Unternehmensbesuch BERODE GmbH: “Von der Idee zur Intelligenz

"Von der Idee zur Intelligenz" – zu Besuch bei der BERODE GmbH

Köln – Unternehmensbesuch

Einleitung und Zielsetzung

Die digitale Transformation eröffnet Unternehmen vielfältige Möglichkeiten, Prozesse effizienter zu gestalten und die eigene Wettbewerbsfähigkeit zu stärken. Besonders der Einsatz von Künstlicher Intelligenz birgt großes Potenzial: Zeitaufwendige und ressourcenintensive Aufgaben lassen sich mit positiven Effekten auf Qualität und Effizienz automatisieren.

Im Rahmen der Workshop-Reihe „Von der Idee zur Intelligenz“ beschäftigte sich das Team des Fachbereichs Entwicklungssystematik und kollaboratives Arbeiten mit einem konkreten Anwendungsfall bei der BERODE GmbH & Co. KG: Ziel war die Entwicklung eines KI-gestützten Klassifikators für CAD-Bauteile.

BERODE erhält regelmäßig Baugruppen von Kunden und Partnern, die aus zahlreichen Einzelbauteilen bestehen. Diese sollen technisch und wirtschaftlich optimiert werden. Bisher erfolgte die dafür notwendige Klassifizierung der Bauteile in verschiedene Kategorien manuell durch Ingenieure – ein aufwendiger und zeitintensiver Prozess.

Der Workshop verfolgte das Ziel, einen Prototyp für einen KI-basierten Klassifikator zu entwickeln, der diesen Schritt automatisiert. Eine essenzielle Voraussetzung war die automatische Umwandlung der CAD-Daten in ein tabellarisches Format. Auf dieser Grundlage konnte anschließend ein intelligenter, binärer Klassifikator modelliert und getestet werden.

Die Teilnehmenden wurden dabei schrittweise durch die zentralen Phasen der KI-Entwicklung geführt – von der Datenakquise und -aufbereitung über die Modellwahl und das Training bis hin zur Evaluation. Neben einer theoretischen Einführung stand insbesondere die praktische Anwendung im Fokus, um ein tiefgehendes Verständnis für die Struktur und Logik von KI-Prozessen zu vermitteln.

Challenge der Firma BERODE als Grundlage für die KI

Die BERODE GmbH & Co. KG steht also regelmäßig vor der Herausforderung, Baugruppen und Einzelteile in CAD-Dateien manuell zu klassifizieren. Dieser Prozess ist nicht nur zeitintensiv, sondern auch fehleranfällig. Dies ist besonders der Fall, wenn Informationen unvollständig oder unstrukturiert vorliegen. Die Folge: ein hoher Aufwand für Ingenieurteams und eine eingeschränkte Produktivität.

Um diesen Aufwand zu reduzieren, verfolgt BERODE das Ziel, eine KI-gestützte Lösung zur automatisierten Bauteilklassifizierung zu entwickeln. Durch eine präzise und konsistente Zuweisung der Bauteile zu spezifischen Kategorien sollen Prozesse effizienter gestaltet, Fehler reduziert und Ressourcen gezielter eingesetzt werden.

Die technologische Basis dieser Lösung bildet die Analyse von CAD-Daten auf Baugruppen- und Bauteilebene. Relevante Merkmale werden systematisch erfasst und dienen als Grundlage für die automatische Einordnung der Bauteile – etwa nach Geometrie, Material oder Fertigungstechnologie. So lassen sich unter anderem Fertigungskosten künftig frühzeitig und zuverlässig kalkulieren.

Im Projekt entsteht eine strukturierte Methodik, die sowohl die automatisierte Datenextraktion als auch die Klassifizierung direkt aus den CAD-Dateien ermöglicht. Das Ergebnis ist eine datenbasierte Klassifizierungsarchitektur, die nicht nur Prozesse automatisiert, sondern auch das in der Belegschaft vorhandene Expertenwissen langfristig sichert und zugänglich macht.

Der Prozess: Von den Daten zum KI-System

Der Prozess zur Entwicklung des KI-Systems umfasst mehrere aufeinanderfolgende Schritte.

