Demonstratoren
Demonstratoren
Unsere Einzeldemonstratoren, die im Rahmen des Projekts entwickelt werden, decken eine breite Palette von Anwendungsbereichen ab und sind flexibel in verschiedene Kontexte integrierbar. Sie werden gezielt in unser Kompetenzzentrum sowie in die Mixed-Reality-Modellfabrik eingebunden, um praxisnahe und zukunftsweisende Lösungen zu zeigen. Entdecken Sie, wie unsere Technologien und Konzepte in realen Szenarien eingesetzt werden können und erleben Sie die Zukunft hautnah.
Demonstrator für die digitale Bauvermessung und BIM im Handwerk
Demonstrator für die digitale Bauvermessung und BIM im Handwerk
Herausforderung:
Im Bauhandwerk gewinnt die vernetzte Digitalisierung zunehmend an Bedeutung, insbesondere im Bereich der Bauvermessung und der Integration von Building Information Modeling (BIM). Traditionelle Vermessungsmethoden geraten bei komplexen Bauvorhaben schnell an ihre Grenzen. Sie erfordern oft eine zeitaufwändige manuelle Datenerfassung und eine präzise Abstimmung zwischen verschiedenen Gewerken. Zudem fehlt häufig eine durchgängige Verbindung zwischen der physischen Umsetzung und der digitalen Planung, was zu Informationsverlust und ineffizienten Abläufen führt. Die zentrale Herausforderung liegt darin, digitale Vermessungstechnologien für Handwerker*innen nutzbar zu machen und gleichzeitig eine nahtlose, BIM-basierte Zusammenarbeit zu gewährleisten. Die Einführung dieser Technologien führt zu einer starken Veränderung der Kommunikationskultur auf den Baustellen.
Lösung:
Im Rahmen des Projekts AKzentE4.0 werden Demonstratoren entwickelt, die digitale Bauvermessung mit den Vorteilen von BIM kombinieren und verdeutlichen. Dieser Demonstrator bietet Handwerksbetrieben die Möglichkeit, sich mit modernen Vermessungstechnologien wie 3D-Laserscanning, Drohnen-Photogrammmetrie und LiDAR vertraut zu machen. Zudem können sie diese Technologien testen und erlernen. Ergänzt wird der Demonstrator durch Best-Practice-Beispiele und optimierte Workflows, die das benötigte Fachwissen vermitteln, um Gebäude präzise digital zu erfassen. Die erfassten Daten, sogenannte Punktwolken, dienen als Planungsgrundlage für ein BIM-Modell oder werden direkt in branchenspezifische Software integriert, um eine nahtlose Abstimmung zwischen Planung und Ausführung zu gewährleisten. Zusätzlich werden KI-gestützte Softwarelösungen getestet, die potenzielle Fehler in der Bauausführung frühzeitig identifizieren und beheben, wodurch kostspielige Nacharbeiten vermieden und die Vorteile der Vorgehensweise verdeutlicht werden.
Nutzen:
Die digitale Bauvermessung und die Integration von BIM bieten Handwerksbetrieben zahlreiche Vorteile. Zum einen können Projekte durch die automatisierte Vermessung schneller und präziser durchgeführt werden, was zu einer höheren Effizienz und Kosteneinsparungen führt. Zum anderen ermöglicht die direkte Anbindung an das BIM-Modell eine bessere Koordination zwischen verschiedenen Gewerken und eine detailliertere Planung, sowie eine eindeutige Kommunikationsstruktur. Dies reduziert Planungsfehler und sorgt für eine reibungslosere Bauausführung. Darüber hinaus ermöglicht der Einsatz von KI und digitalen Technologien eine kontinuierliche Qualitätskontrolle und optimiert die Zusammenarbeit zwischen Architekten, Ingenieuren und Handwerkern. Insgesamt trägt der Demonstrator dazu bei, den Digitalisierungsgrad im Handwerk zu erhöhen und die Wettbewerbsfähigkeit der Betriebe zu steigern.
