Use-Case: Resourceneffizienz durch KI-optimierte Energie- und Medienströme

Zielsetzungen

• Identifikation von relevanten Teiloptimierungsmöglichkeiten im Facility-Management und Bewertung des Einsparungspotentials im Hinblick auf Ressourcen.
• Identifikation von aktuell vorhandenen Data- und Interoperabilitäts-Gaps die die Behebung von Ressourcen-Verlusten verhindern.
• Entwicklung und Einsatz einer “Sustainability Monitoring Platform” mit welcher KI-unterstützt Anomalien erkannt, Verbrauchsprognosen erstellt und ressourcenspezifische Geschäftsentscheidungen getroffen werden können.

ZERO Human Potential Loss Evaluation

Die Human-Potential-Evaluation von Use Case 1 zeigt, dass die entwickelten KI-gestützten Lösungen im Facility Management insbesondere zur besseren Nutzung und Interpretation von Verbrauchsdaten beitragen. Durch die Unterstützung bei Prognosen und der Identifikation von Abweichungen werden komplexe Zusammenhänge transparenter und Entscheidungsprozesse strukturierter. Ein zentraler Effekt liegt in der Reduktion manueller Analyseaufwände sowie in der verbesserten Zugänglichkeit von Daten, wodurch Mitarbeitende stärker bei datenbasierten Aufgaben unterstützt werden. Gleichzeitig fördern die eingesetzten Technologien das Verständnis für Einflussfaktoren im Ressourcenverbrauch und schaffen eine Grundlage für fundiertere Entscheidungen im Umgang mit Energie- und Medienverbräuchen.

Der Beitrag zur Ausschöpfung menschlichen Potenzials zeigt sich dabei weniger in unmittelbaren Effizienzgewinnen als in der Unterstützung von Analysekompetenz, Transparenz und Wissensaufbau. Insbesondere die Nachvollziehbarkeit von Zusammenhängen und die Aufbereitung komplexer Daten stärken die Rolle der Mitarbeitenden in der Bewertung und Interpretation von Systemergebnissen. Gleichzeitig wird deutlich, dass für eine nachhaltige Wirkung Aspekte wie Systemintegration, Datenverfügbarkeit und verständliche Aufbereitung zentral sind, um Vertrauen zu fördern und die Lösungen langfristig im Arbeitsalltag zu verankern.

Use-Case: Ressourceneffizienz durch Entwicklung von nachhaltigen Materialien und nachhaltigen Verarbeitungsprozessen 

Zielsetzungen

• Entwicklung von Sensoren und KI-basierten Auswerteverfahren für die Charakterisierung der Veränderung der Oberflächenqualität von Lacken durch chemische Substanzen, und das reziproke Erlernen der Beurteilung durch KI-System und (anzulernende) Mitarbeiter.
• Entwicklung von Sensoren und KI-basierten Auswerteverfahren für die Charakterisierung von Prozess- und Materialdaten um automatisch Parameter für das upscaling von Herstellprozessen von Tinten und Pigmentpasten ableiten zu können.
• Entwicklung von thermografischer Bildaufnahmetechnik und KI-basierten Segmentierungsmethoden für die Defekterkennung bei der Herstellung von CFK-Bauteilen.
• Entwicklung von Datenschnittstellen zur “Sustainability Monitoring Platform” um stations- und standortübergreifende Interoperabilität und Zugänglichkeit der Daten ermöglicht werden kann.
• Entwicklung von Konzepten für effiziente Mensch-Roboter Kollaboration um einerseits optimale maschinelle Unterstützung und Entlastung bei unergonomischen Prozessen zu erzielen und nicht automatisierbare Prozesse (z.B. Entscheidungen, …) optimal zu unterstützen.
• Darstellung der Entwicklungsinhalte entlang der Materialwertschöpfungskette in 3 relevanten Teilusecases

Ergebnis Use Case 2.2

Die Optimierung von Prozesszeiten ist eines der Energiesparpotentiale für österreichs Industrie.
Im Use Case TIGER wurde mittels Nahinfrarotspektroskopie und Machine Learning diese Optimierung für die Tintenherstellung untersucht.

Neben Energie, damit einhergehend auch Emissionen im Falle von fossilen Energieträgern, sind vor allem die Effekte auf die Arbeitszeiteinsparung zu sehen. Dadurch werden Arbeitsressourcen für weitere wichtige Prozesse geschaffen.

Die möglichen Effekte, die sich durch die Versuchsauswertung ergeben sind in den Abbildungen 1 und 2 dargestellt:

Energieverbrauch bisher linke Säule, Energieverbrauchsoptimierung rechte Säule

In der Herstellung von chemischen Produkten ist die Rezeptkontrolle ein äußerst wichtiger Prozessschritt. Fehler so früh als möglich zu erkennen ermöglicht eine Reduktion des Ausschuss, spart Arbeitszeit, Geld  und Energie.

Im Zuge weiterer Versuche mittels NIR Technologie gelang eine Erkennung der Komponenten in einem Tintenprodukt und somit die Sicherstellung der Rezepttreue.

Ergebnis Use Case 2.3

Kohlenstofffaserverstärkte Kunststoffe weisen einen hohen CO₂-Fußabdruck auf — insbesondere im Vergleich zu anderen Werkstoffen wie Aluminium. Hauptursache ist die energieintensive Herstellung.

Dennoch bieten sie aufgrund ihres geringen Gewichts und ihres hohen Festigkeits-Gewichts-Verhältnisses wesentliche Vorteile als Werkstoffe in der Luftfahrt- und Automobilindustrie. Die Reduktion von Ausschuss ist daher ein wichtiges Ziel der Branche.

