KI für Extrusion: Düsengeometrie optimieren

TL;DR

KI-gestützte Düsenoptimierung berechnet die ideale Lippengeometrie für Kunststoff-Extrusionsprofile. Statt wochenlanger Trial-and-Error-Korrektur am Werkzeug liefert das Modell in 30 Minuten eine optimierte Geometrie. Ergebnis: 50 % engere Wanddickentoleranz, 14 % weniger Materialverbrauch durch dünnere Wandstärken und €68.000 Jahreseinsparung bei einem Profilhersteller mit 8 Extrusionslinien.

Das Toleranz-Problem bei der Profilextrusion

Kunststoffprofile für Fenster, Rohre, Kabelkanäle und technische Profile haben definierte Wandstärken. Die Toleranz beträgt typischerweise ±0,1 mm bis ±0,3 mm. Wird die Toleranz nicht eingehalten, ist das Teil Ausschuss.

In der Praxis stellen Extrudeure die Wandstärke deshalb auf den oberen Toleranzbereich ein: Lieber 0,15 mm zu dick als zu dünn. Bei einem PVC-Fensterprofil mit 2,8 mm Wandstärke und einem Materialpreis von €1,40/kg bedeuten 0,15 mm Übermaß: 5,4 % mehr Materialverbrauch. Bei 2.000 Tonnen Jahresproduktion sind das 108 Tonnen = €151.200 verschenktes Material.

Die KI reduziert das Übermaß, indem sie die Düsengeometrie so optimiert, dass das Profil näher am Sollmaß extrudiert wird – ohne das Risiko von Untermaß.

Wie die KI die Düse optimiert

Die Düsenlippe bestimmt die Profilform beim Austritt. Aber das Profil schrumpft beim Abkühlen, quillt beim Austritt (Die Swell) und verformt sich durch die Abzugsgeschwindigkeit. Diese Effekte sind nichtlinear und abhängig von:

• Schmelzetemperatur und -viskosität
• Abzugsgeschwindigkeit
• Kühlstrecke und Kalibrierung
• Polymer-Typ und Additive
• Düsengeometrie (Lippenspalt, Fließkanal)

# KI-Düsenoptimierung: Prozessparameter
extrusionslinie:
  material: "PVC hart (K-Wert 67)"
  profil: "Fensterprofil 5-Kammer"
  wandstaerke_soll_mm: 2.8
  toleranz_mm: 0.15
  durchsatz_kg_h: 280
  abzugsgeschwindigkeit_m_min: 3.2
ki_modell:
  typ: "Physics-Informed Neural Network (PINN)"
  features: 28
  trainingsdaten: "8.500 Produktionsläufe + FEM-Simulation"
  ausgabe: "Optimierte Lippengeometrie (12 Stützpunkte)"
ergebnis:
  wanddicke_toleranz_vorher_mm: 0.22
  wanddicke_toleranz_nachher_mm: 0.11
  materialersparnis_prozent: 14
  materialersparnis_eur_jahr: 68000
  duesenkorrektur_zeit_vorher_tage: 5
  duesenkorrektur_zeit_nachher_stunden: 4

Training: Simulation + Produktionsdaten

Reine Produktionsdaten reichen nicht, weil Düsenänderungen selten sind (2–5 pro Jahr pro Profil). Die KI kombiniert zwei Datenquellen:

FEM-Simulation: 5.000 simulierte Düsengeometrien mit berechnetem Profilquerschnitt. Die Simulation liefert den Zusammenhang zwischen Lippengeometrie und Profilform unter idealen Bedingungen.

Produktionsdaten: 3.500 reale Produktionsläufe mit gemessenen Profilmaßen. Die Produktionsdaten korrigieren die Simulation um reale Effekte (Werkzeugverschleiß, Temperaturschwankungen, Chargenunterschiede).

Das Hybrid-Modell (Physics-Informed Neural Network) lernt die Physik aus der Simulation und die Praxis-Abweichungen aus den Produktionsdaten. Es extrapoliert besser als rein datengetriebene Modelle, weil es die zugrundeliegende Physik kennt.

Praxisbeispiel: Fensterprofil-Hersteller

Ein Fensterprofil-Hersteller in Sachsen-Anhalt (220 Mitarbeiter, 8 Extrusionslinien) setzte die KI-Düsenoptimierung ein. Ergebnisse nach 12 Monaten:

Wanddickentoleranz: Von ±0,22 mm auf ±0,11 mm. Kein einziges Profil lag außerhalb der Solltoleranz von ±0,15 mm.

Materialverbrauch: 14 % weniger PVC-Granulat. Bei 2.000 Tonnen Jahresproduktion: 280 Tonnen gespart = €392.000 Materialkostenreduktion.

Düsenkorrektur: Neue Düsen werden in 4 Stunden statt 5 Tagen optimiert. Die KI berechnet die Startgeometrie, der Werkzeugbauer korrigiert minimal nach. €38.000/Jahr weniger Werkzeugbau-Stunden.

Die Kostenplanung für KI-Projekte zeigt: Bei Materialkostenreduktion ist der ROI besonders schnell.

Implementierung: Aufwand und Kosten

Die Investition amortisiert sich durch Materialeinsparung in 4 Monaten. Ab dem fünften Monat fließt die Einsparung direkt in den Gewinn. Der ROI-Rechner kann auf Extrusionsszenarien angepasst werden.

Echtzeit-Regelung: Die Ausbaustufe

Nach der Düsenoptimierung (offline) folgt die Echtzeit-Regelung (online): Die KI überwacht Wanddicke und Profilform per Inline-Messung und passt Extruder-Parameter in Echtzeit an:

• Abzugsgeschwindigkeit: ±2 % Korrektur
• Dosierung: ±1 % Korrektur
• Kühlwassertemperatur: ±3 °C Korrektur

Damit reagiert die Linie auf Chargenunterschiede im Granulat, Temperaturänderungen in der Halle und langsamen Werkzeugverschleiß automatisch. Die KI-Implementierung empfiehlt: Erst offline optimieren, dann online regeln.

Häufige Fragen

Funktioniert das auch bei Rohrextrusion?

Ja. Rohre sind sogar einfacher, weil das Profil rotationssymmetrisch ist. Die Wanddickenverteilung über den Umfang lässt sich mit 4 Messstellen erfassen. Die Einsparung liegt bei 8–12 % Material.

Brauche ich eine Inline-Wanddickenmessung?

Für die Düsenoptimierung (offline) reicht eine manuelle Messung an Probenabschnitten. Für die Echtzeit-Regelung ist eine Inline-Messung nötig (€15.000–€30.000 pro Linie). Der KI-Leitfaden beschreibt die Investitionsstufen.

Wie oft muss das Modell neu trainiert werden?

Bei gleichbleibender Produktpalette: Alle 12 Monate mit neuen Produktionsdaten. Bei neuen Materialien oder Profilen: Sofort nach Datenverfügbarkeit. Ein Retraining dauert 2–4 Stunden.

Kann die KI auch den Energieverbrauch optimieren?

Ja. Die Extruder-Drehzahl und Heizzonentemperaturen beeinflussen den Energieverbrauch. Die KI findet Betriebspunkte, die Material und Energie gleichzeitig optimieren. Typische Energieeinsparung: 5–8 %.

Funktioniert das mit bestehenden Extrudern?

Ja. Die KI braucht nur Zugang zu den Prozessparametern (OPC-UA, Euromap 63/77) und eine Wanddickenmessung. Nachrüstung einer OPC-UA-Schnittstelle: €3.000–€8.000 pro Extruder. Ältere Maschinen ohne Datenanbindung erfordern zusätzliche Sensorik.