Forschung, die in der Praxis ankommt.
Wir unterstützen Unternehmen auf dem Weg in die Industrie 4.0, mit innovativen Produkten und Services bis hin zu gemeinsamen Forschungsprojekten und individuellen Lösungen.
Services
Gerne bieten wir Services für Ihre Anwendungsfälle an. Weitere Services auf Nachfrage möglich.
Additive Fertigung
Schulungen / Workshops
Schulungen / Workshops
Wir vermitteln ein Verständnis von additiver Fertigung im Bereich der Metalle (LPBF / SLM) und der Kunststoffe (SLS, FDM). Besonderer Fokus liegt auf die Einsatzmöglichkeiten von additiver Fertigung, Design for AM und die Wirtschaftlichkeitsbetrachtung
Nutzen
Die Teilnehmenden lernen Produkte neu zu denken und für den additiven Fertigungsprozess auszulegen und umzudenken. So kann das jeweils bestehende Produktportfolio angepasst und erweitert werden.
Ziel ist es, ein additives Denken bei den Teilnehmenden zu entwickeln.
Ansprechpartner
Prof. Dr.-Ing. Frieder Heieck
Tel. 0831 2523-243
frieder.heieck(at)hs-kempten.de
Additives Prototyping für Produkt- und Prozessinnovationen
Additives Prototyping für Produkt- und Prozessinnovationen
Entwicklung und Validierung innovativer Produktideen, Konstruktionen und Fertigungsstrategien durch den Einsatz additiver Fertigung.
Nutzen
Die additive Prototypenfertigung ermöglicht die frühzeitige Validierung neuer Produktkonzepte sowie die Bewertung funktionaler, fertigungstechnischer und wirtschaftlicher Anforderungen. Entwicklungsrisiken können reduziert, Iterationszyklen verkürzt und Potenziale ressourceneffizienter sowie zirkulärer Produktlösungen bereits in frühen Entwicklungsphasen untersucht werden.
Grundidee
Wir nutzen additive Prototypen zur experimentellen Validierung und Bewertung innovativer Produkt- und Prozesskonzepte. Durch die Verknüpfung modellbasierter Entwicklungsmethoden, simulationsgestützter Analysen und additiver Fertigung können neue Lösungsansätze effizient entwickelt, untersucht und in anwendungsnahen Demonstratoren umgesetzt werden.
Ansprechpartner
Matthias Duve
Tel.: +49 (0) 831-2523-9229
matthias.duve(at)hs-kempten.de
Design Studien
Design Studien
Individuelle Entwicklung von DfAM Optimierten Produkten. Leichtbau Optimierungen, Funktionsintegration durch z.B. Compliant Mechanisms (nachgiebige Mechanismen), inkl. Machbarkeitsstudien und Prototypen
Nutzen
Bestehende Produkte werden für die Additive Fertigung angepasst. Zusätzliche Funktionalität kann integriert werden um den Mehrwert der Additiven Fertigung zu nutzen und die vollen Potentiale zu heben. Es können auch neue Produkte gemeinsam entwickelt werden.
Ansprechpartner
Matthias Duve
Tel.: +49 (0) 831-2523-9229
matthias.duve(at)hs-kempten.de
Produkte
Weitere Produkte auf Anfrage möglich.
KI-Integration in der Industrie
Potenzialanalyse Prozessregelung
Potenzialanalyse Prozessregelung
Bevor in eine lernende Regelung investiert wird, klären wir, ob sich der Aufwand lohnt. Auf Basis vorhandener Betriebs- und Prozessdaten bewerten wir, an welcher Stelle eine adaptive oder selbstlernende Regelung Ausschuss, Energieverbrauch oder Stillstandszeiten messbar senken kann.
- Sichtung der vorhandenen Prozess- und Regelungsdaten
- Einschätzung des erreichbaren Effekts und des realistischen Aufwands
- Priorisierte Empfehlung, welcher Prozessschritt sich als Einstieg eignet
Ergebnis: Kurzbericht mit bewerteten Anwendungsfällen und empfohlenem nächsten Schritt.
