EN

„KI bietet uns ein sehr mächtiges Mittel“

Durch den Einsatz von unterschiedlichen, immer präziseren Sensoren wächst das Verständnis von industriellen Laserbearbeitungsprozessen stetig. Die 4D Photonics GmbH aus Isernhagen bei Hannover verfolgt den Ansatz, die Multi-Sensorik mit einem einzigen Sensor zu realisieren: 42+ Einzelsensoren mit unterschiedlichen physikalischen Eigenschaften liefern gut eine Million Samples pro Sekunde. Mithilfe von Künstlicher Intelligenz (KI) lassen sich darin im laufenden Prozess Fehler und deren Ursachen identifizieren. Im aktuellen PHOTONICS-Interview spricht der geschäftsführende Gesellschafter des Unternehmens, Christoph Franz, über das Potenzial von Multi-Sensorik und KI für die Überwachung und das Verständnis von Laserprozessen, über Anwendungsfelder und eine ebenso aufwändige wie erhellende Versuchsreihe im Deutschen Elektronen Synchrotron DESY.

Herr Franz, möchten Sie uns Ihre 4D Photonics GmbH kurz vorstellen?

Christoph Franz: Gerne. Wir sind ein unabhängiger Anbieter von anwendungsoptimierten Systemen für die Überwachung von Laserprozessen. Mit 30 Beschäftigten – davon über zwei Drittel Ingenieure – entwickeln und produzieren wir Sensoren, die in verschiedensten Laserverfahren vom Schweißen und Schneiden über die additive Fertigung inklusive des Pulver- und Drahtauftragsschweißens bis hin zur Reinigung und Veredelung von Oberflächen die optische Strahlung erfassen und auswerten. In den ersten 25 Jahren unseres Bestehens haben wir mehr als 2.000 Systeme bei mehr als 100 Kunden in Betrieb genommen und vertreiben unsere Lösungen heute über ein weltweites Partnernetzwerk.

Sie haben auf der LASER World of PHOTONICS 2023 eine neuartige multispektrale 4D-Sensor-Technologie vorgestellt. Was hat es damit auf sich?

Franz: Wir verfolgen den Ansatz: „One Sensor für any application“. Unser Sensor 4D.TWO integriert mehr als 42 Einzelsensoren mit unterschiedlichen physikalischen Eigenschaften auf engstem Bauraum und lässt sich über eine Lichtleitfaser direkt mit der Bearbeitungsoptik von Laseranlagen koppeln. Trotz seiner geringen Kantenlänge von 91 x 63 x 79 mm erfasst er auf 32 Kanälen mit einer Abtastrate von je sechs Kilohertz ein breit gefächertes Wellenlängen-Spektrum. Dank unserer besonderen Technologie kann er bei Vorschubraten von 1.000 Millimetern pro Sekunde Abweichungen in Größenordnungen um 40 Mikrometer zuverlässig zu erkennen. Die Möglichkeit, Multispektren höchst dynamisch zu erfassen und auszulesen, dient aber nicht nur der optischen Fehlererkennung. Unser 4D-Sensor zeichnet zugleich auch akustische Emissionen, Feuchtigkeit, Luftdruck oder Temperaturen sowie jede Sensorik von Drittanbietern auf. Wir bieten eine passende Industriesoftware dafür an und sind in der Lage, unsere Sensorik mit jeweils anwendungsspezifisch ausgelegter KI zu kombinieren.

Wo ist Ihr Sensor im Einsatz?

Franz: Es gibt bereits ein breites Spektrum an Laseranwendungen. Das Beschichten von Bremsscheiben mit dem Extremen Hochgeschwindigkeits-Laserauftragsschweißen (EHLA) gehört dazu. Da unser Sensor mehr als 42 Kanäle parallel aufzeichnet, liefert er rund eine Millionen Samples pro Sekunde. Es ist es sinnvoll, die Auswahl und mathematischen Kombinationen der Auswertekanäle jeweils an die Anwendung zu adaptieren. Um zur optimalen Auswahl der Kanäle zu kommen, die etwaige Prozessabweichungen am besten erfassen, führen wir Versuche durch. Unter anderem sorgen wir gezielt und nur für Millisekunden schwankende Laserleistungen, die in ihrer Dauer und Intensität variieren. Unsere Sensorik registriert selbst kürzeste Schwankungen. Sie sind in den Signalen klar erkennbar. Aber auch verstopfte oder verschlissene Düsen kann unsere 4D-Sensorik anhand des reduzierten Förderstroms detektieren.

