Kann Künstliche Intelligenz unsere Infrastruktur sichern?
Am Kunststoff-Zentrum SKZ in Würzburg ist das das Projekt „Pipe-safe“ gestartet. Ziel ist, einen KI-Assistenten zur Qualitätssicherung von Schweißnähten im Rohrleitungsbau in den Praxiseinsatz zu bringen. Mittels KI können die Schweißverbindungen an Gas- und Wasserleitungen bewertet und Fachkräfte entlastet werden.
Die Sicherheit der Versorgungsinfrastruktur, insbesondere im Rohrleitungsbau, hängt maßgeblich von der Qualität der Schweißnähte ab. Deshalb gelten in der Ausbildung von Schweißern für Kunststoffrohre hohe Standards – so werden Schweißverbindungen nochmals durch eine weitere Fachkraft im Baustellengraben geprüft. Dies sind entscheidende Maßnahmen, um die Versorgungssicherheit im Gas-, Wasser und Abwasserbereich sicherzustellen und Unfälle zu vermeiden.
Aktuell keine 100-prozentige Kontrolle möglich
Die Prüfung der Schweißnähte im Graben muss zerstörungsfrei und unter Baustellenbedingungen ablaufen. Aktuell ist eine Schweißaufsicht verpflichtend, die durch fachkundige Spezialisten durchgeführt wird. Dies entspricht aber keiner 100-prozentigen Kontrolle, da optimale Schweißparameter und eine von außen optisch einwandfreie Schweißnaht keine fehlerfreie Schweißung mit Sicherheit belegen können. Aus diesem Grund kann es trotz der hochwertigen Ausbildung von Schweißern und der Schweißaufsicht zu Fehlern kommen.
Diese können schwerwiegende Folgen nach sich ziehen, wenn durch eine fehlerhafte Schweißnaht ein Rohr platzt. Egal ob Gas oder Wasser – die Auswirkungen können dramatisch sein. Am SKZ hat deshalb das Projekt Pipe-safe ins Leben gerufen, welches mittels moderner zerstörungsfreier Prüftechnik und Künstlicher Intelligenz (KI) Fachleute künftig unterstützen soll.
Arbeiten bauen auf erfolgreichen Vorprojekten auf
Ziel des Projekts ist die Entwicklung eines KI-basierten Assistenten für Baustellenarbeiten, um Fehler beim Heizelement-Stumpfschweißen (HS) von Gas- und Wasserrohren automatisiert und benutzerunabhängig zu erkennen. Das Projekt baut auf ein vorangegangenes Forschungsvorhaben auf, in dem die Qualität des Schweißprozesses des Heizelement-Stumpfschweißens unter Verwendung eines Wärmestromsensors und den Prozessdaten der Schweißmaschine erfolgreich durch eine trainierte KI beurteilt werden konnte. Für die Massenkunststoffe Polypropylen und Polyvinylchlorid wurden in Technikumsversuchen hierbei alle Schweißfehler mithilfe der entwickelten KI zuverlässig erkannt. Pipe-safe soll dies nun in die Praxisanwendung bringen.
Sofortige Bewertung der Schweißnahtqualität möglich
„Der im Projekt gewählte Ansatz zur In-Line-Qualitätssicherung hat gegenüber nachgelagerten, zerstörungsfreien Prüftechniken (z. B. via Ultraschall) den Vorteil einer sofortigen Bewertung der Schweißnahtqualität. Dies ist direkt nach dem erfolgten Schweißprozess möglich, ohne das zusätzliche Prüftechnik benötigt wird“, erklärt Christoph Kugler, Gruppenleiter Digitalisierung am SKZ. Bei Erfolg können Fachleute bei der Qualitätssicherung im Rohrleitungsbau künftig massiv entlastet werden und die Schweißnahtqualität zuverlässig abgesichert werden. Im Projekt sind neben dem Transfer der wissenschaftlichen Erkenntnisse in die Praxis auch Maßnahmen für soziotechnsiche Herausforderungen, wie die Akzeptanz von digitalen Assistenten und KI-Systemen, vorgesehen.
Zum Projekt
Das Projekt des SKZ wird über die Förderrichtlinie „DATIpilot“ des Bundesministeriums für Bildung und Forschung (BMBF) gefördert. Insgesamt werden hier 300 Innovationssprints gefördert. Es ist im SKZ-Forschungsbereich Digitalisierung angesiedelt. Das SKZ ist ein Klimaschutzunternehmen und Mitglied der Zuse-Gemeinschaft. Dies ist ein Verbund unabhängiger, industrienaher Forschungseinrichtungen, die das Ziel verfolgen, die Leistungs- und Wettbewerbsfähigkeit der Industrie (insbesondere des Mittelstands) durch Innovation und Vernetzung zu verbessern. Für weitere Informationen zum Projekt steht Dipl.-Ing. Christoph Kugler, Gruppenleiter Digitalisierung, unter Tel. 0931 / 4104-457, E-Mail: c.kugler@skz.de, zur Verfügung.
Das könnte Sie auch interessieren:
Wer darf an die Maschine? – Zugangsberechtigung mittels KI-Gesichtsunterscheidung
KI-basierte Symbol- und Texterkennung zur Automatisierung der Arbeitsplanung
Process Mining: Mit datengestützten Einblicken zu mehr Transparenz