Forschungsinstitute erproben gemeinsam mit Glashütten in Innovationsprojekten, wie sich die Qualität der Glasmasse mit künstlicher Intelligenz verbessern lässt. Dabei werden Datenerfassungssysteme und automatische Bildanalysen von Glasproben im laufenden Betrieb eingeführt.
Optimieren Sie Ihre Glasmasse durch automatisierte Datenanalyse und Bildauswertung. So senken Sie Ausschuss und Energiekosten messbar an jedem Ofen.
In öffentlich geförderten Forschungsprojekten bauen Institute und Glashütten einen geschlossenen Regelkreis aus Datenerfassung, Analyse und Rückkopplung auf, um die Qualität der Glasmasse vorherzusagen. Zur praktischen Erprobung werden Prototypen an mehreren Produktionsstandorten installiert. Ein Algorithmus wertet dabei sogenannte Glaspucks automatisch aus. Zudem wird Ultraschalltechnik getestet, um Bläschen in heißer Glasmasse früh zu erkennen. Die gewonnenen Modelle bilden eine technologische Basis, um Ausschuss und Energieverbrauch bei unterschiedlichen Ofentypen zu senken.
Klassische Schwellenwert-Software scheitert an den komplexen, optisch variierenden Strukturen und Trübungen von Heißglas. Maschinelles Lernen hingegen kann komplexe Muster in Bilddaten und Ultraschallsignalen auch bei wechselnden Rohstoffzusammensetzungen präzise interpretieren. Ein starres Regelwerk aus Wenn-Dann-Bedingungen ist für die nichtlinearen Prozesse einer Glasschmelze zu unflexibel.
Hütten mit automatisierten Analysesystemen können anspruchsvolle Glasqualitäten flexibler und mit niedrigerem Ausschuss produzieren. Wer rein manuell steuert, riskiert höhere Stückkosten und Margenverluste durch teure Schmelzfehler.
Fehlerhafte Schmelzchargen verursachen erhebliche Material- und Energiekosten, da Ausschussglas energieintensiv erneut aufgeschmolzen werden muss. Die KI-gestützte Frühwarnung stabilisiert den Gutanteil und schützt Betriebe vor kostspieligen Fehlproduktionen.
Die Prüfung wird von zeitverzögerten Laboranalysen auf echtzeitnahe, automatisierte Probenprüfungen umgestellt. Dadurch verkürzen sich die Reaktionszeiten bei Fehlentwicklungen in der Schmelzwanne deutlich.
Das Hantieren mit manuellen Inspektionswerkzeugen und die subjektive Sichtprüfung von Glaspucks treten in den Hintergrund. Mitarbeiter erhalten stattdessen datengestützte Analysen auf Monitoren und können gezielt eingreifen.
Die Tätigkeit wandelt sich vom rein erfahrungsbasierten Schmelzer hin zum datengestützten Prozessmanager. Diese Veränderung bedeutet eine langfristige technologische Aufwertung des handwerklichen Berufsbilds.
Bediener müssen lernen, Auswertungsdaten der Bilderkennung und Ultraschallmessungen richtig zu deuten. Grundlegende Kompetenzen im Umgang mit digitalen Feedback-Systemen werden am Ofen unerlässlich.
Endkunden erhalten Kunst- und Gebrauchsglas mit minimierten Einschlüssen und optischen Mängeln. Der Kaufprozess bleibt unberührt, jedoch steigt die Verlässlichkeit der Produktgüte.
Die Einführung ressourcensparender Fertigungstechnologien sichert den Erhalt traditioneller Glasmanufakturen als regionale Kulturgüter.
Die Lösung passt zur Tätigkeit in einem fachlichen Kontext, aber nicht automatisch zu jedem Beruf mit dieser Tätigkeit.