Weniger Ausschuss, bessere Entscheidungen: AluKauKi setzt auf kausale KI für eine nachhaltigere Produktion

Wenn in komplexen industriellen Systemen Qualitätsprobleme auftreten, können diese die Hersteller Millionen kosten. Genau diese schwerwiegenden Mängel will Hendro Wicaksono, Professor an der Constructor University, im Rahmen des neu geförderten Projekts „AluKauKi“ mithilfe kausaler KI angehen. Die gemeinsame Initiative mit dem Industriepartner Electronics GmbH wird eine kausale und erklärbare KI entwickeln, die aufdecken kann, warum Fertigungsfehler auftreten, und dabei helfen, diese zu verhindern – mit dem vorläufigen Ziel, den Ausschuss um bis zu 30 % zu reduzieren. Das Projekt erhielt kürzlich Fördermittel in Höhe von 475.000 Euro vom Bundesministerium für Wirtschaft und Energie (BMWE).

 Das Projekt „AluKauKi“ (Causal AI-supported Reduction of Scrap Rates in Aluminum Die Casting) geht einer auf den ersten Blick einfachen Frage nach: Kann Künstliche Intelligenz nicht nur vorhersagen, dass in der Produktion etwas schiefgeht, sondern auch erklären, warum es dazu kommt – und Ingenieurinnen und Ingenieuren sagen, was sie dagegen tun können? Dies war bislang eine grundlegende Einschränkung der meisten herkömmlichen KI-Systeme, die zwar hervorragend darin sind, Muster in Daten zu erkennen, aber nicht unbedingt erklären können, warum diese Muster existieren oder was passieren wird, wenn sich die Bedingungen ändern.

„Die Industrie braucht nicht einfach nur mehr Daten oder größere KI-Modelle. Sie braucht eine KI, die Daten in Verständnis umwandeln kann. Wenn wir verstehen, warum etwas passiert, sind wir in einer viel besseren Position, um zu entscheiden, was als Nächstes zu tun ist“, sagt Prof. Wicaksono.

Das Projekt AluKauKi wird sich beispielsweise auf den Aluminium-Hochdruckguss konzentrieren – ein extrem schneller Prozess, bei dem geschmolzenes Aluminium unter hohem Druck in Formen gespritzt wird, um komplexe Bauteile für Anwendungen wie die Automobil- und Elektronikindustrie herzustellen. Schon kleine Schwankungen bei Temperatur, Druck, Materialeigenschaften und Maschinenzuständen können das Endergebnis beeinflussen, wobei ihre Wechselwirkungen oft komplex, nichtlinear und sowohl für Menschen als auch für herkömmliche Datenanalysemethoden schwer zu erkennen sind.

Herkömmliche KI mag zwar bestimmte Kombinationen von Bedingungen erkennen, die bei der Herstellung fehlerhafter Bauteile auftreten, doch Korrelation ist nicht gleichbedeutend mit Kausalität. Die Tatsache, dass zwei Dinge gleichzeitig auftreten, sagt einem Ingenieur nicht unbedingt, ob die Änderung eines dieser Faktoren das Problem beheben würde. Kausale KI kann diese Gleichung ändern. Anstatt lediglich zu fragen: „Was wird wahrscheinlich passieren?“, kann kausale KI untersuchen, warum etwas geschieht und was passieren könnte, wenn Parameter geändert werden.

„Vorhersagen allein reichen für viele industrielle Entscheidungen nicht aus“, erklärt Prof. Wicaksono. „Wenn KI einem Ingenieur mitteilt, dass ein Defekt wahrscheinlich auftreten wird, lautet die nächste Frage sofort: Warum? Und was sollten wir ändern? Kausale KI gibt uns die Möglichkeit, vom Erkennen von Mustern hin zum Verständnis von Ursache und Wirkung zu gelangen.“

KI erklärbar und vertrauenswürdig machen

Prof. Wicaksono und seine Forschungsgruppe „Data-Driven Industrial Systems“ an der Constructor University arbeiten nach einem grundlegend menschenzentrierten Prinzip: KI soll menschliches Fachwissen stärken, anstatt es zu ersetzen. Daher ist eine zweite Säule von AluKauKi die Bereitstellung von „Explainable Artificial Intelligence“ (XAI). In einer Fabrikumgebung können KI-Empfehlungen erhebliche Auswirkungen auf Produktqualität, Produktivität und Kosten haben. Ingenieure benötigen daher mehr als nur eine Zahl auf einem Bildschirm – sie müssen die dahinter stehende Argumentation verstehen, um fundierte Entscheidungen treffen zu können.

