Showcases

Auch wenn ZaKI.D erst vor einigen Monaten gestartet ist, sind bereits zahlreiche spannende Projekte in Planung und Umsetzung. Unsere Vision ist es, Unternehmen dabei zu unterstützen, innovative, besonders effiziente KI-Technologien in ihre Geschäftsprozesse zu integrieren. Hier stellen wir Ihnen einige Projekte vor, die wir gemeinsam mit unseren Partnern realisieren – heute und in Zukunft.

Diese Inhalte präsentieren (geplante) Projekte und Anwendungsbeispiele, die das Potenzial von ZaKI.D veranschaulichen und zeigen, wie die KI-Lösungsansätze in der Praxis aussehen könnten.

Showcase 1: red cable robots

KI-Lösung für die Automatisierung mit Seilrobotern

red cable robots bietet spezialisierte Seilroboter für industrielle Anwendungen, die sich besonders für die Automatisierung in großen Arbeitsbereichen eignen und sich wie Stadionkameras bewegen.

Status

Projektstart: Februar 2025

Themenstellung

Seilroboter sind hochkomplexe, nicht-lineare Systeme mit vielen variablen Parametern. Eine Kalibrierung und regelmäßiges Referenzieren verbessern die Genauigkeit solcher Systeme und wirken Störungen entgegen. Eine manuelle Kalibrierung ist jedoch zeitaufwändig.

Optimierungsansatz

Um die Kalibrierung von Seilrobotern zu automatisieren und somit zeiteffizienter zu gestalten, wird eine Machine-Learning-basierte Kalibrierung entwickelt und implementiert. Diese innovative Lösung ermittelt Abweichungen vom Ideal und ermöglicht eine Kompensation im laufenden Betrieb. Dadurch kann die Genauigkeit von Seilrobotern optimiert werden, auch wenn Unregelmäßigkeiten auftreten. Die KI ermöglicht es Kalibrierungs- und Referenzierungsmechanismen mit deutlich geringerem Aufwand als mit konventioneller Algorithmik umzusetzen und Entwicklungszyklen zu verkürzen.

Technologie

Simulationen der Roboter werden durchgeführt, um realistische Szenarien und Verhaltensweisen zu testen. Darüber hinaus werden synthetische Messdaten erzeugt, indem Abweichungen in die Simulation eingebracht werden. Machine-Learning-Modelle ermitteln Fehler anhand dieser Messdaten und tragen somit zur kontinuierlichen Optimierung der Robotergenauigkeit bei. Am Ende soll die KI direkt in die Steuerung des Roboters integriert werden. Dazu muss das KI-Modell besonders effizient und auf dem Steuerungsrechner des Roboters lauffähig sein.

Showcase 2: KIMETRO

KI-unterstützte METallROhr-Beschichtung

Das Unternehmen Häuser beschäftigt sich mit der Entwicklung von (Hochtemperatur-) Beschichtungen, die speziell zum Schutz vor temperaturbedingten Korrosionsprozessen dienen.

Status

 

Projektabschluss: März 2025

Themenstellung

Eine der größten Herausforderungen ist die Notwendigkeit einer nachträglichen manuellen Wärmebehandlung bei speziellen Werkstofflegierungen, bis das Rohr den gewünschten Glanz erreicht. Dieser Glanz ist nicht durch Temperatur messbar, da unterschiedlichste Werkstofflegierungen verwendet werden.

Optimierungsansatz

Zur Lösung dieses Problems wird eine Machine-Learning-basierte Bilderkennung eingesetzt, die den Glanz der Beschichtungen ermittelt. Diese Technologie ermöglicht eine zukünftige Automatisierung des Prozesses. Die Implementierung der automatisierten Glanzerkennung bringt mehrere Vorteile mit sich. Zum einen wird die Belastung für die Arbeiter durch Hitze und monotone Arbeit verringert. Zum anderen führt die Automatisierung zu einem schnelleren und damit kosteneffizienteren Prozess.

Technologie

Für die Bilddatenaufnahme wird eine schwarz-weiß 2D-Kamera eingesetzt. Die Glanzermittlung erfolgt durch Bildsegmentierungsverfahren unter Verwendung neuronaler Netze. Die genutzten Deep-Learning-Architekturen sind SegNet, SegFormer und U-Net. Auch hier spielt die Effizienz eine besonders große Rolle: Später könnte der Schweiß-Prozess automatisiert ablaufen und von einem Mini-Rechner, auf dem die KI läuft, gesteuert werden.

Showcase 3: Julius Schöbel

KI-Lösung für die Automatisierung der Angebotserstellung

Die Julius Schöbel GmbH & Co. KG, ein renommierter Handwerksbetrieb für Sanitär-, Heizungs- und Klimatechnik.

Status

Projektstart: Februar 2025

Themenstellung

Das Unternehmen sieht sich bei der Angebotserstellung mit erheblichen Herausforderungen konfrontiert. Die Daten zur Angebotserstellung und das Aufmaß für die Bestellung der Komponenten müssen mit einem hohen Personaleinsatz eingeholt werden. Dennoch treten immer wieder Fehler in der Dokumentation auf. Diese Fehler führen zu vermehrten Anfahrten, was nicht nur die Umwelt belastet, sondern auch aufwendigere Installationsarbeiten und Verzögerungen in der Planung zur Folge hat. Zusätzlich entstehen erhöhte Kosten im Lagermanagement durch falsche Bestellungen, was Frust auf allen Seiten verursacht.

Optimierungsansatz

Ein Voice-to-Text-System wird implementiert, das die Datenaufnahme beim Kunden erleichtert und durch ein Large Language Model (LLM) unterstützt wird. Dieses System ermöglicht die automatische Erstellung eines Angebots basierend auf den eingegebenen Daten. Die KI analysiert zudem vergangene Angebote und Projektkosten, um realistische und präzise Schätzungen zu liefern.

Technologie

Ein RAG (Retrieval Augmented Generation)-basiertes KI-System auf Basis eines großen Sprachmodelles (Large Language Models, LLMs) wird implementiert, das die Stärken von Informationsabruf und generativen Modellansätzen vereint. Diese Innovation trägt dazu bei, die Effizienz und Präzision bei der Erstellung von Angeboten erheblich zu steigern. Dies führt nicht nur zu einer Verringerung des Arbeitsaufwands, sondern verbessert auch die Qualität der Dokumentation, was langfristig die Zufriedenheit der Kunden fördert.

Was unsere Kunden und Partner sagen

Vertrauen, das durch erfolgreiche Zusammenarbeit gewachsen ist.

Jetzt Kontakt aufnehmen

„Die Zusammenarbeit mit dem ZaKI.D-Team war unkompliziert. Es gab einen starken Teamgeist und das gemeinsame Ziel, den Prozess zu optimieren. Gerade als kleines Unternehmen benötigt man Partner wie das ZaKI.D, um Herausforderungen im Unternehmensalltag mithilfe von KI zu bewältigen.“

Hendrik Häuser
Geschäftsführer der Häuser und Co GMBH