Ansprechpartner:
Daniel Günther
Handwerkskammer Aachen
+ 49 241 471-362
Michael Omsels
Handwerkskammer Aachen
+ 49 157 855 908 65
Demonstrator für die intelligente prädiktive Wartung
Demonstrator für die intelligente prädiktive Wartung
©MASCOR
Herausforderung:
Traditionelle Methoden der vorausschauenden Instandhaltung analysieren einzelne Sensormessungen (z.B. Temperatur, Vibration) mithilfe der Zeitreihenanalyse und legen Schwellenwerte für diese Messungen fest. Werden die Messungen außerhalb der vordefinierten Grenzen erfasst, werden Alarme ausgelöst – dies wird als Anomalieerkennung bezeichnet. Dieses Verfahren führt jedoch häufig zu Fehlalarmen oder übersehenen Anomalien, da in der Regel nur ein Parameter zur gleichen Zeit ausgewertet wird. Zum Beispiel kann ein Alarm ausgelöst werden, wenn die Temperatur einen bestimmten Schwellenwert überschreitet, aber das System ist nicht in der Lage, mehrere Parameter gleichzeitig zu evaluieren, wodurch der Gesamtzustand der Maschine nicht vollständig erfasst wird.
Lösung:
Um diese Einschränkungen zu überwinden, sind innovative Technologien wie maschinelles Lernen hilfreich. Diese Methoden können die Genauigkeit und Zuverlässigkeit der Zustandsüberwachung verbessern. Aus diesem Grund entwickelt das MASCOR-Institut an der FH Aachen in Zusammenarbeit mit F&K Aachen einen Demonstrator, der maschinelles Lernen einsetzt, um Sensordaten zu überwachen und zu analysieren und so eine umfassendere Bewertung
des Maschinenzustands zu ermöglichen.
Nutzen:
Dieser Ansatz zeigt, wie ein Modul zur vorausschauenden Instandhaltung eingerichtet werden kann, das Fehlalarme und übersehene Warnungen reduziert und eine genauere Beurteilung des Gesamtzustands der Maschine ermöglicht. Durch den Einsatz von maschinellem Lernen zur Auswertung von Anomalien kann das System komplexe Muster erkennen, die herkömmliche Methoden übersehen.
Ansprechpartner*innen:
Maximillian Kirsch
MASCOR-Institut an der FH Aachen
Ninad Kulkarni
MASCOR-Institut an der FH Aachen
Demonstrator für die humanzentrierte simulationsbasierte Produktionsplanung
Demonstrator für die humanzentrierte simulationsbasierte Produktionsplanung
©Institut für Arbeitswissenschaft der RWTH Aachen
Herausforderung:
In der modernen Fertigungs- und Montageindustrie wird zunehmend erkannt, dass soziale Nachhaltigkeitskriterien eine entscheidende Rolle spielen. Traditionelle ereignisdiskrete Simulationen, die zur Planungsunterstützung der Wertschöpfungsprozesse herangezogen werden, fokussieren sich jedoch primär auf die Optimierung von Zeit, Kosten und Effizienz, ohne die sozialen Aspekte wie bspw. Arbeitsbedingungen oder Mitarbeiterzufriedenheit ausreichend zu berücksichtigen. Die Herausforderung besteht darin, relevante soziale Nachhaltigkeitskriterien nahtlos in bestehende Simulationsmodelle zu integrieren und gleichzeitig die Komplexität der Prozesse durch den Einsatz von Methoden der künstlichen Intelligenz (KI) zu bewältigen.
Lösung:
Im Rahmen des Forschungsprojekts wird ein innovativer Demonstrator entwickelt, um diese Herausforderung anzugehen. Der Demonstrator integriert soziale Nachhaltigkeitskriterien in die ereignisdiskrete Simulation und bietet eine umfassende Planungsunterstützung für Fertigungs- und Montageprozesse. Dazu werden fortschrittliche KI-Methoden eingesetzt, um komplexe Datenanalysen durchzuführen und fundierte Gestaltungsempfehlungen zu übermitteln. Der Demonstrator berücksichtigt dabei verschiedene soziale Aspekte wie ergonomische und vor allem psychologische Faktoren. Durch den Einsatz von Machine-Learning-Algorithmen kann das System kontinuierlich aus den Ausgangsdaten lernen und die Prozessvariablen entsprechend anpassen.