Simulationsumgebung und digitaler Zwilling
Simulationsumgebung und digitaler Zwilling
Wir bauen eine erste datengetriebene oder hybride Simulationsumgebung einer Maschine oder Prozessstufe auf, validiert gegen reale Messdaten. In dieser Umgebung lassen sich Regelstrategien gefahrlos testen und lernende Agenten trainieren, bevor die reale Anlage berührt wird.
- Aufbau einer lauffähigen Simulationsumgebung (Python / Gym-API)
- Validierung gegen vorhandene Messdaten
- Optional: Erprobung einer lernenden Regelung (Reinforcement Learning) im Zwilling, inklusive Vergleich gegen die bestehende Regelung
Ergebnis: Lauffähiges, validiertes Simulations-Environment; auf Wunsch mit Benchmarking-Report zur lernenden Regelung.
Datenfundament und erklärbare Modelle
Datenfundament und erklärbare Modelle
In vielen Fertigungsunternehmen liegen Daten verteilt über Maschinensteuerungen, MES, Excel-Listen und Schichtbücher. Wir bewerten die Datenlage eines Prozesses und entwickeln daraus einen ersten erklärbaren Modell-Prototyp.
- Data Readiness Check: Bewertung der Datenlandschaft und Ableitung priorisierter ML-Use-Cases
- Aufbau einer ersten Daten-Pipeline (Ingest, Cleaning, Merkmalsableitung)
- Prototyp für Zustandsüberwachung, Anomalie-Erkennung oder Qualitätsbewertung
- Erklärbarkeit über XAI-Methoden: Das System zeigt nicht nur was, sondern warum
Ergebnis: Daten-Pipeline mit Datenqualitäts-Überblick und ein dokumentierter Modell-Prototyp.
Lokale LLMs und Agentic AI
Lokale LLMs und Agentic AI
Viele Unternehmen wollen oder dürfen ihre Produktionsdaten nicht an Cloud-Dienste übergeben. Wir konzipieren und erproben KI-Assistenten auf Basis lokaler LLMs, die auf Ihrer eigenen Infrastruktur laufen.
- Anforderungsanalyse für ein Agentic-AI-System
- Auswahl und beispielhafte Anbindung lokaler LLMs
- Konzipierung einer Agentic-AI-Architektur
- Prototypische Retrieval-Augmented Generation (RAG) auf eigenen Dokumenten und Wissensbeständen
- Prototypischer Aufbau einer Agentic-AI-Infrastruktur
Der Betrieb erfolgt self-hosted oder On-Premise. Die Architektur ist modell-unabhängig: Das zugrundeliegende Sprachmodell kann gewechselt werden, ohne das System neu zu bauen.
Ergebnis: Architekturkonzept und lauffähiger Prototyp auf Ihrer Infrastruktur.
Workshop: Machine Learning in der industriellen Praxis
Workshop: Machine Learning in der industriellen Praxis
Ein Tagesworkshop für produzierende Unternehmen. Er vermittelt Fach- und Führungskräften aus der Produktion ein belastbares Verständnis davon, was Machine Learning im eigenen Betrieb leisten kann und was nicht. An einem durchgängigen Maschinenbeispiel wird der vollständige Weg gezeigt: vom Sensorwert über die Datenaufbereitung und das Modell bis zum Wartungsauftrag im MES.
Aufbau in vier Modulen:
- Grundlagen und Methoden: Abgrenzung von KI, Machine Learning und Deep Learning anhand industrieller Beispiele. Die drei Lernparadigmen Supervised, Unsupervised und Reinforcement Learning. Überblick über gängige Verfahren von der linearen Regression bis zu neuronalen Netzen.
- Von den Rohdaten zur Datenbasis: Festlegung der Fragestellung als Regression, Klassifikation, Clustering oder Ranking. Aufbereitung hochfrequenter Sensorkurven zu auswertbaren Kennzahlen. Umgang mit Text, Kategorien und Bilddaten. Korrelation und Kausalität im Prozesskontext.
- Aufbereitung, Training und Bewertung: Ausreißer, fehlende Werte, unausgeglichene Klassen, Datendrift und Skalierung. Überanpassung und Generalisierung. Bewertung mit MAE, RMSE und R² sowie mit Konfusionsmatrix, Precision und Recall.
