KI-Vorhersage, die zugibt, was sie nicht weiß

Die Herausforderung

Ob eine Charge gut wird, verrät oft erst das Labor – Stunden später, wenn das Material längst produziert ist. Wer wissen will, was eine andere Einstellung bewirkt, probiert es an der Anlage aus und bezahlt mit Zeit, Energie und Ausschuss. Was eine Charge an Strom kostet, weiß kaum jemand genau. Und wer sich eine KI-Prognose kauft, bekommt meist eine Zahl mit drei Nachkommastellen, die genauer wirkt, als sie ist.

Was wir gebaut haben

Vier Bausteine auf den Prozess- und Labordaten, die ohnehin gesammelt werden:

• Soft-Sensor: Ein Modell schätzt Ausbeute, Qualität und Energie live aus dem laufenden Prozess – samt Unsicherheitsintervall, ausgelegt auf rund 80 Prozent Trefferquote. Unplausible Werte graut die Anzeige aus, statt sie zu behaupten.
• Prozess-Wächter: Er vergleicht den aktuellen Betriebspunkt mit dem Normalbetrieb und den besten bisherigen Chargen. Er schlägt vor, er greift nicht ein. Daneben zeigt eine Kachel Kilowattstunden und Euro je Charge.
• Was-wäre-wenn mit Ehrlichkeits-Prüfung: Je Linie und Zielgröße ein Modell aus der Chargenhistorie. Jedes muss vor dem Einsatz eine Kreuzvalidierung bestehen. Wer durchfällt, bekommt keine Prognose, sondern sichtbar den historischen Durchschnitt. Schieberegler, Haupttreiber und ein Unsicherheitsband zeigen das Warum. Einmal pro Woche lernt das Modell nach.
• Virtuelle Fabrik und Versuchsstand: Ein Zwilling spielt die echte Historie ab und reagiert auf Sollwerte wie die Anlage, gelernt aus über 43.000 Minutenwerten aus 30 Tagen. Steuerbefehle laufen nur über eine Freigabeliste, mit Bestätigung, Protokoll und sicherem Halt – die echte Sicherheitssteuerung bekommt nie einen Schreibbefehl. Im Versuchsstand gibt man ein Qualitätsziel vor und bekommt ein Rezept vorgeschlagen, mit offengelegten Formeln und Abgleich gegen echte Chargen.

Was es bringt

An einer Linie erreicht der Soft-Sensor ein R² von 0,95 bis 0,99. Sechs von acht Was-wäre-wenn-Modellen haben die Prüfung bestanden. Eine Qualitätsgröße kam auf 0,21 und wird deshalb nicht vorhergesagt – das steht so auf dem Bildschirm, nicht im Kleingedruckten. Die gelernten Reaktionen des Zwillings erreichen ein R² von 0,83 bis 0,997.

Ein Szenario zeigte, dass 30 Prozent weniger Vorschub bei einem Material die Ausbeute im Modell von 53 auf 29 Prozent drückt. An der Anlage hätte diese Erkenntnis eine Charge gekostet. Und beim Training fiel ein Fehler auf, den niemand gesucht hatte: Ausbeuten über 100 Prozent, entstanden beim Einlesen der Protokolle. An der Quelle behoben, sank der Prognosefehler auf rund ein Drittel.

Für wen das passt

Für Produktionsbetriebe, die Prozess- und Labordaten schon sammeln oder gerade damit anfangen, und die Qualität und Energie vorher wissen wollen, statt nachher zu messen. Voraussetzung sind einige hundert dokumentierte Chargen. Keine Voraussetzung: der Glaube an Wunder.