KI für Klebstoff-Dosierung: Raupe überwachen

TL;DR

KI-basierte Kamera-Inspektion überwacht Klebstoff-Raupen direkt nach dem Auftrag: Breite, Höhe, Position und Kontinuität werden in Echtzeit geprüft. Fehlerhafte Raupen werden erkannt, bevor das Bauteil weiterfährt. Ein Automobilzulieferer reduzierte Klebstoff-Ausschuss von 3,8 % auf 2,1 % und spart €52.000 pro Jahr an Nacharbeit und Materialverlust.

Warum Klebstoff-Raupen schwer zu kontrollieren sind

Strukturelles Kleben ersetzt zunehmend Schweißen und Nieten – in der Automobilindustrie, im Fenster- und Fassadenbau, bei Elektronikgehäusen. Die Anforderungen an die Kleberaupe sind präzise: ±0,3 mm Breitentoleranz, ±0,2 mm Positionstoleranz, keine Unterbrechungen, keine Lufteinschlüsse.

Konventionelle Dosieranlagen kontrollieren den Volumenstrom, aber nicht das Ergebnis auf dem Bauteil. Ändern sich die Viskosität (temperaturabhängig), der Düsen-Verschleiß oder die Bauteil-Oberfläche, weicht die Raupe von der Spezifikation ab – ohne dass die Dosieranlage es bemerkt.

Die Folge: Nacharbeit (Raupe entfernen, reinigen, neu dosieren) oder Ausschuss. Bei einem Automobilzulieferer mit 1.200 Klebevorgängen pro Tag kostet das €52.000–€120.000 pro Jahr.

KI-Vision: Raupe in Echtzeit inspizieren

Eine Industriekamera fotografiert die Kleberaupe unmittelbar nach dem Auftrag. Ein Computer-Vision-Modell analysiert das Bild in 15 ms und prüft:

• Raupenbreite: Soll 4,0 mm ±0,3 mm. Die KI misst an 50 Punkten entlang der Raupe.
• Raupenposition: Soll mittig im Klebeflansch. Abweichung > 0,5 mm = Fehler.
• Kontinuität: Keine Unterbrechungen, Tropfen oder Aussetzer.
• Höhe: Triangulationssensor oder Structured Light misst die 3D-Geometrie.

# KI-Kleberaupen-Inspektion: Konfiguration
hardware:
  kamera: "IDS uEye CP, 5 MP, monochrom"
  beleuchtung: "LED-Linienbeleuchtung, 625 nm"
  triangulation: "Keyence LJ-X8060 Profilsensor"
  edge_controller: "Beckhoff CX5130"
  gesamtkosten_hardware_eur: 8500
inspektion:
  taktzeit_ms: 15
  messpunkte_pro_raupe: 50
  aufloesung_mm: 0.05
  fehlertypen:
    - name: "Raupenbreite außerhalb Toleranz"
      schwellwert_mm: 0.3
      haeufigkeit_prozent: 1.8
    - name: "Raupenunterbrechung"
      min_laenge_mm: 2.0
      haeufigkeit_prozent: 0.6
    - name: "Positionsabweichung"
      schwellwert_mm: 0.5
      haeufigkeit_prozent: 0.9
    - name: "Luftblase in Raupe"
      min_durchmesser_mm: 1.0
      haeufigkeit_prozent: 0.5
ergebnis:
  ausschuss_vorher_prozent: 3.8
  ausschuss_nachher_prozent: 2.1
  einsparung_eur_jahr: 52000

Modell: Segmentierung statt Klassifikation

Die KI segmentiert die Kleberaupe pixelgenau aus dem Hintergrundbild (Bauteiloberfläche). Ein U-Net-Modell, trainiert auf 3.000 gelabelten Bildern, erreicht eine Segmentierungsgenauigkeit (IoU) von 96,2 %.

Nach der Segmentierung werden geometrische Merkmale berechnet: Breite an jedem Messpunkt, mittlere Position, Gesamtlänge, Lücken. Diese Merkmale werden gegen die Toleranzen geprüft – keine Blackbox, sondern interpretierbare Regeln auf KI-extrahierten Merkmalen.