- Transfer in die Produktion: MLOps als Betriebsmodell einschließlich Monitoring und automatisiertem Nachtrainieren. IIoT-Architektur vom Sensor über MES und CAQ bis zum ERP. Durchgerechnetes Beispiel einer Verschleißvorhersage. Ausblick auf Edge AI, AutoML und Agentic AI.
Was die Teilnehmenden mitnehmen:
- Eine gemeinsame Sprache für Gespräche zwischen Fertigung, Qualität, IT, Anbietern und Geschäftsführung
- Die Fähigkeit, eine betriebliche Aufgabe als ML-Problem zu formulieren oder begründet zu verwerfen
- Eine realistische Einschätzung des Aufwands, insbesondere für Datenerfassung, Datenqualität und Datenpflege
- Kenntnis der typischen Fehlerquellen: verwechselte Korrelation und Kausalität, überangepasste Modelle, unausgeglichene Daten, falsch gewählte Kennzahlen
- Ein Handout als Nachschlagewerk mit Lernparadigmen, ML-Pipeline, Kennzahlen, MLOps und IIoT
Einen konkreten nächsten Schritt für den eigenen Verantwortungsbereich
Virtuelle Inbetriebnahme
Omniverse: ISG Connector
Planungsintegration in OpenUSD
Omniverse: ISG Connector
Planungsintegration in OpenUSD
Der ISG Virtuos Connector bindet das VIBN System an NVIDIA Omniverse an und ist über den ISG Twinstore lizenzierbar.
Nutzen
Der Connector ermöglicht die Integration von Planungen der virtuellen Inbetriebnahme in abteilungsübergreifende Simulationen, Trainingumgebungen für Mensch und KI, oder andere individuelle Workflows
Grundidee
Partner, welche virtuelle Inbetriebnahmen nutzen, verwenden zunehmend NVIDIA Omniverse als Umgebung für Forschung und Entwicklung, da durch den offenen Datenstandard und Simulationsmöglichkeiten einfach neue Workflows und KI Agenten getestet werden können.
Ansprechpartner
Julian Zürn
julian.zuern(at)hs-kempten.de
Rashik Thalappully
rashik.thalappully(at)hs-kempten.de
Omniverse: OPC UA Connector
Planungsintegration in OpenUSD
Omniverse: OPC UA Connector
Planungsintegration in OpenUSD
Unser OPC UA Connector ermöglicht eine quasiechtzeit-fähige, bidirektionale Anbindung von OPC UA Nodesets mit dem digitalen Zwilling in Omniverse per UI oder per OmniGraph Workflows.
Nutzen
Echtzeit-Monitoring und Steuerung von Produktionsprozessen im 3D-Modell;
Automatische Synchronisation zwischen physischer Anlage und virtuellem Zwilling (Predictive Maintenance, Condition Monitoring)
Grundidee
OPC UA ist der Standard für sicheren, semantischen Datenaustausch in der Industrie und wird von nahezu allen modernen Steuerungen unterstützt. Integrationen in NVIDIA Omniverse fehlt meist eine direkte Anbindung an die zugehörigen USD-Daten.
Ansprechpartner
Julian Zürn
julian.zuern(at)hs-kempten.de
Omniverse: Apple Vision Pro App
Planungsintegration in OpenUSD
Omniverse: Apple Vision Pro App
Planungsintegration in OpenUSD
Eine App für die Apple Vision Pro in Kombination mit einer Omniverse Extension erlauben es, komplexe und dynamische OpenUSD Szenen aus Omniverse heraus auf die Brille zu streamen, und immersiv zu analysieren.
Nutzen
Reduktion von Inbetriebnahmezeiten durch Fehlererkennung in der 3D-Inspektionen; Realitätsnahe, sichere Trainingsumgebungen ohne Produktionsunterbrechung; Neue Interaktionsmöglichkeiten (Eye-Tracking, Handgesten, Sprache) eröffnen intuitive Bedienkonzepte für industrielle Anwendungen.
Grundidee
VIBN und industrielle Simulationen nutzen zunehmend VR/MR-Technologien. Meist wird hier auf OpenXR gesetzt, was die Vision Pro nicht unterstützt.
