VersAtile-KI

Verschleiß- und Abnutzungsbefundung an Altteilen mittels KI-basiertem, optischem Entscheidungsunterstützungssystem

Motivation

Das Bundesklimaschutzgesetz und der zweite EU-Aktionsplan für die Kreislaufwirtschaft sollen helfen, den fortschreitenden Klimawandel einzudämmen. Eine Strategie der Kreislaufwirtschaft bildet die Refabrikation. Sie stellt eine Möglichkeit zur Einsparung von Rohstoffen und Energie dar, bei der Altteile, also gebrauchte Produkte, aufgearbeitet werden, sodass deren Neuteileeigenschaften wiederhergestellt werden. Die Refabrikation ist allerdings nicht für alle Altteile gleichermaßen sinnvoll und möglich. Die Entscheidung zur Aufarbeitung wird anhand definierter Kriterien im Rahmen einer Sichtprüfung des Verschleiß- und Abnutzungszustands jedes Altteils getroffen. Das wird normalerweise von Menschen geprüft. Aufgrund steigender Variantenvielfalt und Monotonie der Tätigkeit werden so auch Fehlentscheidungen getroffen, aufarbeitbare Altteile aussortiert oder recyclingfähige Teile weiter durch den Prozess geführt und Ressourcen verschwendet.

Ziele und Vorgehen

Im Projekt „VersAtile-KI“ wird ein, auf Künstlicher Intelligenz (KI) basierendes, Entscheidungsunterstützungssystem erforscht, das Menschen bei der Befundung unterstützen soll. Dazu eignet sich insbesondere ein KI-basiertes System, da es flexibel einsetzbar ist und das Expertenwissen der Mitarbeitenden erlernen kann. Hierfür benötigt das KI-System allerdings viele Daten (Trainingsdaten), die in der Realität jedoch meist nicht verfügbar sind. Aus diesem Grund soll das zu entwickelnde KI-System mit wenig Aufwand in der Datenakquise trainiert werden können, aber dennoch in der Lage sein, eine breite Vielfalt von Verschleiß- und Abnutzungserscheinungen verarbeiten zu können.

Innovationen und Perspektiven

Das KI-System wird daher wie folgt umgesetzt: Eine Digitalisierungslösung soll zunächst anhand von Scans realistische 3D-Modelle der Altteile erstellen. Hieraus werden, unter Berücksichtigung der lokalen Oberflächenvorgaben eines Domänenexperten und der typischen Verschleiß- und Abnutzungsspuren, synthetische Bilder erzeugt. Diese Bilddaten werden dann zum Training geeigneter Klassifikationsnetze verwendet, die anschließend in den Befundungsprozess integriert werden, z. B. um die Sichtprüfenden durch Einblendungen in einer Augmented Reality-Brille zu unterstützen.

Projektinformation

Projektleitung

Dropslab Technologies GmbH
Jülicher Str. 72a
50270 Aachen

Volumen

1,680 Mio. €

Laufzeit

04/2023 – 03/2026

Projektpartnerinnen und -partner

Kaptura GmbH Fraunhofer IPA