Produktindividualisierung und Digitalisierung sind zwei Megatrends der Produktion. Neben einer Vielzahl an Produkt- und Prozessoptimierungen gehen damit jedoch auch eine Reihe neuer Komplexitäten für Produktionsmitarbeitende einher. Dazu zählt bspw. den Überblick über die steigende Anzahl an Produktvarianten und die zugehörigen, immer umfassenderen Montageschritte zu behalten. Dies kann wiederum zu Überforderung und damit einhergehend zu Unsicherheit am Arbeitsplatz führen. An dieser Stelle können KI-basierte Assistenzsysteme ansetzen und Mitarbeitende bei neuen, komplexen oder zeitkritischen Arbeitsschritten unterstützen, indem gezielt situationsabhängige Informationen zur Verfügung gestellt werden. Die Prämisse für einen erfolgreichen Einsatz derartiger Assistenzsysteme ist allerdings, dass Mitarbeitende gerne mit diesen zusammenarbeiten. In der Lernfabrik Globale Produktion des wbk wird am Beispiel einer Montagelinie für Elektromotoren eine komplexe reale Produktionsumgebung simuliert und die Erstellung verschiedener Produktvarianten exemplarisch betrachtet. Diese Varianten bestehen aus unterschiedlichen Komponenten, sodass unterschiedliche Arbeitsschritte simuliert werden können. KI-basierte Assistenzsysteme finden dabei bislang noch keinen Einsatz. Die Lernfabrik bietet KARL damit den Rahmen für die Entwicklung und ganzheitliche Untersuchung unterschiedlicher Assistenzfunktionen im Kontext von Mensch, Technik und Organisation.

Das Ziel des Anwendungsfalls ist es, KI-basierte Assistenzsysteme in die zwei Bereiche „Einlernen von Mitarbeitenden“ und „Mitarbeitendenunterstützung“ der Lernfabrik zu integrieren.
1. Einlernen von Mitarbeitenden:
a) Bei der Montage der Elektromotoren werden Zahnräder verwendet, die sich für die einzelnen Produktvarianten nur in kleinsten Details (bspw. Anzahl der Zähne, Dicke der Zahnräder) unterscheiden. Ein bildbasiertes Assistenzsystem soll diese Unterschiede künftig erkennen, Montagefehler somit vermeiden und die Anzahl an Fehlteilen reduzieren. Das gleiche System soll langfristig auch zum Einlernen der Mitarbeitenden genutzt werden.
b) Ferner werden Aufgaben, die bislang durch den Menschen ausgeführt wurden, zunehmend von Robotern übernommen. Konkret soll ein Roboter das Einlegen eines Zahnrades in das Gehäuse des Elektromotors übernehmen. Während die Programmierung bisweilen individuell und je nach Anwendungsfall hochkomplex war, legt KARL den Fokus auf die Entlastung der Programmierenden durch den Einsatz von Werkzeugen zur vereinfachten Programmerzeugung.
2. Mitarbeitendenunterstützung:
a) Durch den Einsatz eines Wearables in Form eines intelligenten, mit Sensorik ausgestatteten Armbands, soll anhand von Vibrationsmessungen die für ein Bauteil notwendige Anzahl an Schraubvorgängen überwacht werden. Dies soll Unsicherheit und Fehler der Mitarbeitenden reduzieren und die Produktivität erhöhen sowie Produktqualität sicherstellen.
b) Die Umsetzung eines Assistenzsystems für die Intralogistik soll Mitarbeitende bei Entscheidungen über Fehlteile unterstützen. Abhängig von der aktuellen Situation an der Montagelinie wird eine KI-basierte Empfehlung über eine App ausgegeben, ob, wann und an welcher Station ein Bauteil nachgearbeitet werden soll.
Die vier aufgeführten Assistenzsysteme sollen zunächst als Einzellösungen entwickelt und im weiteren Projektverlauf in die bereits bestehende Montagelinie für Elektromotoren integriert werden. Dabei sollen die bestehenden Prozesse in der Lernfabrik in erster Linie ergänzt und nicht tiefergreifend verändert werden. Nach der Integration der Insellösungen in die Montagelinie werden die KI-basierten Assistenzsysteme im Rahmen von arbeitswissenschaftlichen Experimenten genutzt.

Für die Entwicklung und Ausgestaltung der einzelnen KI-basierten Assistenzsysteme werden Daten genutzt, die sowohl systemseitig automatisch während der Prozessdurchführung (bspw. Anzahl der montierten Teile über RFID Tags) als auch während der manuellen Bearbeitung (z.B. Messung der Vibration am Handgelenk) in der Lernfabrik erfasst werden. Um den Algorithmus zur Erkennung von Schraubvorgängen mittels des Wearables (2a) einlernen zu können, wird zunächst eine bestimmte Anzahl an Schraubvorgängen zur Generierung der Datenbasis durchgeführt. Eine entsprechende Anwendung, die mit dem Armband verbunden ist, stellt die Anzahl an durchgeführten Verschraubungen später in einer App auf einem Tablet dar. Das bildbasierte Werkerassistenzsystem (1a), die Übernahme des Einlegens eines Bauteils durch Roboter (1b) sowie die App für die Intralogistik (2b) werden ebenfalls prototypisch umgesetzt und anschließend iterativ weiterentwickelt. Für die Umsetzung des bildbasierten Werkerassistenzsystems (1a) werden zunächst Bilder aufgenommen, die dann zum Anlernen der KI genutzt werden. Hierzu gilt es neben der Software auch entsprechende Hardware, wie eine Kamera, aufzubauen. Der Demonstrator für das automatische Einlegen von Bauteilen mittels Roboter (1b) wurde zunächst bei ArtiMinds entwickelt. Dieser soll in einem nächsten Schritt in die Lernfabrik übertragen und in der realen Anwendung getestet werden. Für die Intralogistik-App (2b) wurde bereits ein Konzept erarbeitet. Die Realisierung des Konzepts sowie die Anbindung der App an das Produktionsmanagementsystem (Manufacturing Execution System; MES) der Lernfabrik soll in einem nächsten Schritt realisiert werden.

Durch die Umsetzung dieser Assistenzsysteme in der Lernfabrik werden überwiegend kognitive Systeme erforscht, entwickelt und erprobt, die Mitarbeitende entlasten, langfristig zu höherer Motivation und höherer Effizienz beitragen sowie zu weniger Stress führen. Somit wird eine nachhaltige Verbesserung der Prozesse in der Lernfabrik erwartet, die sich auf die Anforderungen in realen Produktionsumgebungen übertragen lassen. Mit den KI-basierten Assistenzsystemen kann u.a. die Qualitätssicherung beim Zählen der Schrauben im Gehäuse eines Elektromotors oder der bildbasierten Qualitätssicherung zur Prüfung der Zahnradauswahl erfolgen, die den Mitarbeitenden zugleich Unsicherheiten nimmt.