Dieser Ansatz ist im Automotive-Bereich wichtig: Die Qualitätsprüfung muss nachvollziehbar sein. „Die KI sagt Fehler" reicht nicht. „Die Raupenbreite bei mm 142 beträgt 4,6 mm, Toleranz ist 4,3 mm" ist eine prüffähige Aussage.

Praxisbeispiel: Automobilzulieferer

Ein Zulieferer für Karosserieteile (280 Mitarbeiter) klebt Verstärkungsprofile auf Seitenwände. 1.200 Klebevorgänge pro Tag, 2-Schicht-Betrieb.

Vorher: Visuelle Stichprobenkontrolle (jedes 20. Teil). 3,8 % Ausschuss. Fehlerhafte Raupen wurden erst bei der Endkontrolle entdeckt – nach Kathodischer Tauchlackierung (KTL) und Montage. Nacharbeit: €44/Teil.

Nachher: 100 % Inline-Inspektion. 2,1 % Ausschuss (erkannt vor KTL). Nacharbeit: €8/Teil (nur Raupe entfernen und neu dosieren). Kosten-Reduktion: €52.000/Jahr.

Der ROI ist nach 4 Monaten erreicht. Für die Budgetplanung empfehlen wir €18.000–€25.000 pro Inspektionsstation.

Closed-Loop: Von der Inspektion zur Regelung

Die Ausbaustufe: Die KI erkennt nicht nur Fehler, sondern korrigiert die Dosierung in Echtzeit:

1. Raupe wird zu schmal → KI erhöht den Volumenstrom um 3 %
2. Raupe wandert nach links → KI korrigiert den Düsen-Offset um 0,2 mm
3. Viskosität ändert sich (Temperaturanstieg) → KI passt die Dosierparameter proaktiv an

Diese Closed-Loop-Regelung senkt den Ausschuss auf unter 1 %. Der KI-Implementierungsguide empfiehlt: Erst 3 Monate nur Inspektion, dann schrittweise Regelung aktivieren.

Integration in MES und Qualitätssicherung

Die Inspektionsdaten fließen in das Manufacturing Execution System (MES):

• Jedes Teil erhält einen Qualitätsstempel mit Raupengeometrie-Daten
• Traceability: Welches Teil wurde wann mit welchen Parametern geklebt?
• SPC-Auswertung: Trends in der Raupenqualität frühzeitig erkennen
• Alarm: Bei 3 Fehlern in Folge automatischer Linienstopp

Für den ROI-Rechner: Die Traceability-Daten verhindern Rückrufkosten, die ein Vielfaches der Inspektionskosten betragen können.

Häufige Fragen

Funktioniert die Inspektion bei transparenten Klebstoffen?

Transparente Klebstoffe (z. B. UV-härtende Acrylate) sind per Kamera schwer zu erkennen. Hier hilft UV-Fluoreszenz: Der Klebstoff wird mit UV-Licht beleuchtet und fluoresziert. Alternativ: Profilsensor misst die 3D-Geometrie unabhängig von der Transparenz.

Wie trainiere ich das Modell für einen neuen Klebstoff?

50–100 gelabelte Bilder des neuen Klebstoffs auf dem neuen Bauteil reichen für Fine-Tuning. Das dauert 2–4 Stunden. Die Grundstruktur des Modells bleibt gleich. Details im KI-Leitfaden.

Kann die KI auch 2K-Klebstoffe prüfen?

Ja. Bei 2K-Klebstoffen (Epoxid, Polyurethan) prüft die KI zusätzlich das Mischungsverhältnis anhand der Farbhomogenität. Sind Streifen oder Schlieren sichtbar, stimmt die Mischung nicht. Genauigkeit: 89 % für Mischfehler-Erkennung.

Welche Kamera-Auflösung brauche ich?

Für eine Toleranz von ±0,3 mm brauchen Sie eine Auflösung von 0,05 mm/Pixel. Bei einer Raupenbreite von 4 mm und 400 mm Sichtfeld bedeutet das mindestens 2,5 Megapixel. 5 Megapixel bieten ausreichend Reserve.

Wie hoch ist der Wartungsaufwand?

Kamera und Beleuchtung reinigen: 5 Minuten/Woche. Modell-Retraining bei neuem Bauteil: 2–4 Stunden. Software-Updates: 1–2 Stunden/Quartal. Gesamtaufwand: unter 1 Stunde/Woche.