Gleichmäßiger Brennwert entlastet die Prozessregelung
„Das Ziel ist eine möglichst homogene Beladung des Verbrennungstrichters. Große Schwankungen des Brennwerts sollen reduziert werden, damit die Prozessregelung weniger stark eingreifen muss“, erläutert N. Kurtenbach. Der KI-Nutzen entsteht aus dem Zusammenspiel mehrerer Funktionen: Das Multikamerasystem beobachtet die Abfallabgabe, die KI bewertet das Material, der digitale Zwilling ordnet die Informationen räumlich im Bunker ein, und die Kransteuerung nutzt diese Daten, um geeignete Bereiche anzufahren. Dadurch lässt sich der Verbrennungsprozess gleichmäßiger betreiben. Weniger zusätzliches Heizen und Kühlen senkt die Energiekosten und kann zugleich die CO₂-Emissionen reduzieren. N. Kurtenbach fasst das Einsatzprinzip der Edge-KI wie folgt zusammen: „Die Edge-KI arbeitet mit den Daten und gibt uns das Ergebnis sofort zurück.“
Die Bilder aus dem Bunker können neben Informationen über den Brennwert weitere Hinweise liefern. In Müllverbrennungsanlagen können sich Gegenstände befinden, die vor dem Verbrennungsprozess erkannt werden sollten, zum Beispiel Gasflaschen. Das Konzept ließe sich entsprechend um Objekterkennungsmodelle erweitern. „Die KI könnte solche Gegenstände bereits beim Entladen oder innerhalb des Bunkers kennzeichnen. Auf diese Weise würde sich die Lösung von einer reinen Brennwertanalyse zu einem umfassenderen KI-basierten Abfallbunkermanagement entwickeln“, so N. Kurtenbach.
Mit überschaubaren Use Cases beginnen
Prinzipiell rät N. Kurtenbach Unternehmen dazu, den KI-Einstieg über klar definierte Aufgaben mit einem nachvollziehbaren Nutzen zu suchen. Als besonders geeignet nennt er Anwendungsfälle, bei denen die KI einen bestehenden Prozess schrittweise verbessert.
„Eine zusätzliche kamerabasierte Fehlererkennung kann beispielsweise die Qualitätskontrolle ergänzen. Erkennt das System einen bislang regelmäßig übersehenen Fehler, steigt die Qualität. Eine einzelne nicht erkannte Abweichung verschlechtert den bisherigen Prozess zunächst nicht“, erklärt er am Beispiel. Solche Anwendungen erleichtern aus seiner Erfahrung heraus den Einstieg, weil sich Erfahrungen mit Daten, Modellen und Maschinenanbindung sammeln lassen, ohne eine kritische Funktion vollständig an die KI zu übergeben.
„Wir müssen konkrete Anwendungsfälle finden und die Eintrittsschwelle zunächst niedrig halten. So können wir die Produktion mitnehmen und zeigen, welchen Nutzen die Lösung tatsächlich bringt.“
Fazit
Die Projekte von Scio Automation verdeutlichen dabei zwei Seiten industrieller Edge-KI. Die Kooperation mit dem Fraunhofer IMS im Projekt ZaKI.d zeigt, wie sich ein eng begrenzter Maschinenprozess analysieren und optimieren lässt. Das Konzept für das Abfallbunkermanagement überträgt diesen Ansatz auf einen komplexeren Anlagenprozess mit Multikamerasystem und digitalem Zwilling von StableFlame sowie automatisierter Kransteuerung. In beiden Fällen bildet die lokale Verarbeitung die Grundlage dafür, aus vorhandenen Prozessdaten unmittelbar nutzbare Entscheidungen abzuleiten.