekts. Dies sollte eine Möglichkeit zur Partizipation beinhalten, um die Entwicklung des Systems zu unterstützen. Denn seien wir mal ehrlich: Interne Prozesse, vor allem in der Fertigung, haben ihre individuellen Kniffe, vielleicht sogar handhaben unterschiedliche Mitarbeiter dieselbe Aufgabe unterschiedlich. Hier ist es gewinnbringend für beide Seiten geregelt und regelmäßig während der Entwicklung aufeinanderzutreffen und Erfahrungen auszutauschen und die aktiven Nutzer im Rahmen der Einführung als Teil des Projekts mit einzubinden. Nicht nur kann so ein Wissenstransfer von der Praxis in das KI-System erfolgen, sondern dieses wird durch die Begleitung durch die Mitarbeiter auch „demystifiziert“, was deutlich zur späteren Akzeptanz beiträgt.
Wie kann die Implementierung von KI-basierten Systemen die Herausforderung des Fachkräftemangels in der Spritzgießproduktion mindern?
Lockner: Es gibt zahlreiche denkbare Szenarien, in denen KI gezielt zur Unterstützung in der Kunststoffverarbeitung eingesetzt werden kann. Osphim sieht dabei großes Potenzial, insbesondere bei anspruchsvollen Entscheidungssituationen, etwa bei der Ersteinrichtung eines neuen Spritzgießprozesses sowie bei überwachenden Aufgaben wie der Anomalieerkennung während der Serienproduktion. Letztlich müssen immer weniger Experten immer mehr Maschinen betreuen! In diesen Bereichen kann KI Kunststoffverfahrensmechaniker und Kunststoffingenieure effektiv entlasten und unterstützen.
Angesichts des zunehmenden Fachkräftemangels wird die strukturierte Erfassung und schnelle Verfügbarkeit von Fachwissen immer wichtiger. KI-gestützte Systeme können effizient im Wissensmanagement unterstützen, indem sie wertvolles Know-how, insbesondere aus der Produktion, systematisch speichern und jederzeit abrufbar machen. Auf diese Weise trägt KI dazu bei, unternehmenskritisches Wissen langfristig zugänglich und nutzbar zu halten, auch bei begrenzter Verfügbarkeit erfahrener Fachkräfte.
Wie können insbesondere kleine und mittelständische Unternehmen (KMU) von KI-Anwendungen in der Kunststoffverarbeitung profitieren, und welche Einstiegshürden gilt es zu überwinden?
Lockner: Der deutsche Mittelstand hat großes Potenzial bei der Einführung digitaler, intelligenter Ansätze zur Prozessoptimierung, sieht sich jedoch strukturellen Herausforderungen gegenüber. Die Entwicklung individueller KI-Anwendungen ist kostspielig. Hier lohnt es sich für KMUs, spezialisierte Anbieter zu vergleichen, die bereits klare Anwendungsfälle identifiziert und dafür Lösungen entwickelt haben. Zudem bedarf es für die eigene Erarbeitung der KI-Systeme spezifisches Fachwissen, sowohl auf der Anwender- als auch der Entwicklerseite. Eine ergonomische Benutzerschnittstelle ist hier besonders wichtig für den Anwender, aber auch besonders schwierig aufgrund der Systemkomplexität. KMUs sollten sich genau überlegen, ob das aus dem eigenen Unternehmen heraus geleistet werden kann und sollte, oder ob lieber auf am Markt erhältliche, benutzerfreundliche Lösungen inklusive Infrastruktur, meist Cloud, zurückgegriffen werden kann. Die Erarbeitung einer geeigneten Strategie kann mit Experten zusammen erfolgen.
Welche technologischen Trends und Entwicklungen sehen Sie zukünftig in der Kombination von KI und Automatisierung für die Kunststoffverarbeitung?
Lockner: Auf die gesamte Produktion bezogen ist KI bereits jetzt schon erfolgreich im Einsatz, um zum Beispiel Energiekosten zu senken. Ein vielversprechender Trend in der Kombination von KI und Automatisierung für die Kunststoffverarbeitung liegt in der kontinuierlichen Verbesserung der Prozessoptimierung und Qualitätskontrolle durch Echtzeit-Datenanalyse und maschinelles Lernen. Zukünftige Entwicklungen könnten intelligente Produktionssysteme hervorbringen, die mit wenig Aufwand Prozesseinstellungen optimieren, auf potenzielle Qualitätsmängel frühzeitig hinweisen und Abstellmaßnahmen vorschlagen oder bei der Verarbeitung von PCR-Formmassen helfen und damit die Erreichung der Nachhaltigkeitsziele der Unternehmen unterstützen. Perspektivisch könnte die Integration von KI die vorausschauende Wartung von Maschinen und Anlagen ermöglichen und dadurch Ausfallzeiten und Betriebskosten reduzieren.
Wenn Sie in die Zukunft blicken: Wie wird die Zusammenarbeit zwischen Mensch und Maschine in der Kunststoffverarbeitung in fünf bis zehn Jahren aussehen, und welche Rolle könnte KI dabei übernehmen?
Lockner: Es gibt zahlreiche Gründe, weshalb Fehler in der Produktion auftreten können. Der Mensch zeichnet sich durch seine unübertroffene Problemlösungsfähigkeit aus und wird auch in Zukunft genau dafür gebraucht werden: Das Lösen von Problemen mit unbekannten Ursachen. Für planbare, strukturierte und zumindest teilweise automatisierbare Aufgaben in der Produktion hingegen werden sich die Produktionsmitarbeiter nach unserer Überzeugung bei Osphim einer KI bedienen. KI kann hier zum Beispiel Lösungsansätze vorschlagen, Muster erkennen oder Aufgaben automatisch priorisieren. In diesen Bereichen wird der Mensch weiterhin aktiv eingreifen, um Systemfehler zu vermeiden, jedoch signifikant weniger Zeit darauf verwenden als momentan. Um diese Form der Zusammenarbeit effizient zu gestalten, sollten Unternehmen jetzt notwendige Erfahrung mit der Technik sammeln.
