KI-Galvanik: Schichtdicke und Badchemie steuern

TL;DR

KI-gestützte Prozesssteuerung erfasst pH-Wert, Temperatur und Stromstärke in Echtzeit und regelt Schichtdicke sowie Badchemie automatisch nach. Galvanikbetriebe mit 50–500 Mitarbeitern erreichen damit 25–35 % weniger Ausschuss, sparen 15–20 % Chemikalien und reduzieren manuelle Laboranalysen um bis zu 60 %. Der Einstieg gelingt über Softsensoren an einer einzelnen Linie — ohne Anlagenstillstand.

Warum Galvanikbetriebe ein Steuerungsproblem haben

Drei von vier Galvanikern steuern ihre Bäder noch nach Erfahrungswerten und Laborproben im Vier-Stunden-Takt. Das kennen Sie vermutlich: Der Morgenschicht-Meister dosiert anders als der Abendschicht-Kollege, und zwischen zwei Laboranalysen verschiebt sich der pH-Wert um 0,3 Einheiten — genug, um bei Zink-Nickel die Legierungszusammensetzung aus der Spezifikation zu treiben.

Die Folgen sind messbar. In der deutschen Oberflächentechnik mit rund 2.970 Betrieben und 8,6 Mrd. Euro Umsatz (ZVO-Branchendaten) liegt die durchschnittliche Ausschussquote bei galvanischen Prozessen zwischen 3 und 8 %. Bei einem mittelständischen Lohnbeschichter mit 120 Mitarbeitern und 4 Mio. Euro Jahresumsatz bedeuten 5 % Ausschuss: 200.000 Euro, die in Nacharbeit, Entsorgung und Reklamationen verschwinden.

Wir sehen in der Praxis drei Hauptursachen:

1. Verzögerte Analytik — Laborproben alle 4–6 Stunden bedeuten, dass Abweichungen erst erkannt werden, wenn bereits hunderte Teile beschichtet sind.
2. Subjektive Dosierung — Erfahrungswerte schwanken je nach Bediener um ±15 %.
3. Wechselwirkungen — Temperatur, Stromdichte, Elektrolytkonzentration und Warenträgerbelegung beeinflussen sich gegenseitig. Ein Mensch kann diese Zusammenhänge nicht in Echtzeit überblicken.

Dazu kommt ein Problem, das selten offen diskutiert wird: In vielen Betrieben geht das Prozesswissen mit den erfahrenen Galvanikmeistern in Rente. Wenn der Meister, der seit 25 Jahren weiß, dass Bad 3 bei 28 °C und hoher Luftfeuchtigkeit mehr Korrekturlösung braucht, aufhört — dann fehlt dieses Wissen von einem Tag auf den anderen. Ein KI-Modell konserviert genau diese Zusammenhänge und macht sie für jeden Bediener zugänglich.

Was ein Softsensor in der Galvanik leistet

Softsensoren sind keine physischen Sensoren, sondern mathematisch-statistische Modelle. Sie kombinieren vorhandene Messdaten — Temperatur, Leitfähigkeit, Stromstärke, Durchfluss — und berechnen daraus Größen, die sonst nur im Labor ermittelbar sind: Metallionenkonzentration, Glanzbildnerzustand oder die aktuelle Abscheiderate.

Das Fraunhofer IPA hat diese Technologie für galvanische Prozesse pilotiert. Bei der Verchromung von Kolbenstangen konnte die Schichtdicke um 40 % reduziert werden — bei gleichbleibender Qualität, weil der Softsensor die tatsächlich benötigte Dicke präzise berechnet statt mit Sicherheitsaufschlag zu arbeiten.

Für einen typischen Zink-Nickel-Prozess sieht die Datenbasis so aus:

# Softsensor-Inputdaten für Zink-Nickel-Bad
Echtzeit-Sensoren:
  - Temperatur: PT100 (±0.1°C)
  - pH-Wert: Inline-Elektrode (±0.02)
  - Leitfähigkeit: konduktiv (±1%)
  - Stromstärke: Hall-Sensor am Gleichrichter
  - Durchfluss: Ultraschall an Umwälzpumpe

Softsensor-Outputs (berechnet):
  - Nickelgehalt im Elektrolyt: ±2 g/L
  - Zinkgehalt: ±1.5 g/L
  - Abscheiderate: µm/min bei aktueller Stromdichte
  - Geschätzte Standzeit bis zur nächsten Badkorrektur

Der entscheidende Vorteil: Statt alle vier Stunden eine Laborprobe zu nehmen und 45 Minuten auf das Ergebnis zu warten, liefert der Softsensor alle 30 Sekunden einen aktualisierten Wert.

Wie die automatische Regelung funktioniert

Wir empfehlen einen zweistufigen Ansatz — erst beobachten, dann regeln. Viele Galvaniker springen direkt zur Vollautomatisierung und scheitern, weil das Vertrauen in die Modelle fehlt.

