KI für Druckintensive Gestricke
Projektziele & Projektergebnis
Erstellung projekt in den Bereichen „Prozesse“ mit dem Ziel der Erhöhung/Steigerung/ Optimierung der Produkt- / Servicequalität, der Zukunftssicherheit der IT-Systeme, des Informationsflusses (Qualität, Verfügbarkeit, Transparenz) und des Innovationsgrades.
Durch die KI-gestützte Signalverarbeitung konnte die Messgenauigkeit der sensorischen Rundgestricke deutlich erhöht werden. Vergleichsmessungen zeigen, dass das KI-verarbeitete Signal signifikant näher an der realen Druckbelastung liegt als das unbehandelte Sensorsignal.
Gesamtprojekt
Top Erkenntnisse aus dem Projekt
Ausgangslage
Zentrale Fragestellungen im Projekt
- Wie kann das Zeitverhalten textilbasierter Sensoren präzise modelliert werden?
- Wie lässt sich die Korrelation zwischen Sensorsignal und realer Druckbelastung signifikant verbessern?
- Wie kann ein ML-Modell direkt auf einem im Textil integrierten Elektronikmodul implementiert werden?
Projektdetails
Das Unternehmen
Die roma-Strickstoff-Fabrik Rolf Mayer aus Balingen ist Spezialist für hochwertige Rundgestricke im Bekleidungs- und technischen Bereich. Neben klassischen Anwendungen entwickelt das Unternehmen zunehmend intelligente Textilien unter anderem im Bereich Akustik und Innenausstattung. Ein besonderer Fokus liegt auf sensorischen Rundgestricken, die Druckbelastungen großflächig erfassen können und dabei ihre textilen Eigenschaften wie Elastizität und Atmungsfähigkeit beibehalten.
Die Herausforderung
Textilbasierte Sensoren bieten enorme Potenziale – etwa in der Pflege, im Gesundheitsbereich, im Automotive-Sektor oder in der Industrie. Doch ihre verformbare Struktur bringt eine technische Herausforderung mit sich: Nach mehrfacher Beanspruchung können die Messergebnisse ungenau werden, wenn die Textilien nicht regelmäßig kalibriert werden.
Die Lösung
Um den Zusammenhang zwischen realer Druckbelastung und gemessenem Sensorsignal präzise zu bestimmen, möchte das Unternehmen Künstliche Intelligenz zu Hilfe nehmen. Gemeinsam mit den DITF, Partner im Mittelstand-Digital Zentrum Smarte Kreisläufe, wurde ein Konzept erstellt, um ein KI-Modell zu trainieren, mit dem die gemessenen Signale KI-gestützt verarbeitet werden.
Die Umsetzung
Ein speziell konzipierter Prüfstand ermöglichte Tests mit variierenden Belastungsprofilen – Frequenz, Amplitude und Dauer der Be- und Entlastung wurden systematisch verändert. Ein Referenzsensor erfasste die tatsächliche Druckbelastung und synchronisierte diese mit den Sensorsignalen der Gestrickproben. Auf Basis von rund 10 000 generierten Proben wurde ein MachineLearning-Modell trainiert, das das Zeitverhalten des textilen Sensors analysiert und die Korrelation zwischen Messsignal und realer Druckbelastung deutlich verbessert. Die Datenerfassung und -auswertung erfolgt in Echtzeit im Textil selbst, da das KI-Modell direkt in das bereits im Textil vorhandene Elektronikmodul integriert ist. Vergleichsmessungen mit und ohne KI zeigten deutlich: Das KI-verarbeitete Signal bleibt wesentlich näher an der tatsächlichen Belastung, während das unbehandelte Sensorsignal nach einer Druckbelastung deutlich stärker abweicht.
Die nächsten Schritte
Das KI-Modell kann nun in Prototypen integriert und unter realen Einsatzbedingungen weiter validiert werden. Dabei wird geprüft inwieweit die Modellparameter auf weitere sensorische Rundgestricke – auch im eingebauten Zustand – übertragbar sind oder weitertrainiert werden müssen. Langfristig eröffnet die KI-Infrastruktur neue Marktpotenziale in Pflege und Medizin, Automotive, Smart Home, Industrie und Logistik. Neben der höheren Präzision sorgt die lokale Datenverarbeitung für Datensicherheit, Energieeffizienz und Systemzuverlässigkeit.