Nutzen:
Die Integration sozialer Nachhaltigkeitskriterien in die ereignisdiskrete Simulation bietet zahlreiche Vorteile für Unternehmen. Zum einen können durch die Planungsunterstützung die Prozesse so gestaltet werden, dass die Mitarbeiterzufriedenheit erhöht wird, was wiederum zu einer höheren Produktivität und geringeren Fluktuationsrate führen kann. Zum anderen können potenzielle Risiken im Zusammenhang mit schlechten Arbeitsbedingungen frühzeitig identifiziert und vermieden werden. Die Anwendung von KI-Methoden ermöglicht es zudem, komplexe Zusammenhänge besser zu verstehen und effizientere sowie sozial nachhaltigere Entscheidungen zu treffen. Insgesamt trägt der Demonstrator dazu bei, eine Balance zwischen wirtschaftlicher Effizienz und sozialer Verantwortung herzustellen, was langfristig sowohl dem Unternehmen als auch den Mitarbeitenden zugutekommt.
Ansprechpartner*innen:
Michael Kranz
Institut für Arbeitswissenschaft der RWTH Aachen
+49 241 80-99449
Prof. Dr.-Ing. Susanne Mütze-Niewöhner
Institut für Arbeitswissenschaft der RWTH Aachen
+49 241 80-99451
Demonstrator für Photogrammetrie eines industriellen Roboterarms
Demonstrator für Photogrammetrie eines industriellen Roboterarms
©Hochschule Düsseldorf
Herausforderung:
Im Kontext des Projekts AKzentE4.0 stehen wir vor der Herausforderung (dreidimensionale) digitale Abbilder von realen Gegenständen zu erzeugen. Insbesondere im Bereich fotorealistischer Nachbildungen und hoher Detailtreue kann das Nachmodellieren mit konventionellen Methoden sehr zeitaufwändig sein.
Lösung:
Die Hochschule Füsseldorf (HSD) hat in Kooperation mit dem WZL der RWTH Aachen einen industriellen Roboterarm digitalisiert. Für das Photogrammetrie-Verfahren wurden der Handscanner „Shining 3D EinScan HX“ und die Kamera „Nikon Z7“ kombiniert. Der Handscanner nutzt Strukturlicht, um präzise 3D-Daten zu erfassen, indem er Muster auf die Oberfläche projiziert und Verzerrungen analysiert. Parallel dazu haben wir ca. 500 hochaufgelöste Bilder mit der Nikon Z7 aufgenommen, um die feinen Details und Texturen des Roboterarms festzuhalten. In der App „Reality Capture“ wurden schließlich die verschiedenen Datenquellen zusammengeführt, um ein fotorealistisches 3D-Modell zu erstellen, das die Komplexität und Ästhetik des Originals einfängt.
Nutzen:
Die hohe Detailtreue und Präzision der digitalen Nachbildungen ermöglichen eine realitätsnahe Darstellung in digitalen Medien. Zusätzlich können die digitalen Nachbildungen mit Interaktion oder Simulationsähnlichen Methoden versehen werden. Dadurch ist es zum Beispiel möglich sie in der Analyse und Optimierung von Arbeitsverfahren zu verwenden, indem der Einsatz von Werkzeugen unter möglichst realistischen Bedingungen simuliert wird. Ein weiterer Einsatzbereich ist die virtuelle Schulung von Mitarbeitern. Diese können mit den digitalen Nachbildungen experimentieren ohne realen Gefahren (z.B. durch Robotik) ausgesetzt zu sein.
