Forschung an KI für robustere Blechverarbeitungsprozesse

Das Forschungsprojekt Data4Collar im Schwerpunktprogramm 2422 der Deutschen Forschungsgemeinschaft geht 2026 in die zweite Förderphase. Für weitere drei Jahre erforschen die Universität Bayreuth und das Fraunhofer IWU gemeinsam, wie sich die Prozesskette aus Scherschneiden und Kragenziehen mithilfe datengetriebener Methoden optimieren lässt. Das Kragenziehen ist ein etabliertes Umformverfahren in der Blechverarbeitung zur Herstellung funktioneller Formelemente. So entstehen beispielsweise Kragen, die als Befestigungs- oder Verbindungselemente dienen und in zahlreichen Produkten vom Automobil bis zum Haushaltsgerät zu finden sind. Trotz langjährigem Erfahrungswissen treten bei der Herstellung gezogener Kragen immer wieder zufällig Kantenrisse auf. Deren Ursachen werden in der Prozessauslegung bislang nur unzureichend berücksichtigt. Ziel ist es, durch eine datengetriebene Optimierung der Werkzeugwirkflächen die Prozessrobustheit gegenüber Schwankungen sicherzustellen.

In der ersten Förderphase wurde dazu am Beispiel einer kreisrunden Kragengeometrie ein Scherschneid-Kragenzieh-Werkzeug realisiert und mit umfangreicher Sensorik ausgestattet, um in Dauerlaufbetrieb reale Daten erfassen zu können. Ergänzend wurden umfangreiche Simulationen durchgeführt, um die Ursachen von Kantenrissen besser zu verstehen und Vorhersagemodelle für die Prozessauslegung zu entwickeln. Für die Auswertung der erfassten Daten wurden Machine Learning-Methoden eingesetzt. Um den Anwendern ein besseres Verständnis über die Ergebnisse zu geben, kommen Verfahren der erklärbaren KI (Explainable AI) zum Einsatz: Sie ermöglichen Einblicke in die Entscheidungsprozesse der Modelle und machen deren Vorhersagen für Anwender nachvollziehbar.

Von der Grundlagenforschung zur industriellen Anwendung

In der zweiten Förderphase werden die entwickelten Modelle auf komplexere Bauteil- und Werkzeuggeometrien sowie unterschiedliche Werkstoffe und Blechdicken erweitert. Damit soll die Übertragbarkeit der Methoden auf industrielle Anwendungen weiter verbessert werden. Ein besonderer Fokus liegt dabei auf der Verbindung datengetriebener KI-Ansätze mit dem Erfahrungswissen von Experten aus der Umformtechnik. Zum Auftakt der zweiten Förderphase wurde daher im Rahmen des Industriekolloquiums an der Universität Stuttgart ein Software-Demonstrator vorgestellt und gemeinsam mit Industrievertretern über Anforderungen und zukünftige Anwendungsfelder diskutiert. Gleichzeitig sollen neue Erkenntnisse aus der praktischen Anwendung kontinuierlich in die Modelle zurückgeführt werden, um deren Aussagekraft, Robustheit und Nachvollziehbarkeit weiter zu verbessern. Zudem wird gemeinsam mit Partnerprojekten innerhalb des DFG Schwerpunktprogramms eine Datenbasis aufgebaut, um Forschungsdaten langfristig nutzbar zu machen und einheitliche Standards zu fördern.

Mit Data4Collar legen die Forschenden den Grundstein für ein intelligentes Assistenzsystem, das die Auslegung robuster Kragenziehprozesse unterstützt und die Entstehung von Kantenrissen künftig deutlich verringern soll.