DatAmount – Modellierung des Energie- und Ressourcenverbrauchs von Werkzeugmaschinen mittels intelligenter und dateneffizienter Verfahren

Daten werden als das Gold des 21. Jahrhunderts bezeichnet und die intelligente Analyse von industriellen Daten zur Steigerung der Ressourceneffizienz wird als wichtiger Wettbewerbsfaktor für Unternehmen betrachtet. So beträgt der durchschnittliche Anteil an Material und Energiekosten 45% der Produktherstellungskosten in Unternehmen. Weiterhin hat die intelligente Automatisierung industrieller Prozesse im Kontext einer steigenden Variantenanzahl entscheidenden Einfluss auf die Wettbewerbsfähigkeit deutscher Unternehmen und speziell von KMUs.

Im Rahmen des Forschungsprojekts DatAmount werden Methoden entwickelt, die es ermöglichen, energietechnische Modelle von Werkzeugmaschinen zu erstellen. Diese Modelle sind geeignet, das energetische Verhalten von Maschinen für neue Produkte auf der Basis kleiner Datenmengen vorherzusagen. Da vor allem im KMU-Kontext häufig Kleinserien gefertigt werden, sind oft nicht genügend Datensätze zum Trainieren der Machine-Learning-Modelle (ML-Modelle) vorhanden. Dem gegenüber steht die Entwicklung von physikalischen Modellen, welche in den meisten Fällen sehr kostspielig ist. Deswegen und aufgrund der geforderten CO2-Nachweise sowie der gesetzten Klimaziele geraten immer mehr Unternehmen in ein Spannungsfeld.

Der im Projekt DatAmount verfolgte Ansatz kombiniert physikalische Modelle des Energieverhaltens von Maschinen mit datenbasierten ML-Modellen, wobei besonders dateneffiziente ML-Modelle untersucht werden. Dies ermöglicht eine automatisierte, genaue Vorhersage des Energieverbrauchs von Werkzeugmaschinen.

Ziel des Projektes ist die effiziente Erstellung von Modellen, die den Energieverbrauch und die CO2-Emissionen von neuen Produkten vorhersagen können. Diese Vorhersagen haben immer mehr Relevanz bei der Berücksichtigung von Ausschreibungen, da der Nachweis der Energie- und Ressourceneffizienz in Ausschreibungen größerer Unternehmen mit CO2-Reduktionszielen oft obligatorisch ist.

• Karlsruher Institut für Technologie, Otto-von-Guericke-Universität Magdeburg, projektbegleitender Ausschuss mit 10 Partnern aus der Industrie