Potenziale und Herausforderungen von KI-basierten akustischen Qualitätsprüfungen in der Automobilproduktion

Die Anwendung von Künstlicher Intelligenz (KI) in der Qualitätsprüfung ermöglicht die Automatisierung von bisher manuell durchgeführten Prüftätigkeiten. Damit entwickelt sich KI zur Schlüsseltechnologie und verspricht signifikante Verbesserungen bezüglich Zeit, Kosten und Qualität. Während sich der Einsatz von Computer Vision (KI-basiertes Sehen) in der visuellen Qualitätsprüfung bereits in produzierenden Unternehmen etabliert hat, ist die Anwendung von Computer Audition (KI-basiertes Hören) in der akustischen Qualitätsprüfung weitestgehend unerforscht. Ein ausschlaggebender Faktor dafür ist die hohe Sensibilität von Audioaufnahmen aus dem industriellen Umfeld und die damit einhergehende geringe öffentliche Datenverfügbarkeit. Im Gegensatz dazu demonstrieren Anwendungsfälle aus dem Alltag wie z. B. die Shazam App zur Musikerkennung oder die BirdNet App zur Erkennung von Vogelstimmen die Potenziale von KI in der Akustik. Vor diesem Hintergrund hat folgender Forschungsbeitrag das Ziel, Potenziale und Herausforderungen für KI-basierte akustische Qualitätsprüfungen in der Automobilproduktion aufzuzeigen. Dafür werden im ersten Schritt mögliche Anwendungsfälle identifiziert. Anschließend wird ein Vorgehensmodell zur KI-Entwicklung vorgestellt. Dabei werden Audioaufnahmen in Spektrogramme umgewandelt und ein KI-Modell zur Erkennung prägnanter Muster und somit zur Qualitätsprüfung antrainiert. Auf Basis der identifizierten Anwendungsfälle und dem aufgezeigten Vorgehensmodell werden Erkenntnisse zur Erreichung des Forschungsziels abgeleitet.