Bosch x Heismann: Prozessoptimierung durch gemeinsame KI-Lösung
Aus zwei KI-Pilotprojekten entsteht ein neues: Heismann Drehtechnik und Bosch Homburg haben 2025 jeweils ein Green-AI Hub-Pilotprojekt umgesetzt. Daraus entwickelten wir ein neues, gemeinsames Projekt. Es widmet sich dem Problem, dass in der Fertigung einzelne KI-Modelle häufig nicht unternehmensübergreifend anwendbar sind. Was in einem Betrieb gut funktioniert, lässt sich oft nicht ohne Anpassungsaufwand auf andere Maschinen, Datenquellen oder Prozesse übertragen.
Das KI-Pilotprojekt Bosch x Heismann erprobt die Übertragung der bereits entwickelten Pilotlösungen über die Grenzen der einzelnen Unternehmen hinaus. Dazu wird eine Lösung für eine gemeinsame KI-Anwendung entwickelt, der in beiden Unternehmen Anwendung finden kann. Das Ziel ist eine allgemeine, flexible KI-Pipeline. Sie soll die von weiteren Unternehmen für eigene KI-Anwendungen genutzt werden. Dies soll die Übertragbarkeit von KI-Modellen praktisch prüfen.
Ressourcenschonenende Fertigung von Präzisionsdrehteilen
Der Standort Homburg der Robert Bosch GmbH ist ein traditionsreiches Fertigungswerk für Präzisionskomponenten in der Automobiltechnik, welches den Grundstein für eine KI-basierte Pipeline zur Werkzeugüberwachung bereits gelegt hat. Die Heismann Drehtechnik GmbH wiederum ist spezialisiert auf Präzisionsdrehteile. Dabei steht Heismann vor ähnlichen Herausforderungen der Prozessüberwachung und Ausschussreduktion. Beide Unternehmen bringen ihre Praxiserfahrung ein, um eine generalisierbare KI-Lösung für die mittelständische Fertigung zu schaffen.
Herausforderungen: Unternehmensübergreifende Nutzung von KI-Modellen
Die Komplexität der Fertigungsprozesse und stark variierende Einflussfaktoren – wie Materialeigenschaften, Werkzeugverschleiß und unterschiedliche Maschinen – erschweren eine zuverlässige Prozessregelung. Herausfordernd ist es, die KI-Modelle unternehmensübergreifend nutzbar zu machen und die Übertragbarkeit so auszugestalten, dass ein effizienter Steuerungs- und Überwachungsansatz für verschiedene Anwender möglich wird.
Flexible Anwendung einer KI-basierten Pipeline für die Werkzeugüberwachung
Das KI-Pilotprojekt setzt auf eine Erweiterung der bereits erarbeiteten Pipeline für die Werkzeugüberwachung, sodass die KI-Modelle nicht mehr nur werkzeug- und maschinenspezifisch trainiert, sondern flexibel für verschiedene Anwender adaptiert werden können. Über Federated Learning und Transferlernen wird die Verwendbarkeit der Modelle getestet. Heismann dient dabei als Pilot für die Adaption und integriert eigene Prozessdaten. Die Lösung erkennt maßgeschneidert Anomalie und gibt Empfehlungen zur Prozessoptimierung basierend auf kombinierten Datensätzen aus unterschiedlichen Produktionswelten. Durch die Erprobung im Mittelstand entsteht eine robuste, skalierbare Vorlage für weitere Unternehmen.
Effizientere Ressourcennutzung durch Künstliche Intelligenz
Die generalisierte KI-Pipeline wird direkt in den Produktionsprozess integriert und ermöglicht eine effizientere Ressourcennutzung durch optimierte Werkzeugstandzeiten und verringerte Ausschussquoten – Stichwort: Predictive Maintenance. Der Wissenstransfer zwischen den Unternehmen beschleunigt die Digitalisierung mittelständischer Produktionen und eröffnet neue Möglichkeiten für die Fertigungssteuerung mit KI. Die Lösung sorgt für stabilere Abläufe, reduziert den Kontrollaufwand und steigert so die Produktivität, Verfügbarkeit und Nachhaltigkeit über Unternehmensgrenzen hinweg.
Ressourceneinsparung durch KI-gestützte Prozessregulierung
Durch die verbesserte Überwachung und den gezielten Einsatz von KI gelingt es, Material-, Energie- und Prozessressourcen effizienter zu nutzen und nachhaltiger zu gestalten. Die KI-gestützte Prozessregulierung wirkt sich positiv auf die Umweltbilanz aus, reduziert die Materialverschwendung und verlängert die Lebensdauer von Werkzeugen. Die KI-Lösung trägt dazu bei, Abfall und CO₂-Emissionen in verschiedenen Produktionsumgebungen branchenübergreifend zu minimieren.
Technologie
Fähigkeit der KI: Datenanalyse, Anomalieerkennung, Werkzeugüberwachung
KI-Modell: Datenpipeline und skalierbare KI Werkzeugüberwachung
Wertschöpfung
Phase: Produktion
Ziel der KI: Höhere Werkzeugausnutzung, Geringerer Ausschuss
Ressourceneffizienz
Durch KI-gestützte Prozessoptimierung können Werkzeuge optimal ausgenutzt werden und somit Material, Energie und Abfall eingespart werden.