Stufe 1: Monitoring und Alerting (Monat 1–3)

Der Softsensor läuft parallel zur manuellen Prozesskontrolle mit. Er zeigt dem Bediener auf einem Dashboard, wenn Parameter abdriften — noch bevor die nächste Laborprobe fällig wäre. Das allein spart bereits Ausschuss, weil Korrekturen zwei bis drei Stunden früher erfolgen.

Stufe 2: Closed-Loop-Regelung (ab Monat 4)

Jetzt steuert das System Dosierpumpen und Gleichrichter direkt an. Der Regelkreis sieht vereinfacht so aus:

Softsensor erkennt pH-Drift → Dosierpumpe gibt 50 ml Korrekturlösung nach → Softsensor verifiziert nach 90 Sekunden → nächste Korrektur oder Bestätigung.

In der Praxis brauchen Sie dafür ein SPS-Gateway, das die KI-Empfehlungen in Steuerbefehle übersetzt. Die meisten modernen Galvaniksteuerungen von Herstellern wie ICOM oder atb lassen sich über OPC UA oder Modbus TCP ansprechen. Falls Ihre Anlage älter ist und nur analoge Ausgänge bietet, gibt es Nachrüstmodule für 2.000–4.000 €, die eine digitale Schnittstelle ergänzen.

Ein Detail, das oft übersehen wird: Die Regelung muss Grenzen kennen. Kein KI-System sollte unbegrenzt Chemikalien dosieren dürfen. Definieren Sie für jede Stellgröße einen Maximalwert pro Stunde — etwa 200 ml Salzsäure oder 150 ml Nickel-Ergänzer. Wird der Wert überschritten, stoppt das System und alarmiert den Bediener. Diese Sicherheitslogik gehört in die SPS, nicht in die Software.

Unsere Empfehlung: Starten Sie immer mit Stufe 1. Die drei Monate Parallelphase sind kein verlorenes Geld, sondern Ihr Sicherheitsnetz. Sie sammeln Trainingsdaten, bauen Vertrauen beim Team auf und erkennen Randfälle, die das Modell noch nicht abdeckt.

Kosten und Zeitrahmen — realistisch kalkuliert

Die Investition hängt stark davon ab, wie viele Ihrer Bäder bereits Inline-Sensorik haben. Ein Galvanikbetrieb mit 8 Badlinien und vorhandener SPS-Steuerung liegt typischerweise bei:

• Sensorik-Nachrüstung (pH, Temperatur, Leitfähigkeit pro Bad): 1.800–3.500 € je Bad
• Edge-PC für Softsensor-Modell: 2.500–5.000 € (ein Industrie-PC reicht für 10+ Bäder)
• Software und Modellentwicklung: 15.000–35.000 € (einmalig, inkl. Kalibrierung)
• Integration in bestehende Steuerung: 8.000–15.000 €
• Laufende Kosten: 200–400 €/Monat für Modellpflege und Cloud-Monitoring

Für eine einzelne Pilotlinie rechnen Sie mit 25.000–40.000 € Gesamtinvestition. Das funktioniert in der Praxis selten als Großprojekt — starten Sie mit einer Linie, beweisen Sie den ROI, skalieren Sie dann.

Bei 5 % Ausschussreduktion und 4 Mio. Euro Jahresumsatz sparen Sie ca. 80.000 €/Jahr allein durch weniger Nacharbeit. Die Pilotlinie amortisiert sich in unter sechs Monaten.

Was Galvaniker beim Einstieg falsch machen

Wir raten davon ab, mit dem komplexesten Bad anzufangen. Ihr Dekor-Chrombad mit fünf Zusätzen und wöchentlich schwankender Warenträgerbelegung ist der falsche Pilot. Nehmen Sie stattdessen ein Zink- oder Zink-Nickel-Bad mit hohem Durchsatz und stabiler Fahrweise. Hier liefert der Softsensor schnell belastbare Ergebnisse, und Ihr Team sieht den Nutzen sofort.

Ein weiterer häufiger Fehler: Die Laboranalytik komplett abschaffen wollen. Das ist weder sinnvoll noch realistisch. Softsensoren driften über Wochen leicht ab und brauchen regelmäßige Referenzanalysen — etwa einmal täglich statt sechsmal. Die Laborkapazität sinkt um 60–70 %, aber auf null geht sie nicht.

Dritter Punkt, den wir immer wieder sehen: Das Modell wird einmal trainiert und dann vergessen. Galvanikbäder verändern sich — neue Anodenchargen, Wasserqualität, saisonale Temperaturschwankungen. Planen Sie monatliche Modell-Reviews ein, die kosten jeweils nur 2–3 Stunden.