Anstatt als „Black Box“ zu fungieren, wird das AluKauKi-System so konzipiert sein, dass es die Kausalkette hinter seinen Empfehlungen erklärt. Ein zukünftiges System könnte darauf hinweisen, dass eine bestimmte Prozessbedingung zu einem Qualitätsproblem beiträgt, den Zusammenhang erläutern und aufzeigen, was passieren könnte, wenn Ingenieure einen bestimmten Parameter anpassen. Dieser Ansatz ermöglicht es den Nutzern zudem, „Was-wäre-wenn“-Szenarien zu durchspielen, bevor sie Entscheidungen treffen.

„Für uns ist Erklärbarkeit kein Zusatz zur KI“, sagt Prof. Wicaksono. „Sie ist unerlässlich, wenn von Menschen erwartet wird, dass sie KI in realen industriellen Umgebungen vertrauen und nutzen. Der menschliche Experte sollte weiterhin in der Lage sein, die Empfehlung zu verstehen, zu hinterfragen und zu bewerten.“

Brücke zwischen Wissenschaft und Industrie

Das AluKauKi-Projekt vereint komplementäres Fachwissen der Constructor University und des Industriepartners Electronics GmbH. Das Team von Prof. Wicaksono an der Constructor University wird die wissenschaftliche Entwicklung und Validierung fortschrittlicher KI-Methoden leiten, während sich die Electronics GmbH auf die industrielle Seite konzentriert: Sensortechnologien, Produktionsdaten, Software- und Systemintegration sowie die Validierung unter realen Fertigungsbedingungen. Das Ergebnis ist ein hybrider Ansatz, der menschliches Wissen, Produktionsdaten, physikalisches Verständnis und Artificial Intelligence miteinander verbindet.

Obwohl sich AluKauKi zunächst auf den Aluminium-Hochdruckguss konzentrieren wird, reicht sein Potenzial weit darüber hinaus und umfasst unzählige Fertigungsprozesse, die vor ähnlichen Herausforderungen stehen. Unternehmen können zwar enorme Datenmengen erfassen, sind jedoch nach wie vor nicht in der Lage, die tatsächlichen Ursachen für Qualitätsprobleme zu identifizieren und zu beheben. Die im Rahmen von AluKauKi entwickelten Methoden sollen eine Grundlage schaffen, die auf andere Maschinen, Werkstoffe und Prozesse übertragen und angepasst werden kann.

„Ein wichtiges Ziel unserer Forschung ist es, fortschrittliche KI-Methoden aus dem Labor in Umgebungen zu bringen, in denen sie messbaren Mehrwert schaffen können“, sagt Prof. Wicaksono. „Mit AluKauKi haben wir die Möglichkeit, modernste Forschung im Bereich der kausalen KI mit einer sehr konkreten industriellen Herausforderung zu verbinden – nämlich Abfall zu reduzieren, Ressourcen zu schonen und Menschen dabei zu helfen, bessere Produktionsentscheidungen zu treffen.“

Das neu vom BMWE geförderte AluKauKi-Projekt startet im Oktober 2026, wobei die Constructor University einen Anteil von 277.000 Euro aus dem Gesamtförderbetrag erhält. Das Projekt ist der jüngste Schritt von Prof. Wicaksono und seinem Team auf dem Weg, KI von einer Technologie, die lediglich Muster erkennt, zu einer Technologie zu entwickeln, die Ursachen erklären, Menschen unterstützen und industrielle Prozesse verbessern kann.