KI-gestützte Daten-Analyse: Schnelle und fundierte Entscheidungen für KMU ermöglichen

Je nach geplantem Verwendungszweck, erhält textile Rohware im Herstellungsprozess die notwendigen Eigenschaften wie Form, Farbe und Funktion. So wird die spätere einwandfreie Anwendung, etwa als Filtermembran, medizinischer Artikel, Möbelstoff, Sonnenschutztextil, Regen- oder Sportbekleidung, ermöglicht. Weit verbreitet ist die Beschichtung mit flüssigen Lösungen. In Textilveredlungsanlagen werden dabei sehr häufig Stoffe unterschiedlicher Hersteller und aus nicht vollständig bekannten Vorprozessen als Trägermaterial verarbeitet. In jedem Fall ist eine Trocknung und Wärmebehandlung bei Temperaturen im Bereich 150 bis 190 °C über mehrere Sekunden notwendig, um die Beschichtung entsprechend zu verfestigen und die Gebrauchsfähigkeit herzustellen. Ein zeitaufwändiger als auch extrem energieintensiver Prozess, dessen Produktionsparameter stets von den textilen Eigenschaftsdaten abhängig sind.

Die Brückner Textile Technologies GmbH & Co. KG entwickelt Maschinen zur Funktionalisierung und Beschichtung von textilen Flächen. Mit seinem Technologiezentrum ist das Unternehmen laufend auf der Suche nach Lösungen, die Trocknungs- und Thermobehandlungsprozesse zu optimieren bzw. Potentiale zum Energiesparen und zur Produktivitätssteigerung anhand der textilen Eigenschaftsdaten zu erschließen.

In diesem Zusammenhang hat sich das Unternehmen an die Expertinnen und Experten des Mittelstand-Digital Zentrums Klima.Neutral.Digital gewendet. Das Team von Hahn-Schickard arbeitet gemeinsam mit dem Team der DITF des Mittelstand-Digital Zentrums Smarte Kreisläufe und dem Unternehmen daran herauszufinden, mit welchen Sensoren textile Eigenschaften erkannt werden können.

Aufgrund der hohen Komplexität der mittels Sensoren von Hahn-Schickard gewonnenen Messdaten ist eine Datenanalyse mit einfachen Verfahren nicht möglich. Als ein möglicher Lösungsansatz wird die KI-unterstützte Vorab-Analyse (sog. Feature Extraction) gesehen. Dieses Analyse-Verfahren soll das Unternehmen bei der Entscheidung unterstützen, welche Sensoren zur Erfassung geeignet sind, um Textilien zu erkennen.

Gemeinsam werden die Projektpartner im Laufe des Projektes eine geeignete Machine Learning Methode (ML) identifizieren und das Modell mit einem ersten Satz der generierten Messdaten anlernen. Im weiteren Verlauf soll mit einem zweiten Satz der generierten Messdaten festgestellt werden, ob die ML-Methode für den Einsatz geeignet ist. Am Projektende soll durch die Bewertung der Ergebnisse die Frage beantwortet werden können, welcher Sensor zur Bestimmung von textilen Eigenschaften geeignet ist.

Mit einer automatischen Textilerkennung via Sensoren könnte der hohe Energieaufwand für den Trocknungsprozess deutlich minimiert werden. Außerdem wären solche Sensoren auch in der Recyclingindustrie, zum Trennen von Textilien unterschiedlicher Art, von großer Bedeutung.

Haben Sie auch ein Digitalisierungsthema, bei dem Sie Unterstützung wünschen? Schreiben Sie uns!

Eine Übersicht bisheriger Digitalisierungsprojekte finden Sie hier.