====== KI-assistierte Qualitätssicherung in der Galvanotechnik ======

===== Ausgangssituation & Herausforderungen =====

Die [[https://jentner.de/|C. Jentner GmbH]] ist auf Galvanotechnik und Oberflächenveredelung spezialisiert. Als mittelständisches Unternehmen mit rund 40 Mitarbeitern betreut es Kunden aus Medizintechnik, Luft- und Raumfahrt sowie Elektrotechnik. Von der Vernickelung bis zur Rhodinierung bietet es verschiedene galvanische Beschichtungen an. Früher manuell durchgeführt, ist die optische Inspektion in der Galvanisierungsbranche anspruchsvoll und ressourcenintensiv. 

{{ :wissen:bestpractice:jcentergmbh.svg? 400x400|}}

==== Ziele ====

Eine Automatisierung des Inspektionsprozesses soll Zeit und Ressourcen sparen. Daher bestand das Ziel darin, den Inspektionsprozess zu automatisieren. 
 
==== Lösung/Maßnahmen/Projekt ====

Innerhalb des Projektes wurde in Zusammenarbeit mit einem Softwareanbieter ein KI-basiertes visuelles Qualitätskontroll- und Fehlererkennungssystem entwickelt, welches Bilder direkt auswertet, Fehler und Schäden erkennt und Fehlerklassen direkt zuordnen kann.

===== Umsetzung =====

Das semi-automatische, optische Prüfsystem wurde als selbstlernendes KI-System auf Basis künstlich neuronaler Netze und Deep Learning zur Bildanalyse umgesetzt.
 
==== Was wurde benötigt? ====

Die KI wurde mittels historischer Daten trainiert. Weiterhin erfolgte die Zusammenarbeit mit dem Softwareunternehmen elunic AG, welches ein KI-as-a-Service-Lösungskonzept anbietet. In dieser Anwendung wird das Qualitätskontrollsystem AI.SEE™ und das selbstlernende Kontrollsystem AI.SEEM™ Core genutzt.

==== Was wurde erreicht? ====

Die Automatisierung der Qualitätskontrolle führt zur Minimierung fehleranfälliger Prozesse und ermöglicht die schnelle und klare Identifizierung häufig auftretender Fehlerquellen wie auch kleinster Defekte, die von menschlichen Inspektoren oft übersehen werden. 

==== Lessons Learned ====

In Zusammenarbeit mit der elunic AG konnte die Automatisierung der KI-basierten Qualitätskontrollen implementiert werden, welche Effizienzsteigerung sowie Qualitätssteigerung und -sicherung bewirkt.

==== Weiterführende Informationen ====

  * [[https://www.plattform-lernende-systeme.de/files/Downloads/Publikationen/PLS_Booklet_KMU.pdf|Lernende Systeme. (2021). KI im Mittelstand. München.]]
  * [[https://www.green-ai-hub.de/aktuelles/ki-praxisbeispiele/2023/praxisbeispiel-jentner| Green-AI Hub Mittelstand. KI-gestützte Qualitätssicherung in der Oberflächenveredelung. (o.D.).]]