Industrielle KI-Automatisierung

Projektübersicht

Die NT Group, ein Hersteller von industriellen Stahlkomponenten, hatte mit ineffizienten manuellen Verfahren zur Ersatzteilidentifikation zu kämpfen, was Verzögerungen und erhöhten Arbeitsaufwand verursachte. Gefordert war eine moderne digitale Lösung, um Komponenten schnell und präzise zu identifizieren und die Supportprozesse zu optimieren.

Hatimeria, unsere Partnerfirma, analysierte mögliche Lösungen und schlug vor, fortschrittliche KI und interaktive 3D-Visualisierungstechnologien wie 3D-CAD, PLM-Daten und LiDAR-Scans in einen nahtlosen digitalen Workflow zu integrieren.

AI Engineering

Tanner Lab wurde mit der Lösung des Problems beauftragt, aus einem Bild eines Ersatzteils (z.B. einem Kundenfoto) die richtige technische Dokumentation zu identifizieren. Dank Fortschritte multimodaler Deep-Learning-Modelle, die auf Bilder und Texte trainiert wurden, entwickelten wir ein Retrieval-Augmented Generation (RAG) Proof of Concept.

Hintergrund: Was ist RAG?

Retrieval-Augmented Generation (RAG) kombiniert Information Retrieval (Suche von relevantem Kontext) mit generativen AI-Modellen. Dabei werden relevante Informationen gefunden, um basierend darauf präzise und kontextbezogene Antworten zu generieren.

Quelle: Turtlecrown (CC BY-SA 4.0)

Proof of Concept

Unser PoC umfasste:

• Node.js-basiertes Kommandozeilen-Tool, integriert mit einer FastAPI API.
• CLIP-Modell zur Einbettung von Bildern und Texten in hochdimensionale Vektoren.
• LanceDB-Vektordatenbank für effiziente Speicherung und Retrieval.
• Retrieval über Cosine Similarity und k-nearest neighbor (kNN)-Suche.

Hatimerias Weiterentwicklung:

Hatimeria baute auf unserem PoC auf und entwickelte eine umfassende Lösung mit:

• Interaktivem 3D-Konfigurator basierend auf three.js.
• Fortschrittlichem AI-Chatbot auf Basis des Mistral-Modells.
• Integration von CAD-Modellen (SOLIDWORKS), PLM-Daten (Roima/Aton) und LiDAR-Scans.
• Kompletter E-Commerce-Integration für einen nahtlosen Bestellprozess.

Ergebnis: Die Zusammenarbeit resultierte in einem leistungsstarken digitalen System, das die Genauigkeit und Effizienz der Ersatzteilidentifikation erheblich steigerte, Stillstandszeiten und manuellen Aufwand reduzierte sowie die Betriebskosten insgesamt senkte.