Demonstrator für Wissensmanagement auf dem Shopfloor
Demonstrator für Wissensmanagement auf dem Shopfloor
©Werkzeugmaschinenlabor WZL der RWTH Aachen
Herausforderung:
In vielen kleinen und mittleren Unternehmen in Deutschland ist das Erfahrungswissen der Mitarbeitenden für die Ausführung der Produktionsprozesse und den Erhalt der gewünschten Produktqualität von enormer Bedeutung. Aufgrund der anstehenden Verrentungswelle und der damit einhergehenden immensen Veränderungen in der Belegschaft, entsteht das Risiko, dass das wichtige Erfahrungswissen verloren geht.
Lösung:
Im Rahmen des Forschungsprojekts wird untersucht, inwieweit die Aktivitäten der Mitarbeitenden beim Ausüben ihrer Tätigkeit mittels optischen Systemen erfasst, digital dokumentiert und anschließend automatisch analysiert werden können. Dazu wird ein Demonstrator entwickelt, bei dem der Arbeitsraum mittels einer Videokamera erfasst und das entstehende Video anschließend mit geeigneten Machine Learning Algorithmen analysiert wird. Diese Analyse liefert Koordinatenpunkte zu den Keypoints der sichtbaren Hände (Pro Hand sind das 18 Stück, z.B. die Fingerspitzen, Gelenke, Knöchel etc.). Auf Basis dieser Koordinatenpunkte können die Handbewegungen und ausgeübte Griffe klassifiziert und exakt erfasst werden.
Nutzen:
Durch dieses Vorgehen können Best-Practices im Hinblick auf die effiziente und ergonomische Ausübung der jeweiligen Tätigkeit identifiziert, langfristig im Unternehmen gehalten und bei Bedarf allen Mitarbeitenden zugänglich gemacht werden.
Ansprechpartner:
Yannick Dassen
Werkzeugmaschinenlabor WZL der RWTH Aachen
+49 241 80-25433
Demonstrator für die humanzentrierte Personaleinsatzplanung
Demonstrator für die humanzentrierte Personaleinsatzplanung
©Institut für Arbeitswissenschaft der RWTH Aachen
Herausforderung: Die Personaleinsatzplanung wird insbesondere in KMU häufig manuell und intuitiv durchgeführt. Durch steigende betriebliche und personelle Anforderungen an die Arbeitsprozesse und die Planung wird die Planungsaufgabe immer anspruchsvoller und zeitaufwändiger. Gleichzeitig kann eine humanzentrierte Personaleinsatzplanung, die individuelle Merkmale und Präferenzen der Arbeitspersonen berücksichtigt, ein Schlüsselfaktor sein, um langfristig wettbewerbsfähig zu bleiben.
Wie kann die Planung durch intelligente Systeme unterstützt und gleichzeitig humanzentriert gestaltet werden?
Lösung: Das Institut für Arbeitswissenschaft der RWTH Aachen entwickelt in Zusammenarbeit mit dem Entwicklungspartner Aachener Werkzeugbau Akademie GmbH sowie den Unternehmenspartnern Aurubis Stolberg GmbH & Co. KG und DIRKRA Sondermaschinenbau GmbH & Co. KG einen Demonstrator zur intelligenten Unterstützung für die humanzentrierte Personaleinsatzplanung.
Nutzen: Der Demonstrator bietet zum einen Feedback zu einem manuell erstellten Plan. Zum anderen wird ein Optimierungsansatz entwickelt und in den Demonstrator integriert. Bei der intelligenten Optimierung werden neben klassischen Aspekten wie Verfügbarkeit und Bedarf auch diverse humanzentrierte Aspekte wie Mitarbeitenden-Präferenzen, die Fairness bei der Präferenzerfüllung, vorhandene Qualifikationen, Anlernprozesse sowie Anforderungen zum Qualifikationserhalt berücksichtigt.
Ansprechpartner*innen:
Florens Burgert
Institut für Arbeitswissenschaft der RWTH Aachen
+49 241 80-99487
Prof. Dr.-Ing. Susanne Mütze-Niewöhner
Institut für Arbeitswissenschaft der RWTH Aachen
+49 241 80-99451