KI in der Produktion: Daten verknüpfen mit dem digitalen Produktpass
Künstliche Intelligenz in der Produktion kann Qualitätsabweichungen erkennen, Maschinenzustände prognostizieren und Prozessentscheidungen unterstützen. Dafür müssen Material-, Maschinen-, Prozess- und Qualitätsdaten im richtigen Zusammenhang verfügbar sein. Der digitale Produktpass (DPP) kann diesen Zusammenhang über den gesamten Produktlebenszyklus herstellen.
Ein Datenkorridor für KI in der Produktion
Modellgrafik von RITTWEGER + TEAM zur Verknüpfung von Produkt-, Material-, Prozess- und Qualitätsdaten für industrielle KI über DPP, Catena-X und Edge AI.
Die Datenbasis: Eine eindeutige Produkt- beziehungsweise Chargenidentität verbindet Material- und Komponentendaten mit Prozessparametern, Prüfergebnissen und Maschinenzuständen. Hinzu kommen Informationen aus Intralogistik, Nutzung und Service. So werden einzelne Messwerte einem nachvollziehbaren Produkt- und Prozesskontext zugeordnet.
Der digitale Produktpass: Im dargestellten Modell ist der DPP kein zusätzliches Datensilo, sondern eine Zugangsebene zu verteilten, maschinenlesbaren Informationen. Er macht Produktwissen über Unternehmens- und Lebenszyklusgrenzen hinweg nutzbar – für Produktionsentscheidungen ebenso wie für Wiederverwendung, Aufarbeitung und Recycling.
Catena-X: Gemeinsame Datenmodelle, digitale Identitäten, Zugriffsrechte und interoperable Konnektoren unterstützen den geregelten Datenaustausch zwischen Unternehmen. Dabei wird festgelegt, wer welche Informationen für welchen Zweck nutzen darf.
Edge AI: Aktuelle Sensor-, Maschinen- und Qualitätsdaten werden nahe an ihrem Entstehungsort verarbeitet und mit dem Produktkontext verbunden. Daraus lassen sich Prognosen, Hinweise auf Abweichungen und Empfehlungen für den Produktionsprozess ableiten.
Einstieg: Datenqualität sichern und Nutzen prüfen
Für den Einstieg empfehlen wir einen begrenzten Anwendungsfall mit messbarem Ziel. Zunächst werden die benötigten Datenquellen und Zuordnungen geprüft. Anschließend werden Verantwortlichkeiten und Zugriffsrechte festgelegt und ein Pilot unter realen Produktionsbedingungen getestet. Daten müssen aktuell, ausreichend vollständig, versioniert und nachvollziehbar sein. Ihre technische Verknüpfung allein genügt nicht.
Beim Rezyklatbeispiel bieten sich als Erfolgskriterien die Ausschussquote je Charge, der Einstellaufwand nach einem Materialwechsel und die Einhaltung der Qualitätsanforderungen an. Der Vergleich mit dem Ausgangszustand zeigt, ob die Anwendung tatsächlich einen zusätzlichen Nutzen bringt.
Praxisbeispiel aus dem Forschungshintergrund: AgiEcoPlast
RITTWEGER + TEAM ist Verbundpartner im Forschungsprojekt AgiEcoPlast, das einen digitalen Prozesszwilling für die Polymerindustrie entwickelt. Die Projektbeteiligung ist in der Forschungsübersicht der TU Ilmenau dokumentiert.
Beispielansicht eines digitalen Produktpasses für ein Material mit Produktdaten, CO₂-Fußabdruck, Rezyklatanteil, Materialzirkularität sowie Basis- und technischen Daten.
Der digitale Produktpass (DPP) bildet im beschriebenen Ansatz die strukturierte Datengrundlage: Er verknüpft Material-, Produkt-, Prozess-, Qualitäts- und Umweltdaten. Der digitale Prozesszwilling nutzt diese Informationen, um Zusammenhänge zu analysieren und Szenarien für unterschiedliche Materialien und Produktionsabläufe zu untersuchen.
Das Rezyklatbeispiel veranschaulicht, weshalb diese Verknüpfung für KI in der Produktion relevant ist: Erst wenn die Materialinformationen einer Charge den zugehörigen Prozesswerten und Qualitätsergebnissen zugeordnet sind, lassen sich Materialschwankungen im Zusammenhang mit dem Fertigungsergebnis untersuchen. Perspektivisch können darauf aufbauende KI-Anwendungen helfen, geeignete Prozessanpassungen abzuleiten und Rezyklate verlässlicher zu verarbeiten.
Unser Forschungsschwerpunkt liegt auf der Konnektivität über Unternehmensgrenzen hinweg. Wir untersuchen, wie Informationen zwischen den Beteiligten anschlussfähig werden. Damit adressieren wir eine wesentliche Voraussetzung des dargestellten Datenkorridors: Produkt- und Materialwissen soll nicht an einzelnen Unternehmenssystemen enden, sondern entlang der Wertschöpfungskette nutzbar werden.
Fazit: KI in der Produktion braucht verknüpftes Produktwissen
KI in der Produktion braucht verlässliche Daten im richtigen Produkt- und Prozesskontext. Der digitale Produktpass (DPP) kann dafür Material-, Prozess- und Qualitätsinformationen über den Lebenszyklus hinweg verbinden.
RITTWEGER + TEAM verbindet Material- und Nachhaltigkeitskompetenz mit digitalen Produktpässen und unternehmensübergreifender Datenvernetzung. Wir begleiten Unternehmen dabei, relevante Produktdaten zu strukturieren und Datenräume wie Catena-X zu erschließen. Als Forschungspartner in AgiEcoPlast arbeiten wir selbst an den Grundlagen der unternehmensübergreifenden Datenvernetzung. Unser Schwerpunkt ist die Frage, wie Produkt- und Materialinformationen über einzelne Unternehmenssysteme hinaus nutzbar werden. Damit bearbeiten wir eine zentrale Schnittstelle zwischen digitalem Produktpass, KI in der Produktion und zirkulärer Wertschöpfung.
Sie möchten den digitalen Produktpass nicht nur als Nachweispflicht, sondern als strategische Daten- und Transformationsaufgabe verstehen?
RITTWEGER + TEAM erforscht und entwickelt Ansätze, wie Materialien, Nachhaltigkeitsdaten, Design und digitale Systeme zu zirkulären Wertschöpfungsprozessen verbunden werden können.
