Deep Dive One ShakesGear: KI oder nicht KI – Das ist hier die wirtschaftliche Frage.
Akustisches Monitoring in der Produktion verspricht, Prozessfehler frühzeitig zu erkennen, Qualität zu sichern und Ausschuss zu reduzieren. Insbesondere bei Schweiß- und Fräsprozessen ist der wirtschaftliche Nutzen greifbar, da akustische Signaturen mit Lichtbogeninstabilität, Porenbildung, Spritzern, Werkzeugverschleiß, Chatter und Geometrieabweichungen korrelieren. Damit Projekte planbar und profitabel werden, müssen Unternehmen von Anfang an die Gesamtkosten, die Einsparpotenziale sowie den geeigneten Einsatz von KI von Anfang an berücksichtigen. Dafür erstellen wir eine beispielhafte Kosten-Nutzen-Analyse mit Investitionskosten und Einsparpotenzialen auf Basis konkreter Projektergebnisse, um Produktverantwortlichen eine Entscheidungscheckliste für den Einsatz von akustischem Monitoring an die Hand zu geben.
Deep Dive Never2much: Make some NOISE for good DATA! How much is the finish?
Eine Hauptursache für das Scheitern von KI-Systemen in der Produktion ist eine mangelhafte Datengrundlage. In diesem Deep Dive gehen wir der Frage nach, wie viel Daten tatsächlich nötig sind, wie „vollständig“ ein Datensatz sein muss und warum schlechte Daten am Ende teurer sind als gar keine. Anhand eines strukturierten Experimentaldesigns beleuchten wir technische Aspekte wie Klassenbalance, Labelqualität und Datendiversität und diskutieren, welche Rolle akustische Signale dabei spielen.
Gemeinsam erarbeiten wir, wie eine praxisnahe Datenerfassung konkret in der Produktion aussehen kann: von der Definition der relevanten Ereignisse über die Auswahl geeigneter Sensorik bis hin zur Gestaltung umfassender Datensets. Existierende Datensätze dienen dabei als Anschauungsmaterial, um Kriterien guter Daten greifbar zu machen und typische Fehler zu identifizieren. So entsteht ein klares Verständnis dafür, wie Datenerhebung und -qualität zu gestalten sind, dass KI-Anwendungen zuverlässig, skalierbar und wirtschaftlich sinnvoll arbeiten.
Deep Dive Drei ???: Der Fall der abgehörten Maschine – Datensicherheit bei akustischen Messungen.
Akustisches Monitoring in der Produktion weckt häufig zwei zentrale Befürchtungen: Werden Mitarbeitende „abgehört“ – und können die erfassten Daten Betriebsgeheimnisse verraten? Solche Fragen stellen sich je nach Use Case sehr unterschiedlich und sind entscheidend für Akzeptanz und erfolgreichen Einsatz.
In diesem Deep Dive betrachten wir ausgewählte industrielle Use Cases und diskutieren, welche Daten dabei anfallen, welche davon als sensibel gelten und welche Anforderungen sich daraus an Datensicherheit und Datenschutz ergeben. Dazu stellen wir klassische Sicherheitsansätze, Verfahren zur lokalen Verarbeitung und Anonymisierung von strukturierten Daten und Zeitreihendaten sowie Privacy-Preserving-AI-Methoden vor, mit denen sich akustisches Monitoring sicher, datenschutzfreundlich und praxistauglich umsetzen lässt.