Eine Ursache dafür, dass Bauteile trotz grundsätzlich guter Qualität als Ausschuss verworfen werden, ist der Einschluss von Fremdmaterial während der Lay-up-Phase. Diese Fremdkörper werden als FODs bezeichnet.

Ziel des ZERO³-Projekts ist es, solchen Ausschuss bereits während der Produktion zu vermeiden, bevor die energieintensivsten Prozessschritte stattfinden. Dadurch kann der Fußabdruck des Materials — und damit auch jener der Industrie — verbessert werden.

Die potenziellen Umweltauswirkungen der getesteten Basistechnologie wurden mithilfe eines LCA-Ansatzes bewertet.

Tests der Basistechnologie zeigen, dass eine Erkennung von FODs mittels thermografischer Prüfung möglich ist. Für eine quantitative Bewertung wurde auf Basis der erzielten Erfolgsrate — bis zu 85 % im Idealfall, eine Reduktion von 75 % angenommen und durch FOD verursachte Ausschussraten angewendet.

Die Abbildungen zeigen sowohl die aktuellen CO₂-Äquivalent-Fußabdrücke des Ausschussmaterials für ein mögliches Projekt als auch die potenziellen Energieeinsparungen bei entsprechender Anwendung der Basistechnologie.

ZERO Human Potential Loss Evaluation

Die Human-Potential-Evaluation von Use Case 2 zeigt über alle Anwendungen hinweg ein konsistentes Bild: Die entwickelten sensor- und KI-basierten Lösungen entfalten ihren größten Mehrwert weniger durch direkte Automatisierung einzelner Arbeitsschritte, sondern durch eine verbesserte Analyse, frühzeitige Erkennung von Abweichungen und eine höhere Transparenz in Material- und Produktionsprozessen. Zentral ist dabei die Unterstützung von Mitarbeitenden bei der Bewertung von Qualitäts- und Prozesszuständen. Durch die Bereitstellung zusätzlicher Informationen und die strukturierte Aufbereitung von Daten werden Entscheidungsprozesse fundierter, nachvollziehbarer und konsistenter. Die frühzeitige Identifikation von Fehlern oder Abweichungen kann dabei erfolgreich dazu beitragen, Ressourcen effizienter einzusetzen und Prozesse stabiler zu gestalten.

Gleichzeitig zeigen die Ergebnisse, dass die Rolle der Mitarbeitenden sich stärker in Richtung Überwachung, Interpretation und Ursachenanalyse verschiebt. Die Systeme bieten entsprechend ein hohes Potenzial für Wissensaufbau, Training und die systematische Integration und Nutzung von Erfahrungswissen, etwa durch die Analyse von Qualitätsmustern oder Prozessverläufen. Der Beitrag zur Ausschöpfung menschlichen Potenzials liegt somit vor allem in der Unterstützung von Kompetenzentwicklung, Transparenz und Entscheidungsfähigkeit. Voraussetzung für eine nachhaltige Wirkung sind dabei eine ausreichende technische Reife, verlässliche Daten sowie verständliche und gut integrierte Interaktionslösungen.

Use-Case: Flexible Produktion zur Herstellung hochwertiger Produkte

Zielsetzungen

• Entwicklung nachhaltiger und skalierbarer Produktionskonzepte – von der Mensch-Roboter-Kollaboration bis zur Vollautomatisierung.
• Bewertung von Wertschöpfungsketten und Produktionsprozessen hinsichtlich Nachhaltigkeit über die Sustainability Monitoring Platform.
• Einsatz von Robotik und KI zur flexiblen Beherrschung hoher Typenvarianz in Produktionslinien. Integrationszeiten für neue Produkttypen sollen dadurch auf etwa einen Tag pro Typ reduziert werden.
• Effizienter Transfer von Mitarbeiterwissen und Ergebnissen aus der Grundlagenentwicklung in die Produktionsanlage.
• Schließung von Data Gaps, um Produktionsdaten besser zu visualisieren, zu analysieren und fundierte Optimierungs- sowie Geschäftsentscheidungen zu ermöglichen.

ZERO Human Potential Loss Evaluation

Die Human-Potential-Evaluation von Use Case 3 zeigt unterschiedliche Beiträge der entwickelten Lösungen zur Ausschöpfung menschlichen Potenzials. Für die Variantenerkennung wird insbesondere ein hohes Potenzial in Bezug auf Automatisierung, Zeitersparnis und Wertschöpfung gesehen. Gleichzeitig ergeben sich Beiträge zur Vereinfachung von Prozessen und zur Reduktion mechanischer Komplexität, wodurch Tätigkeiten effizienter gestaltet und breiter zugänglich werden können. Bei der Roboterzellenoptimierung liegen die Potenziale hingegen weniger in direkten Effizienzgewinnen, sondern in der Verbesserung von Planungsqualität und Prozesssicherheit. Die Lösungen unterstützen die Bewertung von Handlungsoptionen und machen komplexe Zielkonflikte sichtbar, wodurch fundiertere Entscheidungen ermöglicht werden. Besonders deutlich zeigt sich hier ein Beitrag zur Kompetenzentwicklung und zum besseren Verständnis von Zusammenhängen im Produktionssystem.

Übergreifend wird deutlich, dass die größten Potenziale in der Unterstützung von Transparenz, Analysefähigkeit und datenbasierter Entscheidungsfindung liegen. Gleichzeitig zeigen die Ergebnisse, dass für eine nachhaltige Ausschöpfung dieser Potenziale insbesondere verständliche Interaktionslösungen und eine gute Einbettung in bestehende Prozesse entscheidend sind.