Additive Fertigungsprozesse gelten als wichtige Bausteine für flexible und ökonomische Fertigung variierender Produkte. Den immer schneller wechselnden Anforderungen an Design, flexible Werkstoffeigenschaften und Funktion begegnet AM durch lagenweisen Aufbau in Kombination mit präziser Steuerung- und Überwachungsmöglichkeit. Trotz des großen Potentials besteht in der aktuell erfahrungs- und Trial-and Error-basierten, iterativen Entwicklung von Prozessen, die zusätzlich anwendungsabhängig wiederholt werden muss, das größte Defizit.

Analytische Methoden, die bspw. mittels online erfasster Messdaten Prognosen über die Bauteilqualität erstellen, fehlen derzeit aufgrund der großen Prozesskomplexität. Dies hemmt den Markteinstieg und reduziert das Anwendungsspektrum insbesondere für kleine und mittelständische Unternehmen. Hinsichtlich dieser Herausforderungen verspricht der Einsatz Künstlicher Intelligenz (KI) bei Analyse- und Regelungsaufgaben hoher Komplexität, vielen Parametern mit starker Querbeeinflussung – wie bei AM – signifikante Vorteile bezüglich Effizienz und Qualität der Analysen im Bereich der Fertigung.
Im Rahmen von ProSLAM sollen KI-gestützte AM-Prozesse an relevanten Use Cases erprobt werden. Auf Basis selbst lernender Prozessüberwachung und -Steuerung erwarten die Partner kürzere Prozessentwicklungs- und Qualifizierungszeiten sowie eine Reduktion des Ausschusses bei gleichzeitiger Erhöhung der Anlagenverfügbarkeit durch Vermeidung von Leerläufen.

Die Anwendung KI-basierter Algorithmen setzt eine ausreichende Datengrundlage und -Qualität sowohl bei Prozess- als auch Ergebnisdaten voraus. Daher  ist eine Erfassung der Daten und deren Analyse mit KI-Methoden in regelmäßigen Intervallen mit nachfolgender Adaption der Maschinenprogrammierung notwendig. Die benötigte Datengrundlage lässt sich mit den Qualitätskriterien verbinden, um daraus Handlungsempfehlungen für die Prozessführung abzuleiten und automatisiert durchzuführen.

Weiterführende Informationen & Quellenangabe (Stand: 07/2024):
ProSLAM Homepage - BCT Online