Wir verstehen mittlerweile genau, wie die jeweils spezifischen Fehlerbilder in den aufgezeichneten Signalen den zugrundeliegenden Fehlern zuzuordnen sind. Die Bremsscheibenbeschichtung ist aber nur eine von vielen Anwendungen: In der Nahtüberwachung beim Schweißen von Bipolar-Platten für Brennstoffzellen gilt es, wegen der hohen Vorschubraten von bis zu 1.000 Millimetern pro Sekunde auch kleinste Aussetzer zu detektieren. Die Nähte müssen hundertprozentig dicht sein. Bei einigen hundert Schweißnähten pro Platte ist das ein hoher Anspruch, dem unsere Lösung schon sehr nahekommt. Gleiches gilt für die Zuverlässigkeit der Prozessüberwachung beim Verschweißen von Kupfer-Hairpins für Elektromotoren.

Wie stellen Sie diese Zuverlässigkeit sicher?

Franz: Unter anderem waren wir an Versuchsreihen am Deutschen Elektronen Synchrotron DESY beteiligt. Es ging buchstäblich darum, verschiedenste Laserbearbeitungsprozesse zu durchleuchten: also die laufenden Prozesse in sehr hoher Auflösung zu röntgen. Wir haben unsere Sensorik zeitsynchron zu diesen Röntgenaufnahmen eingesetzt. Dabei haben wir festgestellt, dass alle relevanten Fehler und Prozessabweichungen aus den Signalen unserer Sensoren auslesbar sind. Wir haben mit unserem multispektralen Ansatz eine Lösung über viele Laseranwendungen hinweg – die dank des breiten untersuchten Spektralbereichs und der einzeln zu- und abschaltbaren 42 Kanäle eine deutlich höhere Trefferwahrscheinlichkeit für das Erkennen von Fehlern bietet als ein einzelner optischer Sensor. Und zugleich ebnet unser Ansatz den Weg zu einer präzisen Klassifizierung dieser Fehler…

… hier kommt dann Künstliche Intelligenz ins Spiel?

Franz: Genau. Wir arbeiten intensiv daran, KI-Lösungen zur Auswertung der Signale aus den mehr als 42 Kanälen zu entwickeln. Diesen Signalen liegen klar definierte physikalische Messgrößen zugrunde. Wir analysieren systematisch, in welchen Spektralbereichen relevante Qualitätsschwankungen am besten sichtbar werden und kombinieren für die Auswertung dann die am besten geeignete Kanäle. Dieses Auswerten anhand vorab ausgewählter Kombikanäle reduziert den Rechenaufwand und begünstigt das schnelle Zuordnen der Fehler zu Fehlerklassen. Zudem ist durch die Auswahl unterschiedlicher Kombikanäle eine nahezu beliebig große Auswahl an mathematischen Kombinationen der definierten physikalischen Eingangsgrößen möglich. Für solche komplexe variantenreiche Auswertungsaufgaben sind KI-Methoden optimal. Wenn die Klassifizierung der Fehler einmal erfolgt ist, haben wir die Basis dafür, der Anlagensteuerung nicht nur die Existenz eines Fehlers zu übermitteln, sondern auch dessen Ursache. Anhand dieser Ursachenerkennung ist es dann möglich, den Prozess nachzusteuern – oder Bauteile, die außerhalb der Fehlertoleranz liegen, direkt auszuschleusen. Zwar liegt die Verantwortung für das korrekte Anlernen und für die Grenzwerte weiterhin beim Anwender; aber durch die herausgearbeiteten Startwerte ist die Beherrschung unseres Systems vergleichsweise einfach.

Wie hoch sind die manuellen Anteile am Auslegen der Sensorik und am Anlernen der KI?

Franz: Wir kooperieren mit diversen Forschungsinstituten, um die Automatisierung voranzutreiben. Besagte Versuche am DESY sind Teil dieser Bemühungen. Indem wir den laufenden Laserprozess parallel mit einer Highspeed-Röntgenkamera und unseren Sensoren überwachen, schaffen wir eine Basis für die hochautomatisierte Auswertung. Denn wir können in den Bilddaten präzise nachvollziehen, wann und wo genau sich im Schmelzbad einer Schweißnaht Poren bilden oder andere Fehler auftreten – und können exakt nachvollziehen, wie sich diese Ereignisse in den 4D-Sensorsignalen niederschlagen. In einer vierwöchigen Versuchsreihe am DESY haben wir mehr als 100 Terabyte Daten erzeugt, die wir nun systematisch auswerten.

