KI-Drahterodieren: Schnittparameter optimieren

TL;DR

KI-Modelle analysieren Funkenspaltdaten, Drahtspannung und Spüldrücke in Echtzeit und passen Generator-Parameter während des Schnitts an. Erodierbetriebe berichten von 18–25 % höherer Schnittgeschwindigkeit, 25–30 % weniger Drahtverbrauch und konstanter Oberflächengüte unter Ra 0,2 µm — auch bei wechselnden Materialstärken. Einstiegskosten ab 8.000 € pro Maschine.

0,25 mm Draht, 600 Parameter, ein Problem

Jeder Erodierer kennt die Situation: Die Technologietabelle des Maschinenherstellers liefert Standardparameter für Werkstoff-Draht-Kombinationen. Für 1.2379 mit 0,25-mm-Messingdraht bei 40 mm Schnitttiefe stehen Werte drin, die funktionieren — aber nicht optimal sind.

Das Problem: Die Tabellen decken Idealfälle ab. In der Praxis weichen Materialcharge, Drahtqualität, Spülbedingungen und Werkstückgeometrie vom Idealfall ab. Ein erfahrener Erodierer passt Power, Off-Time und Servogeschwindigkeit nach Gehör und Erfahrung an — und erreicht damit 10–15 % bessere Ergebnisse als die Standardtechnologie. Aber dieses Wissen ist an die Person gebunden.

Ein Werkzeugbau bei Pforzheim mit 35 Mitarbeitern hat den Effekt gemessen: Zwischen dem besten und dem unerfahrensten Erodierer lagen bei identischen Werkstücken 22 % Zeitunterschied und eine halbe Rauheitsstufe Differenz. Hochgerechnet auf 4.200 Maschinenstunden pro Jahr und einen Stundensatz von 85 € bedeutet das einen Produktivitätsunterschied von 78.540 €.

Was KI am Erodierplatz anders macht

Klassische adaptive Regelungen in modernen Erodiermaschinen (Mitsubishi, Sodick, AgieCharmilles) reagieren auf Kurzschlüsse und Fehlzündungen. Sie arbeiten regelbasiert: Wenn Kurzschlussrate > X, dann Power reduzieren. Das verhindert Drahtbruch, optimiert aber nicht.

KI geht einen Schritt weiter. Ein Machine-Learning-Modell lernt aus Tausenden von Schnitten den Zusammenhang zwischen Eingabeparametern, Prozesssignalen und Ergebnis (Schnittgeschwindigkeit, Oberfläche, Formgenauigkeit). Es optimiert nicht auf eine Größe, sondern auf ein Zielprofil.

Drei Ansätze haben sich in der Praxis bewährt:

1. Offline-Optimierung (Parameter-Empfehlung): Das Modell schlägt vor dem Schnitt optimierte Parameter vor — basierend auf Werkstoff, Dicke, Drahttyp und Geometriekomplexität. Der Bediener übernimmt die Werte oder passt sie manuell an.

2. Online-Adaption (Echtzeit-Regelung): Das Modell liest während des Schnitts die Funkenspalt-Spannung, Strom und Drahtablenkung. Alle 50 ms passt es die Generatorparameter an. Das erfordert eine Schnittstelle zur Maschinensteuerung — bei neueren Maschinen über die API, bei älteren über einen externen Generator.

3. Hybrid (empfohlen für den Einstieg): Offline-Empfehlung plus Monitoring. Das System überwacht die Prozessstabilität und warnt, wenn die tatsächlichen Signale von der Prognose abweichen. Der Bediener entscheidet, ob er eingreift.

Die fünf Parameter, die den Unterschied machen

Nicht alle 600+ Maschinenparameter sind gleich wichtig. Die KI-Analyse über 12.000 Schnitte bei verschiedenen Lohnerodierbetrieben zeigt: Fünf Parameter erklären 87 % der Varianz in Schnittgeschwindigkeit und Oberflächengüte.

Die Wechselwirkungen sind das Entscheidende. Peak Current allein erhöhen bringt mehr Geschwindigkeit, aber auch mehr Drahtverschleiß und schlechtere Oberflächen. Erst die gleichzeitige Anpassung von Off-Time und Servo-Spannung ermöglicht höhere Ströme ohne Qualitätsverlust.

Genau hier liegt die Stärke eines KI-Modells: Es optimiert alle Parameter gleichzeitig entlang der Pareto-Front — der Grenze zwischen „schneller, aber rauer" und „glatter, aber langsamer".