Die Vision Pro bietet hochauflösende Displays, präzises Tracking und native 3D-Interaktionen für industrielle Anwendungen.
Ansprechpartner
Julian Zürn
julian.zuern(at)hs-kempten.de
Omniverse: Pfadplanung
Planungsintegration in OpenUSD
Omniverse: Pfadplanung
Planungsintegration in OpenUSD
Entwicklung und Erprobung einer kollisionsfreien Pfadplanung für Roboter innerhalb einer digitalen Simulationsumgebung. Dabei werden Zielpunkte, Bewegungsabläufe, Hindernisse und mögliche Interaktionen mit Anlagen- oder Produktmodellen berücksichtigt.
Nutzen
Roboterbewegungen können virtuell geplant, getestet und optimiert werden, bevor sie an einer realen Anlage umgesetzt werden. Dadurch lassen sich Kollisionen, Fehlbewegungen und unnötige Stillstandszeiten frühzeitig erkennen und reduzieren. Außerdem unterstützt die Pfadplanung die Absicherung von Automatisierungslösungen im digitalen Zwilling.
Grundidee
Ein Roboter soll auf Basis definierter Zielpositionen automatisch einen geeigneten Bewegungsweg finden. Der berechnete Pfad soll möglichst effizient, reproduzierbar und kollisionsfrei sein. Die virtuelle Umgebung dient dabei als Test- und Validierungsplattform für Bewegungsabläufe und Interaktionen mit anderen Modellen.
Ansprechpartner
Moustafa Rahmoun
moustafa.rahmoun(at)hs-kempten.de
Process Analyzer
Prozessanalyse in der Produktion
Process Analyzer
Prozessanalyse in der Produktion
Der Process Analyzer macht reale Industrieprozesse anhand von Live-Feldbusdaten transparent und visualisiert tatsächliche Anlagenabläufe rückwirkungsfrei als Gantt-Chart.
Nutzen
Der Process Analyzer ermöglicht Unternehmen eine schnelle, datenbasierte Analyse realer Produktionsabläufe ohne Eingriff in die Steuerung und ohne Risiko für den laufenden Betrieb. Abweichungen zwischen geplantem und tatsächlichem Prozess werden sichtbar, Ursachen für Verzögerungen oder Störungen lassen sich gezielt identifizieren und Optimierungspotenziale fundiert ableiten. Dadurch werden Inbetriebnahme, Prozessoptimierung und Fehleranalyse effizienter, transparenter und weniger abhängig von zeitaufwendigem Trial-and-Error.
Grundidee
Viele Industrieanlagen verhalten sich im Betrieb anders als ursprünglich geplant. Der Process Analyzer setzt hier an: Er liest Signale direkt vom Feldbus aus und übersetzt diese automatisch in eine verständliche zeitliche Darstellung, die direkt mit den geplanten Prozessdauern verglichen werden kann. Durch optionale Signalbenennung und die Definition einfacher Bedingungen können einzelne Prozessschritte abgebildet und analysiert werden.
Ansprechpartner
Dan Eisenkrämer
dan.eisenkraemer(at)hs-kempten.de
Taktzeitoptimierung
Ablaufoptimierung in Produktionsanlagen
Taktzeitoptimierung
Ablaufoptimierung in Produktionsanlagen
Der Taktzeitoptimierer reduziert die Taktzeit bestehender Maschinen, indem er Reaktionszeiten im laufenden Betrieb analysiert und intelligent kompensiert.
Nutzen
Unternehmen erhöhen den Output bestehender Anlagen, ohne Mechanik oder Sensorik umzubauen. Der Taktzeitoptimierer nutzt reale Maschinendaten und reduziert unnötige Wartezeiten zwischen einzelnen Bewegungen. Dadurch können Maschinen schneller produzieren, ohne Achsen oder Zylinder selbst schneller zu fahren. Je nach Anlage sind bis zu 10 % Taktzeitreduzierung möglich.
Grundidee
Systembedingte Reaktionszeiten einzelner Aktuatoren werden intelligent analysiert und daraus eine mögliche Kompensation abgeleitet.
Ansprechpartner
Jonas Heller
jonas.heller(at)hs-kempten.de