In enger Zusammenarbeit mit den Instituten entwickeln wir Algorithmen, die uns zu der so genannten Ground Truth führen, also detaillierte Informationen über jeden Fehler und jede Abweichung im Prozess liefern. Dieses Set an ausgewerteten Daten setzen wir in Korrelation zu den Signalen unserer multispektralen Sensorik. So können wir präzise unterschiedliche Typen der Poren im Schmelzbad unterscheiden. Die über Korrelationen entwickelte Auswertung führt Anwender zuverlässig zu Fehlern in ihren Schweißprozessen. Die KI ist also nach dem initialen Training in der Lage, selbstständig Fehler und Fehlerklassen in industriellen Prozessen zu identifizieren. Wir planen, diesen Ansatz nun vom Laserschweißen auf andere Laseranwendungen zu übertragen. Nach und nach werden wir so Voreinstellungen entwickeln, anhand derer unsere Kunden die 4D-Sensorik schnell und einfach an ihre jeweilige Anwendung adaptieren können.

Das klingt nach Zukunft. Inwieweit trägt der multisensorische Ansatz schon heute zur Qualität von Prozessen bei?

Franz: Es gibt einen sehr konkreten Nutzen: Unser Sensorsystem synchronisiert die Aufzeichnung mit den Daten der Anlagesteuerung und ordnet sie Teile‑, Gruppen- und Nahtnummern zu. Damit ist für Anwender komplette Rückverfolgbarkeit gewährleistet und sie können fehlerhafte Teile gezielt zur Nachbearbeitung aus dem Prozess nehmen. Es stellt sich aber ganz grundsätzlich die Frage, wie viele verschiedene Kameras, Pyrometer, Laserakustik- oder OCT-Sensoren für die Überwachung von Laserbearbeitungsprozessen sinnvoll, bezahlbar und vom Bauraum her integrierbar sind. Natürlich ist eine breite Datenbasis in Verbindung mit KI wichtig, um unser Prozessverständnis systematisch zu vertiefen. Doch eben weil wir hier Grenzen sehen, verfolgen wir den „One Sensor for any application“-Ansatz. Durch Miniaturisierung und Modularisierung minimieren wir den Integrationsaufwand; daher auch die faseroptische Kopplung an die Bearbeitungsoptik. Stromversorgung und Datenübertragung sind in diesem Sinne ebenfalls über ein und dasselbe Kabel gewährleistet. Unsere Kunden können auch mehrere 4D-Sensoren integrieren und diese optisch, mechanisch und kommunikativ mit ihren Laseranlagen vernetzen. Gerade weil wir die Zukunft in der Kombination von Multisensorik und KI sehen, arbeiten wir so konsequent daran, sie so einfach wie irgend möglich umsetzbar zu machen.

Wie wird die Möglichkeit KI-gestützter Data Fusion die Prozessüberwachung verändern?

Franz: Sie wird zu viel tieferem Prozessverständnis führen. KI bietet uns ein sehr mächtiges Mittel, um auch aus massenhaft generierten Sensordaten relevante Informationen für Prozessoptimierung zu filtern. Darin liegt an sich schon signifikanter Kundennutzen. Mit unserem Ansatz treiben wir die Idee noch ein Stück weiter. Denn er liefert mit ein und demselben Sensor unkompliziert und dynamisch die benötigte Datenfülle, um auch sehr schnelle laufende Laserprozesse in der gebotenen Präzision zu durchleuchten und Anwendern relevante Informationen zur Ursache von Fehlern im Prozess zu liefern. Wie weit wir die Erkennungsraten und die Trefferquoten beim Klassifizieren nach oben treiben können, hängt auch von der Physik ab. Aber wir haben nun ein effektives Werkzeug, um bisherige Limitationen der Prozessüberwachung weit hinter uns zu lassen. Für smarte Fabriken der Zukunft sind schlanke, flexibel integrierbare Lösungen gefragt. KI versetzt uns in die Lage, Sensorsignale in Informationen mit großem Mehrwert zu übersetzen. Genau das ist unser Ziel.