Daten sammeln: Praxisanleitung

Bevor ein Modell trainiert werden kann, brauchen Sie Daten. Die gute Nachricht: Die meisten modernen Erodiermaschinen zeichnen bereits Prozessdaten auf. Die schlechte: Oft sind diese Daten in proprietären Formaten gespeichert und schwer zugänglich.

# Datenerfassung für KI-Erodieroptimierung
quellen:
  maschinensignale:
    - funkenspalt_spannung: "50 kHz Abtastung"
    - strom: "50 kHz Abtastung"
    - drahtspannung: "1 kHz"
    - spueldruck: "10 Hz"
    - drahtvorschub: "10 Hz"

  auftragsdaten:
    - werkstoff: "Werkstoffnummer nach DIN"
    - dicke_mm: "gemessen, nicht Zeichnungsmaß"
    - draht_typ: "Hersteller + Durchmesser"
    - kontur_laenge_mm: "aus CAM"
    - ecken_anzahl: "aus CAM"

  ergebnis:
    - schnittzeit_min: "Start-Stop der NC-Bearbeitung"
    - oberflaechenrauheit: "Ra gemessen mit Perthometer"
    - formgenauigkeit: "Abweichung in µm auf KMM"
    - drahtverbrauch_m: "Zählwerk oder Gewichtsdifferenz"

speicherung:
  format: "CSV oder Parquet"
  ablage: "Netzlaufwerk oder InfluxDB"
  retention: "mindestens 2 Jahre"

Entscheidend: Die Ergebnisdaten müssen konsequent erfasst werden. Schnittzeit ist einfach — die liefert die Maschine. Aber Oberflächenrauheit und Formgenauigkeit messen die meisten Betriebe nur stichprobenartig. Für das Training brauchen Sie mindestens 500 vollständig dokumentierte Schnitte.

Ein pragmatischer Ansatz: Starten Sie mit einer Maschine und einem Stammwerkstoff (z. B. 1.2379 oder Hartmetall). Dokumentieren Sie drei Monate lang jeden Schnitt. Daraus entstehen 200–400 Datensätze, die für ein erstes brauchbares Modell reichen. Allgemeine Hinweise zur Datenaufbereitung finden Sie im KI-Implementierungsleitfaden.

Ergebnisse aus drei Pilotprojekten

Werkzeugbau A (Pforzheim, 35 MA): 4 Sodick-Maschinen, Fokus auf Hartmetall-Stempel. Nach 6 Monaten KI-Optimierung: Schnittgeschwindigkeit +22 %, Drahtverbrauch –28 %, Oberflächenrauheit konstant bei Ra 0,15 µm. Jährliche Einsparung: 34.000 € (davon 18.000 € Zeitgewinn, 16.000 € Draht).

Lohnerodierer B (Remscheid, 12 MA): 2 AgieCharmilles-Maschinen, gemischtes Werkstoffspektrum. Ergebnis nach 4 Monaten: Schnittgeschwindigkeit +18 %, Drahtverbrauch –25 %. Besonderer Vorteil: Neue Mitarbeiter erreichen nach 2 Wochen das Niveau, für das vorher 6 Monate Einarbeitung nötig waren.

Formenbau C (Schwarzwald, 48 MA): 6 Mitsubishi-Maschinen, Spritzgussformen mit anspruchsvollen Konturen. Schnittgeschwindigkeit +15 % (konservativer, da Formgenauigkeit Priorität), Ausschuss bei Erstschnitten –45 %. Die Einsparung durch vermiedene Nachschnitte allein: 21.000 € pro Jahr.

Die Detailrechnung folgt dem gleichen Schema wie unsere Excel-Vorlage zur ROI-Berechnung.

Thermische Effekte verstehen und nutzen

Ein Aspekt, der in vielen KI-Implementierungen übersehen wird: Die Schnittleistung variiert mit der Maschinentemperatur. Morgens um 6:00, wenn das Dielektrikum 18 °C hat, erodiert die Maschine anders als um 14:00 bei 24 °C. Der Unterschied in der Schnittgeschwindigkeit beträgt 5–8 %.

Ein gut trainiertes KI-Modell berücksichtigt die Dielektrikum-Temperatur als Eingangsgröße und passt die Parameter entsprechend an. In Betrieb C führte allein die temperaturabhängige Anpassung zu 3 % mehr Durchsatz — ohne jede Änderung an der Hardware.

