Zylindrisches Hydraulikventil-Bauteil aus Metall mit Bohrungen und umlaufenden Nuten vor schwarzem Hintergrund

Automotive 3 min Lesezeit

KI-Qualitätsprüfung halbiert Ausschuss bei Hydraulikventilen

Wie visionKit manuelle Prüfaufwände um 80 % senkt und den ROI in 9 Monaten erreicht.

Anwendung im Detail

Symbolbild – KI-generiert

Die Anwendung auf einen Blick

Produkt
Hydraulikventil
Prüfung
End-of-Line
Problem
Hoher Prüfaufwand
Schnittstelle
Export nach Excel
Vision System
Röntgenaufnahmen
Gesamtersparnis
123.000 €/Jahr

Automatisierte Defekterkennung mit visionKit steigert Effizienz, Präzision und Transparenz in der Kleinserienproduktion

Ausgangssituation

Ein führender Hersteller von Hydraulikventilen für den Automotive- und Maschinenbau-Sektor stand vor einem wachsenden Problem: Trotz modernster Fertigungstechnologien traten immer wieder mikroskopische Risse, Guss- oder Fügefehler auf, die erkannt werden mussten.

Die zerstörungsfreie Qualitätsprüfung (ZfP) erfolgte per Röntgen- und Ultraschallbildern, die von erfahrenen Prüfer:innen visuell bewertet wurden, da sich in Hinblick auf die Kleinserienfertigung eine automatisierte Prüfung aus wirtschaftlichen Gründen nicht realisieren lie". Dieser Prozess war zeitintensiv, subjektiv und fehleranfällig – ein klassischer Engpass in der Kleinserienproduktion.

Herausforderungen im Überblick:

  • Bis zu 5 Minuten Prüfzeit pro Ventil
  • 2 geschulte Fachkräfte pro Schicht notwendig
  • Ausschussquote: 5–7 %
  • Keine einheitliche Fehlerklassifikation oder revisionssichere Dokumentation

Zielsetzung: Das Ziel war klar: eine Lösung, die die Prüfzeit verkürzt, Fehler zuverlässig erkennt und gleichzeitig eine vollständige Traceability nach Industrie-4.0-Standards sicherstellt. Gemeinsam mit neogramm wurde beschlossen, den Prüfprozess durch die modulare Softwarelösung visionKit zu digitalisieren und zu automatisieren.

Lösung

Durch die offene Schnittstellenarchitektur von visionKit konnten bestehende Röntgen- und Ultraschallsysteme einfach integriert werden. Ein speziell trainiertes Deep-Learning-Modell analysiert nun automatisch jedes Hydraulikventil auf typische Fehlertypen – von Haarrissen über Lunker bis hin zu Abweichungen an Dichtflächen oder Bohrungen.

Implementierungsschritte:

  1. Integration der Prüfsysteme: Bestehende Geräte über standardisierte Schnittstellen angebunden.
  2. Training des KI-Modells: 12.000 Prüfaufnahmen aus realer Fertigung als Trainingsbasis.
  3. Einführung von Fehlerklassen: Standardisierte Kataloge für Risse, Poren, Einschlüsse, Maßabweichungen.
  4. Zentrale Datenhaltung: Alle Prüfbilder und Ergebnisse auf einer gemeinsamen Plattform – standortübergreifend abrufbar.
  5. Datensicherheit: Das System wird On-Premise betrieben – alle Daten bleiben im Unternehmen, vollständig DSGVO-konform.

Dank des Confidence-Level-Systems von visionKit werden Prüfentscheidungen heute automatisiert getroffen:

  • ? 80 % Sicherheit ? automatische Freigabe
  • 50–80 % ? Expert:innen-Review
  • < 50 % ? Nachprüfung

Ergebnis

Bereits drei Monate nach der Implementierung zeigte sich eine deutliche Verbesserung der Prüfprozesse:

KennzahlVorherNachher
Prüfzeit pro Ventil5 min10 sec
Fehlererkennungsrate92 %98 %
Ausschussquote5–7 %< 3 %
Manuelle Sichtprüfungen100 %< 20 %
Audit-Vorbereitungszeit2 Tage< 2 Stunden

Kundennutzen im Überblick:

  • Reduktion des manuellen Prüfaufwands um 80 %
  • 7 % höhere Fehlererkennungsrate dank KI-basierter Analyse
  • ROI innerhalb von 9 Monaten
  • 100 % Traceability aller Prüfschritte für Audits und Zertifizierungen
  • Gesamtersparnis: 123 k €/Jahr

Mit visionKit hat der Kunde seinen Prüfprozess von einer manuellen, zeitaufwendigen Tätigkeit zu einem digitalisierten, skalierbaren Qualitätssystem transformiert. Durch KI-gestützte Bildanalyse, klare Fehlerkataloge und zentrale Datenhaltung erfüllt das Unternehmen nicht nur höchste Automotive-Standards, sondern legt auch den Grundstein für Predictive Quality in der Serienfertigung.

Technische Details

ParameterDetails
BauteilHydraulikventil
PrüfmethodeEnd-of-Line (EoL)
Vision SystemRöntgenaufnahmen + Ultraschall
Externe SchnittstelleExport nach Excel
Trainingsdaten12.000 Prüfaufnahmen aus realer Fertigung
DeploymentOn-Premise (DSGVO-konform)
Fehler-TypenHaarrisse, Lunker, Fügefehler, Maßabweichungen an Dichtflächen/Bohrungen

Was lässt sich in Ihrer Prüfung verbessern?

Besprechen Sie Ihre Anwendung mit uns. In einer persönlichen Demo zeigen wir Ihnen, wie visionKit Ihre Prüfbilder, Fehleranalysen und Entscheidungen zusammenführt.

Termin buchen

Wählen Sie einen Dienst und Ihren Wunschtermin.

Wie können wir helfen?

Buchen Sie einen Termin oder nehmen Sie direkt Kontakt mit uns auf.

Termin buchen

Kontakt aufnehmen

Schreiben Sie uns zu Ihrer Prüfaufgabe oder Ihren Fragen zu visionKit.

Mit * gekennzeichnete Felder sind Pflichtfelder.

Für einen Rückruf bitte Telefonnummer angeben.

Informationen zur Verarbeitung Ihrer Angaben finden Sie in unserer Datenschutzerklärung.