KI für Spritzlackierung: Overspray 30% reduzieren

TL;DR

KI-gesteuerte Spritzlackierung passt Sprühdruck, Abstand und Pistolenbewegung in Echtzeit an die Bauteilgeometrie an. Mittelständische Lackierbetriebe reduzieren damit den Overspray um 30 %, sparen 24.000 € Lackkosten pro Kabine und Jahr und senken die VOC-Emissionen um 26 %. Dieser Beitrag erklärt Sensorik, Algorithmus und Einführung Schritt für Schritt.

Overspray: Das 80.000-€-Problem pro Lackierkabine

In einer durchschnittlichen Spritzlackierkabine landen nur 45–65 % des versprühten Lacks auf dem Bauteil. Der Rest – der Overspray – belastet Filter, Abluft und Umwelt. Bei einem Lackverbrauch von 120.000 € pro Kabine und Jahr bedeutet 30 % Overspray: 36.000 € versprühtes Geld.

Klassische Optimierung (Pistolendüse wechseln, Abstand justieren, Luftdruck anpassen) erreicht bestenfalls 5–8 % Verbesserung. Das Problem: Jedes Bauteil hat eine andere Geometrie, und die optimalen Parameter ändern sich mit Temperatur, Luftfeuchtigkeit und Lackviskosität.

Wo genau entsteht der Overspray?

So funktioniert KI-gesteuerte Spritzlackierung

Das System besteht aus drei Komponenten: einem 3D-Scanner, der die Bauteilgeometrie erfasst, einem KI-Modell, das die optimalen Sprühparameter berechnet, und einer Steuerung, die den Lackierroboter oder die Sprühanlage in Echtzeit regelt.

ki_spritzlackierung_system:
  scanner:
    typ: "3D-Linienscanner, Laser-Triangulation"
    aufloesung: "0,2 mm"
    scanzeit: "2-8 Sekunden je nach Bauteilgröße"
    kosten: "4.800 €"
  ki_steuerung:
    edge_device: "NVIDIA Jetson AGX Orin"
    inferenzzeit: "<50 ms pro Bahnpunkt"
    parameter_optimiert:
      - spruehdruck_bar: "1,2-4,5"
      - abstand_mm: "150-350"
      - vorschub_m_min: "0,3-1,2"
      - sprühwinkel_grad: "45-90"
      - ueberlappung_prozent: "30-60"
    kosten: "3.200 €"
  sensorik_kabine:
    temperatur: "PT100, ±0,1 °C"
    luftfeuchtigkeit: "kapazitiv, ±1,5 %"
    lackviskositaet: "Inline-Viskosimeter"
    kosten: "2.400 €"
  gesamtinvestition: "10.400 € + Integration 8.000 €"
  software_jaehrlich: "3.600 €"

Parameteroptimierung: Was die KI besser macht als der Lackierer

Ein erfahrener Lackierer stellt Druck und Abstand einmal pro Bauteiltyp ein und arbeitet mit diesen Werten den gesamten Auftrag ab. Die KI passt die Parameter dagegen kontinuierlich an – bis zu 200 Mal pro Sekunde.

Beispiel Stoßfänger-Lackierung:

• Flache Fläche: 2,8 bar, 280 mm Abstand, 0,8 m/min Vorschub
• Übergang zur Rundung: 2,2 bar, 220 mm Abstand, 0,5 m/min → verhindert Nasenbildung
• Scharfe Kante: 1,6 bar, 180 mm Abstand, 1,1 m/min → verhindert Läuferbildung
• Hinterschnitt: 3,4 bar, 320 mm Abstand, Sprühwinkel 55° → erreicht verdeckte Flächen

Kein Mensch kann diese Anpassungen in Echtzeit durchführen. Die KI lernt aus jedem lackierten Bauteil und verbessert die Parameter kontinuierlich.

ROI: 24.000 € Einsparung pro Kabine und Jahr

Rechenbeispiel für eine Spritzlackierkabine mit 120.000 € Jahres-Lackverbrauch:

Lackeinsparung: 30 % Overspray-Reduktion × 55 % aktueller Overspray-Anteil × 120.000 € = 19.800 €/Jahr.

Filtereinsparung: 30 % weniger Overspray = 25 % längere Filterstandzeit = 3.200 €/Jahr.

Nacharbeitsreduktion: 40 % weniger Läufer, Nasen und Orangenhaut = 4.800 €/Jahr.

VOC-Reduktion: 26 % weniger Lösemittel-Emissionen, vereinfachte Genehmigung bei Kapazitätserweiterung.