Ähnlich verhält es sich mit dem Drahtbad-Füllstand und der Leitfähigkeit des Dielektrikums. Diese Größen driften über den Tag und über die Woche. Standardtechnologien ignorieren das. Ein KI-System kompensiert es automatisch.

Grenzen und Ehrlichkeit

Nicht für jeden Betrieb lohnt sich die Investition. Drei Gegenargumente, die Sie vor dem Start prüfen sollten:

• Kleinserienfertigung mit ständig wechselnden Werkstoffen: Wenn Sie 50 verschiedene Werkstoffe pro Monat erodieren, hat das Modell zu wenig wiederkehrende Datenpunkte. Unter 10 Schnitten pro Werkstoff-Dicken-Kombination wird die Vorhersage unzuverlässig.
• Ältere Maschinen ohne Datenschnittstelle: Maschinen vor Baujahr 2005 lassen sich oft nur über externe Sensoren anbinden. Das funktioniert, erhöht aber die Kosten auf 15.000–20.000 € pro Maschine.
• Bereits hoch optimierte Prozesse: Wenn Ihr erfahrenster Erodierer die Standardtechnologie bereits um 20 % übertrifft und die Ergebnisse dokumentiert, ist der KI-Zugewinn kleiner.

Die ehrliche Einschätzung: Für Betriebe mit mindestens 2 Maschinen, einem Kernwerkstoff und mehr als 2.000 Maschinenstunden pro Jahr ist die KI-Optimierung wirtschaftlich sinnvoll. Darunter lohnt sich zunächst eine systematische Prozessdokumentation. Mehr zur realistischen Einschätzung von KI-Kosten und Budgetplanung.

Einstieg in drei Monaten

Der wichtigste Rat aus der Praxis: Fangen Sie mit dem Hauptschnitt an, nicht mit den Nachschnitten. Der Hauptschnitt hat das größte Optimierungspotenzial und ist messtechnisch am einfachsten zu bewerten. Die KI-Optimierung der Nachschnitte (Schlichtschnitte) kommt in Phase 2. Grundlegende Schritte für die Einführung von KI im Unternehmen gelten auch hier.

Häufige Fragen

Kann die KI auch die Drahtauswahl optimieren?

Bedingt. Das Modell kann auf Basis historischer Daten empfehlen, ob beschichteter Draht (z. B. Gamma-Phasendraht) bei einem bestimmten Werkstoff wirtschaftlicher ist als Messingdraht — trotz höherem Meterpreis. Die Entscheidung berücksichtigt Schnittgeschwindigkeit, Drahtverbrauch und Oberflächenqualität gemeinsam. Eine automatische Drahtauswahl am Magazin ist technisch möglich, aber in der Praxis selten umgesetzt.

Wie verhält sich das System bei neuen Werkstoffen?

Bei einem Werkstoff, der noch nie erodiert wurde, startet das Modell mit der Herstellertechnologie und lernt während des Schnitts. Ab dem dritten Schnitt im gleichen Werkstoff liefert die Offline-Empfehlung bereits 8–12 % bessere Parameter. Vollständig optimiert ist das Modell nach etwa 20 Schnitten im gleichen Werkstoff.

Ist eine Cloud-Lösung nötig?

Nein. Die Offline-Optimierung läuft auf einem lokalen Rechner (Standard-PC mit 16 GB RAM genügt). Die Online-Adaption benötigt einen Edge-PC an der Maschine. Cloud-Lösungen bieten Vorteile beim Vergleich mehrerer Standorte oder beim Modell-Update durch den Anbieter, sind aber keine Voraussetzung.

Welche Maschinenhersteller unterstützen KI-Integration?

Mitsubishi (D-CUBES), Sodick (SVC-NET) und AgieCharmilles (rConnect) bieten eigene Plattformen für Datenexport und teilweise auch KI-Funktionen. Unabhängige Lösungen von Drittanbietern setzen auf OPC UA oder proprietäre Schnittstellen. Bei Maschinen ohne digitale Schnittstelle ist ein Retrofit über externe Sensoren möglich, aber aufwändiger.

Wie schnell amortisiert sich die Investition?

Bei einem Betrieb mit 3 Maschinen und einem Schwerpunktwerkstoff liegt die Amortisation bei 6–10 Monaten. Die größten Hebel sind Zeitgewinn (höhere Schnittgeschwindigkeit auf bestehenden Maschinen) und Drahtverbrauch (0,25-mm-Messingdraht kostet 4–6 €/kg, beschichteter Draht 12–18 €/kg). Bei 4.000 Maschinenstunden pro Jahr summiert sich das.