Datenakquise

Die KI-gestützte Bauteilklassifizierung beginnt mit der systematischen Erfassung und Aufbereitung von Konstruktionsdateien und Bauteilstücklisten. Ziel ist es, relevante Bauteilmerkmale zu extrahieren und eine tabellarische Datengrundlage zu schaffen. Dabei kommen Python und Open Cascade zum Einsatz, die eine präzise Analyse der Geometrie und Topologie der Bauteile ermöglichen. So konnte eine qualitativ hochwertige Datenbasis für die Entwicklung und Implementierung des KI-Modells geschaffen werden.

Datenanalyse und –vorbereitung

Nach der Datensammlung erfolgt eine umfassende Analyse und Bereinigung, um Ungenauigkeiten, Fehler und irrelevante Informationen zu eliminieren. Die Daten werden zentralisiert, in ein standardisiertes Format überführt und unvollständige sowie ungeeignete Datensätze entfernt. Die bereinigten und transformierten Daten werden anschließend für die KI-Weiterverarbeitung aufbereitet, um eine konsistente und strukturierte Wissensbasis zu schaffen, die für die Modellbildung und die Auswahl des geeigneten Modells unerlässlich ist.

Modellauswahl

Der Vergleich verschiedener Ansätze führte zur Wahl des Random Forest Classifier als Klassifikator. Er besteht aus einem Ensemble verschiedener, mehrknotiger Entscheidungsbäume für binäre Klassifikationen. Die Kombination der Vorhersagen aller Bäume führt zu einer robusten Bauteil-Klassifikation. Modellarchitektur, Trainingsansatz und Hyperparameter wurden ausgewählt, und das erste Training ist abgeschlossen.

Modell-Feintuning
Nach dem Training wird das Modell auf Basis von Güte-Metriken evaluiert. So vergleicht die Konfusionsmatrix tatsächliche und vorhergesagte Werte. Bei dem vorhandenen Testdatensatz von 28 Punkten wurde eine Genauigkeit von 100 % ohne Fehlklassifikation erreicht. Hierzu wurden Optimierungsschleifen bis zurück zur „Datenanalyse und –vorbereitung“ durchgeführt, um das Modell zu verfeinern. Auch werden andere Modelltypen und Hyperparameter erprobt, um die bestmögliche Leistung zu erzielen.

Implementierung

Nach dem erfolgreichen Workshop plant BERODE, das Konzept intern weiterzuentwickeln und durch Abschlussarbeiten zu vertiefen. Ziel ist es, die Klassifikation zu verfeinern, indem zusätzliche Daten genutzt und die Anzahl der Klassen erweitert werden. Hierdurch lässt sich die Genauigkeit der Vorhersagen voraussichtlich stark steigern.

Langfristig soll die KI als unterstützendes Werkzeug für die Entwickler von BERODE dienen, um die Bewertung von Kundenbaugruppen effizienter und präziser zu gestalten. Durch kontinuierliche Optimierung und Anpassung wird das System stetig aktualisiert, sodass es einen festen Bestandteil im Entwicklungsprozess von BERODE bildet.

Zusammenfassung und Lessons Learned für die Unternehmen

Der Workshop bei BERODE zeigte, wie Künstliche Intelligenz zur Optimierung der Bauteilklassifizierung und Produktionsprozesse eingesetzt werden kann.
Die folgenden Erkenntnisse sind für Unternehmen besonders wichtig:

Datenvorbereitung ist entscheidend

Eine sorgfältige Datenanalyse und -aufbereitung ist die Grundlage für den Erfolg einer vielseitigen Bauteil-Klassifikation. Nur mit sauberen, vollständigen und gut strukturierten Daten kann die KI präzise Vorhersagen treffen.

Integration von Theorie und Praxis

In der akademischen Forschung geht es um die Optimierung unter idealen Bedingungen, während in der Industrie die Integration der KI in reale Prozesse mit begrenzten Daten und Ressourcen entscheidend ist. Eine erfolgreiche KI-Implementierung erfordert die Berücksichtigung beider Welten.

Kontinuierliche Verbesserung und Anpassung

KI-Systeme müssen regelmäßig evaluiert und angepasst werden, um ihre Leistung zu maximieren. Die kontinuierliche Optimierung und Aktualisierung der CAD-basierten Trainingsdaten ist unerlässlich, um langfristig Effizienzgewinne zu erzielen.

Abschließend zeigt der Workshop, dass eine gezielte Planung, die Auswahl des optimalen Modells und die kontinuierliche Anpassung der KI-Lösungen zu einer sofort wirksamen sowie langfristig nachhaltigen Optimierung der Bauteilklassifizierung und Produktionsprozesse führen.