Wer bereits KI-basierte Qualitätskontrolle mit Bilderkennung in der Produktion einsetzt, kann die Oberflächendaten der beschichteten Teile als zusätzliche Feedback-Schleife in den Softsensor einspeisen. Die Kombination aus Prozess- und Ergebnisdaten macht das Modell deutlich robuster.

Praxisbeispiel: Lohnbeschichter mit Zink-Nickel-Linie

Ein mittelständischer Galvanikbetrieb aus Baden-Württemberg (85 Mitarbeiter, 6 Badlinien) hat Anfang 2025 eine KI-Prozesssteuerung an seiner Zink-Nickel-Trommelanlage pilotiert. Die Ausgangslage: 6,2 % Ausschuss durch Schichtdickenabweichungen, drei Laboranalysen pro Schicht, hohe Chemikalienkosten.

Nach drei Monaten Monitoring-Phase und zwei Monaten Closed-Loop-Betrieb:

• Ausschuss runter auf 4,1 % (minus 34 %)
• Chemikalienverbrauch für Nickelergänzung minus 18 %
• Laboranalysen von 9/Tag auf 3/Tag reduziert
• Schichtdickenschwankung von ±2,8 µm auf ±1,1 µm

Besonders bemerkenswert: Die engere Schichtdickentoleranz erlaubte es dem Betrieb, die Zieldicke um 1,5 µm abzusenken — weniger Material pro Teil bei gleicher Korrosionsbeständigkeit. Das allein spart bei Zink-Nickel rund 8.000 €/Jahr an Metallkosten.

Der Betrieb hat die Lösung inzwischen auf zwei weitere Linien ausgerollt. Die Gesamtersparnis liegt bei rund 110.000 €/Jahr — bei einer Investition von 65.000 € für alle drei Linien. Die Anlaufphase lief nicht reibungslos — in der zweiten Woche hat ein Sensordefekt an der pH-Elektrode das Modell kurzzeitig irritiert. Solche Ausfälle sind normal. Entscheidend war, dass das System den Fehler selbst erkannt und auf manuellen Modus zurückgeschaltet hat.

Wer seine Galvanikanlage auch hinsichtlich ungeplanter Stillstände absichern will, findet im Predictive-Maintenance-Praxisleitfaden die passende Ergänzung für Gleichrichter, Pumpen und Heizungen.

Häufig gestellte Fragen

Was kostet der Einstieg in KI-Prozesssteuerung für Galvanik?

Für eine einzelne Pilotlinie liegen die Kosten bei 25.000–40.000 €, inklusive Sensorik, Edge-PC, Softwareentwicklung und Integration. Die Amortisation erfolgt bei den meisten Betrieben innerhalb von 4–8 Monaten durch geringeren Ausschuss und Chemikalieneinsparung.

Brauche ich neue Sensoren oder reicht die vorhandene Messtechnik?

In vielen Galvanikbetrieben sind Temperatur und Stromstärke bereits erfasst. Für den Softsensor kommen typischerweise Inline-pH-Messung und Leitfähigkeitssensor hinzu — Investition pro Bad ca. 1.800–3.500 €. Bestehende SPS-Systeme lassen sich über OPC UA oder Modbus TCP anbinden.

Wie unterscheidet sich ein Softsensor von einem normalen Sensor?

Ein normaler Sensor misst eine physikalische Größe direkt — etwa die Temperatur. Ein Softsensor kombiniert mehrere solcher Messwerte mathematisch und berechnet daraus Größen, die nicht direkt messbar sind, zum Beispiel die aktuelle Metallionenkonzentration im Elektrolyten. Das spart teure Inline-Analytik.

Kann ich die Laboranalytik damit komplett ersetzen?

Nein, und das sollten Sie auch nicht. Softsensoren reduzieren den Laborbedarf um 60–70 %, brauchen aber tägliche Referenzmessungen zur Rekalibrierung. In der Praxis sinkt der Aufwand von 6–9 Laborproben pro Tag auf 2–3.

Funktioniert das auch bei kleinen Galvanikbetrieben unter 50 Mitarbeitern?

Grundsätzlich ja, allerdings ist der ROI bei sehr kleinen Betrieben mit nur einer oder zwei Linien geringer. Wir empfehlen ab 3 Badlinien und einem Jahresausschuss über 50.000 €. Für eine erste Standortbestimmung hilft der KI-Reifegrad-Check, um zu prüfen, ob Ihr Betrieb die Voraussetzungen erfüllt.

Nächster Schritt

Identifizieren Sie Ihre Linie mit dem höchsten Ausschuss und dem stabilsten Prozess — das ist Ihr Pilotkandidat. Prüfen Sie, welche Sensorik bereits vorhanden ist, und sprechen Sie mit Ihrem Steuerungslieferanten über OPC-UA-Schnittstellen. Wer eine Übersicht über weitere KI-Anwendungen in der Produktion sucht, findet sie in unserer Sammlung praxiserprobter Industriebeispiele.