Gesamteinsparung: 27.800 €/Jahr bei 22.000 € Erstinvestition (inkl. Integration). Amortisation: 9,5 Monate.

Nutzen Sie den KI-ROI-Rechner für Ihre individuelle Kalkulation.

Einführung: Vom Scanner zum optimierten Sprühbild

Phase 1 (Woche 1–2): Installation. 3D-Scanner an Kabineneintritt montieren, Umgebungssensoren installieren, Edge-Device anschließen. Kein Umbau der Kabine nötig – das System ist nachrüstbar.

Phase 2 (Woche 3–4): Kalibrierung. 50 Referenzbauteile scannen und mit aktuellen Parametern lackieren. Schichtdicken-Messung mit Wirbelstrom-Sensor. Die KI lernt den Zusammenhang zwischen Parametern und Ergebnis.

Phase 3 (Woche 5–6): Optimierung. Die KI schlägt verbesserte Parameter vor, der Lackierer validiert visuell und per Schichtdickenmessung. Typische Verbesserung in dieser Phase: 15–20 % Overspray-Reduktion.

Phase 4 (ab Woche 7): Vollbetrieb. Automatische Parameteroptimierung für alle Bauteiltypen. Das System lernt mit jedem Bauteil weiter. Nach 3 Monaten erreicht es die vollen 30 % Reduktion.

Details zur stufenweisen KI-Implementierung finden Sie im verlinkten Leitfaden.

Praxisbeispiel: Lackierbetrieb Weber, Heilbronn

Der Lohnlackierer mit 22 Mitarbeitern betreibt 3 Spritzlackierkabinen und verarbeitet 180 t Lack pro Jahr für Automobilzulieferer und Maschinenbauer. Overspray-Quote vor KI: 52 %.

Ergebnisse nach 6 Monaten:

• Overspray: von 52 % auf 34 % (35 % Reduktion)
• Lackkostensenkung: 68.400 € über alle 3 Kabinen
• Filterkosten: 9.600 € Einsparung
• Nacharbeit: von 8,2 % auf 3,1 % der Bauteile
• VOC-Emissionen: 28 % Reduktion, Genehmigung für 4. Kabine erleichtert

Die Budgetplanung für KI-Projekte zeigt, wie sich die Investition auf mehrere Kabinen skalieren lässt.

Lacktyp-spezifische Optimierung

Das KI-System unterscheidet automatisch zwischen verschiedenen Lacksystemen und passt die Parameter entsprechend an:

• Wasserbasierte Lacke: Höhere Sensibilität für Luftfeuchtigkeit, engeres Prozessfenster für Temperatur (20–24 °C)
• Lösemittelbasierte Lacke: Schnellere Trocknungskorrektur, breiteres Sprühfenster
• Pulverlacke: Elektrostatische Aufladung als zusätzlicher Parameter, KI optimiert kV-Einstellung
• 2K-Lacke: Topfzeit-Überwachung, automatische Warnung bei Viskositätsanstieg

Für den umfassenden KI-Leitfaden mit weiteren Industrieanwendungen lesen Sie den verlinkten Beitrag.

FAQ

Funktioniert das System auch bei manueller Spritzlackierung?

Ja, in eingeschränktem Umfang. Das System zeigt dem Lackierer optimale Druck- und Abstandswerte auf einem Display an. Die Einsparung liegt bei 12–18 % statt 30 %, da der Mensch die Parameter nicht in Echtzeit umsetzen kann.

Welche Kabinen lassen sich nachrüsten?

Alle gängigen Spritzlackierkabinen mit Roboter-Lackierung (Dürr, Eisenmann, ABB, Fanuc). Bei manuellen Kabinen wird der Scanner am Kabineneintritt montiert und die Empfehlung per Tablet angezeigt.

Wie schnell lernt die KI neue Bauteilgeometrien?

Nach 5 identischen Bauteilen hat das System eine stabile Parameterempfehlung. Neue Geometrien, die bestehenden ähneln, werden ab dem ersten Bauteil mit 85 % Optimierungsgrad erkannt (Transfer Learning).

Beeinflusst die KI die Schichtdicke?

Positiv. Die Schichtdicken-Streuung sinkt von ±12 µm auf ±4 µm. Das spart nicht nur Lack, sondern verbessert auch die Qualität: gleichmäßigere Farbe, besserer Korrosionsschutz, weniger Nacharbeit.

Was kostet die Integration bei einem bestehenden Lackierroboter?

Die Integration in eine bestehende Robotersteuerung kostet 6.000–10.000 € je nach Hersteller. Dürr und ABB bieten offene Schnittstellen, bei Fanuc ist ein Gateway nötig.