KI im Spritzgießen Bis zu 100-mal schneller zum idealen Bauteil

Anbieter zum Thema

Universität Augsburg

HSB Normalien GmbH

Ein Team der Universität Augsburg kombiniert physikalische Modelle mit KI und trainiert sie mit nur wenigen hundert Beispielen. Das Modell lässt sich auf beliebige Bauteilgeometrien übertragen. 

Viele Alltagsgegenstände, von A wie Akku-Schrauber-Gehäuse bis Z wie Zahnbürstengriff, entstehen im Spritzgussverfahren: In ein Werkzeug wird geschmolzener Kunststoff eingespritzt, der dann abkühlt und erstarrt. Bevor ein neues Produkt und damit ein neues Werkzeug entsteht, muss softwaregestützt Einiges geprüft werden: Wo soll der Kunststoff am besten in das Werkzeug gespritzt werden? Wie schnell kühlt sich das Bauteil beim Spritzguss ab und wie verzieht es sich dabei? Und welche Rolle könnte die KI bei diesen Prozessen spielen?

Am Centre for Future Production der Universität Augsburg kombinierte das Team um Prof. Dr.-Ing. Nils Meyer (Professor für Data-driven Product Engineering and Design) klassisch-physikalische sowie KI-gestützte Modelle in einer Software, die die nötigen Berechnungen für den Spritzguss in nur wenigen Sekunden durchführt. Ihr Ansatz ist damit bis zum Faktor 100 schneller als gängige Softwarelösungen; das spart Zeit und Ressourcen.

Die Überlegung: Genauigkeit vs. Geschwindigkeit

Um die Bedeutung dieser Beschleunigung zu verstehen, muss man sich näher mit den Abläufen in der Kunststoffverarbeitung auseinandersetzen. Wenn ein Unternehmen ein neues Bauteil auf Spritzgießmaschinen herstellen möchte, muss die Machbarkeit geprüft und der Entwurf der Spritzgussform validiert werden. Dies geschieht mit Softwarelösungen, deren Berechnungen auf physikalischen Strömungssimulationen beruhen. 

Die Ergebnisse sind sehr präzise, jedoch ist der Vorgang rechenintensiv und dauert häufig mehrere Stunden. Gerade im frühen Prozess der Produktentwicklung wäre ein schnelleres und flexibleres Rechenmodell von Vorteil, um eine Entscheidung treffen zu können.

„Ein Tool, mit welchem man sekundenschnell viele Möglichkeiten prüfen kann, wo beispielsweise am sinnvollsten eingespritzt werden sollte, kann in Unternehmen wertvolle Ressourcen wie die Arbeitszeit der Mitarbeitenden, Rechenzeit und damit Geld und Energie einsparen. Uns ist es gelungen, den Prozess bis zum Faktor 100 zu beschleunigen“, erklärt Nils Meyer an. Die hochgenauen physikalischen Methoden sind für ihn der zweite Schritt, wenn es daran geht, das finale Bauteil zu berechnen.

Michael Wittmann im Interview

„Digitalisierung und KI sind unverzichtbar, um wettbewerbsfähig zu produzieren“

Dateneffizienz & beliebige Geometrien 

Eine große Herausforderung ist der Anspruch, mit dem KI-gestützten Tool beliebige Bauteilgeometrien vorhersagen zu können und gleichzeitig mit möglichst wenigen Daten effizient zu trainieren. Statt den großen „KI-Hammer“ mit riesigen Datenmengen auf das Problem loszulassen, hat das Team um Meyer daher Vorwissen in das dahinterliegende KI-Modell eingebracht. 

„Wir wissen zum Beispiel bereits, dass ein Bereich mit großem Abstand zum Einspritzpunkt später gefüllt wird als einer direkt neben dem Einspritzpunkt. Das müssen wir nicht erst aus Daten lernen“, erklärt Meyer weiter. So konnte das Modell anhand weniger hundert Beispiele trainiert werden und kann dennoch Vorhersagen für beliebige andere Bauteile treffen.

KI-kompatibles Finite-Elemente-Modell

Besonders stolz ist Meyer auf ein integriertes Feature, das er mit leuchtenden Augen schlicht als „cool“ beschreibt: Es geht um eine KI-kompatible Finite-Elemente-Software, die von seiner Arbeitsgruppe entwickelt wird. 

Die Finite-Elemente-Methode ist eine Rechenmethode, mit der man komplizierte Dinge in viele kleine, einfache Teile zerlegt, um sie besser berechnen zu können. So lässt sich etwa der erwartete Verzug eines Bauteils beim Abkühlen vorhersagen. Meyer: „Unsere Variante zeichnet aus, dass wir durch diese Software hindurch auch unser KI-Modell weiter trainieren können. So kann das Modell mit gemessenen Verformungen aus dem Produktionsprozess weiter lernen und dabei immer besser werden.“

Zeit für kreative Prozesse

Während die aktuelle Software bei der Optimierung bereits entworfener Bauteile unterstützt, soll in Zukunft der gesamte Konstruktionsprozess beim  Spritzguss begleitet werden. „Wir stellen uns ein Programm vor, welchem man seinen Bauteilwunsch mitteilt, und das dann KI-gestützt spritzgussgerecht generiert wird", blickt Meyer nach vorn. 

Das helfe Mitarbeitenden in der Konstruktion, aus dem riesigen Lösungsraum möglicher Bauteile schnell das Beste zu finden. Das heißt, es entlastet sie von repetitiven Aufgaben und gibt ihnen mehr Zeit, sich mit kreativen Prozessen und Produktanforderungen auseinanderzusetzen.