„Wenn Prozesse schnell sind, müssen die Reaktionen es auch sein“, sagt Flemming Heuvel. Er ist Wissenschaftliche Mitarbeiter an der Universität (RWTH) Aachen – zwar am Institut für Textiltechnik, er meint aber die Papierproduktion: Ein Bahnabriss auf der laufenden Bahn entstehe innerhalb von Sekunden oder Subsekunden. So schnell könne kein Mensch reagieren.

Mit KI-gestützter Analyse aber sei es möglich, ein Reaktionszeitfenster zu eröffnen und im besten Fall die Störung zu verhindern. An den Grundlagen für ein entsprechendes Assistenzsystem forsche sein Institut.

Einer der Gründe für Bahnabrisse sind schwankende Rohstoff-Qualitäten, insbesondere, wenn Altpapier verwendet wird. „Mehr Rezyklatanteil bedeutet weniger vorhersagbaren Rohstoff“, sagte Heuvel während des „Smart Paper Day“ des „Packreport“-Schwestertitels „Wochenblatt Papierfabrikation“. Die Zusammensetzung ändere sich von Charge zu Charge, Faserlängen und Festigkeiten könnten auch innerhalb einer Charge variieren, und sowieso bringe Altpapier Störstoffe und Fremdmaterial mit sich.

„Diese Dinge merken wir nicht dort, wo der Rohstoff in die Maschine gebracht wird, sondern erst stromabwärts, wenn sie Probleme verursachen“, so Heuvel. Das führe zu schlechteren Laufeigenschaften, zu Fehlstellen und schlimmstenfalls eben zu Bahnabrissen und Ausschuss.

Daraus könne das Assistenzsystem drei Dimensionen von Handlungsempfehlungen ableiten, sagt Heuvel. Zunächst melde es, was sich ändern wird, also ob eine Qualitätsschwankung drohe oder gar ein Abriss. Zum zweiten begründe das System seine Prognose mit „den treibenden Prozesssignalen, rückverfolgbar bis zum Rohstoff“. Und drittens priorisiere es die Korrekturmaßnahmen auf Grundlage der Wissensdatenbank.

„Der Bediener behält die Entscheidungshoheit“, betont Heuvel. „Prognosen und Expertenwissen ergeben eine Handlungsempfehlung, nie einen automatischen Eingriff.“ Gleichzeitig müsse das Personal nicht mehr Experte für jede Kleinigkeit sein und komme eher in die Rolle eines Planers.

Das Modell des Assistenzsystems ist noch nicht fertig, zurzeit laufen Produktionstests an echten Maschinen. „Die Kette reicht vom Altpapierlieferanten bis zur Papiermaschine und ist der gemeinsame Ansatzpunkt für Zulieferer und Produzenten“, sagt Heuvel. Entsprechend arbeitet die RWTH mit einer ganzen Reihe von Unternehmen zusammen, um Material- und Prozessdaten entlang der Wertschöpfungskette zu sammeln und ins Machine Learning zu speisen. So könne jeder Ballen Altpapier seine Daten an die Papiermaschine vorausschicken.

„Es gibt in der Forschung viele verfügbare KI-Methoden, aber meistens auf einem niedrigen Level“, sagt Heuvel. „Wo es relevant für die Industrie ist, wird es schwierig.“ Diese Transferlücke zwischen Forschung und Industrie gelte es zu überwinden. Nicht zuletzt brauche es zuverlässige Ergebnisse und ein gutes Change-Management, damit die Bediener geschult sind und mit dem System arbeiten.

Dass sich das lohne, rechnet die RWTH modellhaft wie folgt vor. Sie veranschlagt die Kosten einer verlorenen Produktionsstunde mit 15.000 Euro und vermutet drei ungeplante Unterbrechungen von mindestens einer Stunde pro Woche. Würden zwei davon durch Prognosen verhindert, ergäben sich 30.000 Euro Sparpotenzial, was bei Implementierungskosten von geschätzt 100.000 Euro eine Amortisation in unter vier Monaten bedeute.