Studentenprojekte im Bereich KI in der Fertigung
Unsere Teilnehmer entwickeln während der Kurse praxisnahe Projekte, die echte Herausforderungen der Produktionsbranche lösen. Diese Arbeiten zeigen, wie theoretisches Wissen in konkrete Anwendungen umgesetzt wird.
Von Bildverarbeitungssystemen bis hin zu Vorhersagemodellen – jedes Projekt vermittelt wertvolle Erfahrungen und bereitet auf reale Einsatzszenarien vor.
Projektbereiche unserer Teilnehmer
Bildverarbeitung
- Erkennung von Produktionsfehlern
- Automatische Teileinspektion
- Oberflächenanalyse
- Positionserkennung
Vorhersagemodelle
- Wartungsbedarf prognostizieren
- Produktionsausfälle vermeiden
- Materialverbrauch optimieren
- Qualitätstrends analysieren
Prozessoptimierung
- Durchlaufzeiten reduzieren
- Energieverbrauch senken
- Maschinenauslastung verbessern
- Engpässe identifizieren
Robotik-Integration
- Pick-and-Place-Systeme
- Kollaborative Robotik
- Adaptive Greifstrategien
- Bewegungsoptimierung
Datenanalyse
- Sensordaten auswerten
- Muster erkennen
- Anomalien aufspüren
- Berichte generieren
Qualitätssicherung
- Automatische Prüfsysteme
- Toleranzüberwachung
- Chargenanalyse
- Dokumentation erstellen
Beispiel aus der Praxis
Automatische Fehlererkennung in der Montage
Eine Teilnehmerin aus unserem Frühjahrkurs 2025 entwickelte ein System zur Echtzeit-Überwachung von Montageprozessen. Das Projekt entstand während des vierwöchigen Moduls über maschinelles Sehen.
Das System analysiert Kamerabilder der Montagelinie und erkennt häufige Fehlerquellen wie fehlende Bauteile, falsche Ausrichtung oder Beschädigungen. Die Lösung wurde mit realen Produktionsdaten trainiert, die wir über Industriepartner bereitstellen konnten.
Technischer Ansatz
- Verwendung vortrainierter Modelle für schnellen Einstieg
- Transfer Learning mit spezifischen Produktdaten
- Implementierung in Python mit OpenCV und TensorFlow
- Einbindung in bestehende Steuerungssysteme
Ergebnis und Lernerfahrung
Das Modell erreichte eine Erkennungsgenauigkeit von 94% bei den Testdaten. Wichtiger als die Zahlen war jedoch die praktische Erfahrung: von der Datenaufbereitung über das Training bis zur Bewertung der Ergebnisse. Die Teilnehmerin lernte auch, wie man mit unausgewogenen Datensätzen umgeht – ein häufiges Problem in der realen Produktion.
Solche Projekte bereiten auf echte Aufgabenstellungen vor und zeigen, wo theoretisches Wissen auf praktische Herausforderungen trifft.
Typischer Projektablauf in unseren Kursen
Problemstellung verstehen
Am Anfang steht die Analyse einer konkreten Fertigungsaufgabe. Teilnehmer lernen, relevante Fragestellungen zu identifizieren und einzugrenzen. Oft arbeiten wir mit Szenarien aus echten Produktionsumgebungen.
Dauer: 3–5 TageDaten sammeln und aufbereiten
Die Qualität der Trainingsdaten entscheidet über den Projekterfolg. Wir zeigen, wie man Daten aus Sensoren, Maschinen oder Kameras sammelt, bereinigt und für das Training vorbereitet. Dieser Schritt nimmt oft die meiste Zeit in Anspruch.
Dauer: 1–2 WochenModell entwickeln und trainieren
Mit vorbereiteten Daten beginnt die eigentliche Entwicklung. Teilnehmer wählen passende Algorithmen aus, passen Parameter an und trainieren erste Versionen. Dabei lernen sie, Ergebnisse kritisch zu bewerten und Ansätze zu verbessern.
Dauer: 1–2 WochenTesten und dokumentieren
Zum Abschluss wird das Projekt mit neuen Daten getestet und die Ergebnisse bewertet. Eine ausführliche Dokumentation hält fest, welche Ansätze funktioniert haben und welche Herausforderungen auftraten. Diese Reflexion ist für das Lernen besonders wertvoll.
Dauer: 3–5 Tage