Synthetische Trainingsdaten für die Qualitätssicherung

Bei der additiven Fertigung metallischer Bauteile können während des Prozesses unterschiedliche Defekte und geometrische Abweichungen entstehen. KI-basierte Verfahren bieten die Möglichkeit, solche Fehler automatisiert zu erkennen und die Qualität der gefertigten Bauteile zu bewerten. Für die Entwicklung leistungsfähiger KI-Modelle sind jedoch umfangreiche und zuverlässig annotierte Bilddaten erforderlich. Reale Defektdaten stehen hierfür nur begrenzt zur Verfügung.

Im Projekt FotoKiAM entwickelt das Laser Zentrum Hannover e. V. daher eine domänenspezifische Simulations- und Datenplattform zur Erzeugung fotorealistischer, synthetischer Trainingsdaten für die additive Metallfertigung. Auf Basis realer Fertigungsfehler werden unterschiedliche Defektszenarien digital modelliert und variiert. Die synthetischen Bilddaten werden annotiert und um Informationen wie Prozessparameter, Werkstoff oder Schichtnummer ergänzt.

Von synthetischen Daten zum realen Bauteil

Die erzeugten Daten dienen als Trainings- und Testgrundlage für KI-Modelle zur automatisierten Defekterkennung. Mithilfe eines kamerabasierten Versuchsprüfsystems sollen reale additiv gefertigte Bauteile erfasst werden, um die mit synthetischen Daten trainierten KI-Modelle an realen Prüfproben zu validieren. Dabei werden synthetische und reale Defektdaten miteinander abgeglichen. 

FotoKiAM untersucht, wie synthetische Trainingsdaten die Entwicklung einer KI-basierten Qualitätssicherung unterstützen können, wenn reale Fehlerdaten nur eingeschränkt verfügbar sind. Zu diesem Zweck verbindet das Projekt Simulation, additive Metallfertigung und Methoden der künstlichen Intelligenz.

Das Projekt wird in Kooperation mit der Sightwise GmbH und der simmetry.ai UG durchgeführt.

Gefördert wird das Projekt von der Investitions- und Förderbank Niedersachsen – NBank durch Mittel des Europäischer Fonds für regionale Entwicklung (EFRE) und Mitteln des Landes Niedersachsen.