Vortragssession
Donnerstag, 30. Oktober 10 Uhr bis 12 Uhr:
Benjamin Adrian, Fraunhofer ITWM: »KI trifft Prüfstand: So entsteht eine verlässliche RUL-Prognose«
Bei komplexen Anlagen bestimmen oft wenige Schlüsselkomponenten die Verfügbarkeit. Gemeinsam haben die Firma Berger und das Fraunhofer ITWM eine zustandsbasierte Restlebensdauerprognose für Kugelgewindetriebe – eine zentrale Antriebskomponente von Werkzeugmaschinen – entwickelt. Der komponentenfokussierte Ansatz liefert frühzeitige, verlässliche Hinweise auf Verschleiß, macht Wartungsfenster planbar, reduziert ungeplante Stillstände und optimiert die Ersatzteil- sowie Kapazitätsplanung. Die Lösung steht Werkzeugmaschinenherstellern zur Verfügung und ermöglicht in der Komponentenfertigung Remote Service, Predictive Maintenance und Equipment-as-a-Service – für höhere OEE, stabile Taktzeiten und einen robusteren Auftragsdurchlauf.
Safa Omri, Fraunhofer IAO: »Das unsichtbare Kapital: Implizites Wissen als Schlüssel zur smarten Instandhaltung«
Implizites Wissen erfahrener Instandhaltungsfachkräfte ist ein entscheidender, aber oft schwer zugänglicher Erfolgsfaktor. Ein KI-gestütztes Assistenzsystem ermöglicht es, dieses Erfahrungswissen über eine dialogbasierte Interaktion mit einem LLM-Agenten systematisch zu erfassen, in strukturierte Handlungsschritte zu überführen und in einem Wissensgraphen abzulegen. Auf diese Weise entsteht eine leicht nutzbare Lernressource, die neuen Techniker:innen den schnellen Zugang zu Expertenwissen eröffnet und den nachhaltigen Wissenstransfer in der Instandhaltung sicherstellt.
Thomas Heller, Fraunhofer IML: »Die fünfte industrielle Revolution (?): Wie agentenbasierte KI die Instandhaltung verändern wird«
Künstliche Intelligenz bestimmt zunehmend unser Leben. Dabei spielen auch so genannte Agenten eine Rolle. Aber was können sie, wie kann man sie konkret nutzen und welche Konsequenzen ergeben sich daraus?
Patrick Barylla, Fraunhofer Austria: »Smart-Retrofitting zur strukturierten Einführung von Predictive Maintenance«
Beim Thema Predictive Maintenance klaffen Anspruch und Wirklichkeit noch weit auseinander. Besonders auf dem Weg zur Industrie 5.0, wobei nicht nur digitalisierte, sondern auch menschzentrierte Produktionssysteme gefordert sind. Während Studien und Anbieter seit Jahren den großen Durchbruch versprechen, empfinden viele Praktiker:innen Predictive Maintenance als »heiße Luft« – weil reale Umsetzungen, etwa für die Restlebensdauer von Komponenten, technisch wie organisatorisch deutlich komplexer sind als gedacht.
Hier setzt Smart-Retrofitting an: Statt unrealistische Big-Bang-Lösungen zu propagieren, zeigen wir einen strukturierten, schrittweisen Weg, um Bestandsanlagen mit Sensorik, Datenanalyse und KI schrittweise fit für Predictive Maintenance zu machen. Während viele marktgängige Lösungen auf komplexe Sensorik- oder Cloud-Pakete setzen, möchte Fraunhofer neueste Forschung mit individueller Praxiserprobung verbinden, neutrale Referenzlösungen entwickeln und Unternehmen von der Pilotphase bis zur Skalierung begleiten – unabhängig, transparent und wissenschaftlich fundiert.
Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWM