Hinweis: Das Beitragsbild wurde mit künstlicher Intelligenz erzeugt.
Beim Bolzenschweißen entscheiden Millisekunden über die Sicherheit ganzer Konstruktionen. Brücken, Tunnelauskleidungen, Fassadensysteme: Geschweißte Bolzenverbindungen gelten dort als sicherheitskritische Elemente. Forscher des Fraunhofer-Instituts für Digitale Medientechnologie IDMT haben eine KI entwickelt, die Schweißfehler direkt im laufenden Prozess erkennt. Das Werkzeug ist der Klang des Schweißens selbst.
Klassische Prüfmethoden stoßen an wirtschaftliche Grenzen
In der industriellen Praxis läuft die Qualitätsprüfung von Schweißnähten bislang überwiegend nachgelagert ab. Visuelle Inspektion, Ultraschall, Röntgenprüfung oder zerstörende Verfahren haben ihre Berechtigung, aber auch klare Schwächen.
Zerstörende Prüfungen liefern zuverlässige Ergebnisse, verbrauchen aber Material und Zeit. Sie sind nicht an jeder einzelnen Verbindungsstelle anwendbar. Visuelle Kontrollen hängen stark von der Erfahrung des Prüfers ab, objektive und reproduzierbare Ergebnisse sind damit kaum zu garantieren.
Zerstörungsfreie Verfahren wie Röntgen oder Ultraschall erfordern spezielle Messtechnik. Bei bestimmten Geometrien, besonders bei Bolzenverbindungen, sind sie nur eingeschränkt einsetzbar. Der Aufwand ist erheblich.
Der Zielkonflikt für Produktionsverantwortliche ist klar: Jede einzelne Verbindung soll sicher sein, Prüfzeit, Kosten und Fertigungsunterbrechungen sollen dabei so gering wie möglich bleiben. Eine vollständige, wirtschaftliche Kontrolle direkt im Prozess war bisher nicht realisierbar.
Akustische Signale als Qualitätsmerkmal
Das IDMT-Team setzt an einem physikalischen Grundprinzip an: Schweißprozesse erzeugen charakteristische Schallmuster. Diese Muster verändern sich, wenn etwas im Prozess nicht stimmt. Porosität, unvollständige Einbindung, Lichtbogenstörungen: Jede Abweichung hinterlässt eine akustische Spur.
Die Forscher haben eine KI darauf trainiert, genau diese Muster zu unterscheiden. Das System hört mit, klassifiziert in Echtzeit und meldet Abweichungen sofort, ohne den Fertigungsablauf zu unterbrechen.
Training auf realen Prozessdaten
Der Ansatz ist nicht rein modellbasiert. Die KI wurde auf realen Schweißprozessen trainiert. Dafür wurden Schweißungen mit definierten Fehlern und fehlerfreie Verbindungen systematisch aufgezeichnet und ausgewertet. Das Ergebnis ist ein Klassifikationsmodell, das auf die spezifischen akustischen Eigenschaften des Bolzenschweißens ausgerichtet ist.
Fraunhofer IAIS arbeitet parallel an vergleichbaren Ansätzen mit hybrider KI für Produktion und Qualitätssicherung in der Industrie. Der Begriff hybride KI bezeichnet die Kombination aus datengetriebenen Modellen und regelbasiertem Expertenwissen. Beide Elemente zusammen erhöhen die Zuverlässigkeit der Erkennung.
Was das für Produktionsbetriebe bedeutet
Für Betriebe, die Bolzenschweißen im großen Maßstab einsetzen, ergeben sich konkrete Ansatzpunkte. Eine prozessintegrierte Überwachung kann den Anteil nachgelagerter Prüfungen reduzieren. Fehler werden früher erkannt, Ausschuss sinkt, Nacharbeitskosten fallen geringer aus.
Das System ersetzt nicht jede Form der Qualitätsprüfung. Es ergänzt bestehende Verfahren um eine kontinuierliche, objektive Überwachung im laufenden Betrieb. Für sicherheitskritische Anwendungen, etwa im Brückenbau oder im Tunnelausbau, bleibt die normgerechte Abnahmeprüfung weiterhin Pflicht.
Nachrüstung und Integration
Ein praktischer Vorteil des akustischen Ansatzes: Mikrofone und entsprechende Auswerteeinheiten lassen sich an bestehende Schweißanlagen nachrüsten. Aufwendige Umbauten an der Maschinenstruktur sind nicht zwingend erforderlich. Wie aufwendig die Integration im Einzelfall ist, hängt von der vorhandenen Anlagensteuerung und der Dateninfrastruktur im Betrieb ab.
Die Fraunhofer-Gesellschaft beschäftigt rund 30.000 Mitarbeitende und gilt als weltweit führende Organisation für anwendungsorientierte Forschung. Das IDMT ist auf digitale Signalverarbeitung und akustische Technologien spezialisiert.
Fazit
Das Fraunhofer IDMT adressiert mit der akustischen KI-Überwachung einen realen Engpass in der Schweißtechnik: die Lücke zwischen Fertigungsgeschwindigkeit und Prüfaufwand. Für Produktions- und Qualitätsverantwortliche in stahlverarbeitenden Betrieben ist die Technologie relevant. Ob und wann sie serienreif für den breiten Industrieeinsatz ist, hängt von weiteren Validierungsschritten ab.
