AutonomIQ

Ausgangssituation

Die CAM-Programmierung stellt in der heutigen Einzel- und Kleinserienfertigung einen der größten Engpässe in der Arbeitsvorbereitung dar. Sie ist zeitaufwändig, personalintensiv und stark vom Erfahrungswissen einzelner Fachkräfte abhängig. Gleichzeitig nimmt durch den Trend zur Individualisierung die Anzahl an Kleinstaufträgen stetig zu – bei gleichbleibend hohen Anforderungen an Effizienz und Präzision. Der zunehmende Fachkräftemangel verschärft diese Herausforderung weiter.

Zielsetzung

autonomIQ zielt darauf ab, die bisher manuelle CAM-Planung zu automatisieren und durch intelligente Algorithmen zu ersetzen. Kern der Lösung ist ein selbstlernender CAM-Kernel, der mittels KI und realitätsnaher Prozesssimulation automatisiert Werkzeugbahnen generiert, optimiert und direkt zur Angebotserstellung nutzt. Unternehmen sollen so in die Lage versetzt werden, ihre Aufträge schneller, effizienter und fehlerfreier abzuwickeln – unabhängig von der Qualifikation einzelner Mitarbeitender.

Vorgehensweise

Im Rahmen des Projekts wird eine Lösung mit mehreren Ausbaustufen entwickelt – von der Angebotsautomatisierung bis hin zur vollständigen Maschinenintegration. Dabei kombiniert autonomIQ Prozesswissen, maschinenspezifische Simulationen und KI-Modelle zur Echtzeitoptimierung. Durch Pilotprojekte mit verschiedenen Industriepartnern wird die Lösung praxisnah getestet und weiterentwickelt.

Ziel ist es, sowohl eine skalierbare Plug-&-Play-Lösung für Brownfield-Maschinen als auch eine tief integrierte Variante für Neumaschinen zu qualifizieren. Neben technologischen Innovationen verfolgt autonomIQ auch klare Nachhaltigkeitsziele, etwa durch die Reduktion von Ausschuss, Energieverbrauch und Fachkräftebindung in repetitiven Tätigkeiten.

Verwertung und Perspektive

Mit dem Projekt legt autonomIQ den Grundstein für ein marktgängiges Produkt zur autonomen Bahnplanung. Durch den modularen Aufbau kann die Lösung sowohl von Fertigungsbetrieben als auch von Maschinenherstellern eingesetzt werden. Die Gründung eines DeepTech-Startups sowie der Aufbau eines strategischen Partnernetzwerks (u.a. mit EIT Manufacturing und Hessian.AI) sollen den erfolgreichen Transfer der Forschung in die industrielle Praxis sicherstellen und langfristig zur Digitalisierung und Wettbewerbsfähigkeit des Industriestandorts Deutschland beitragen.

Fördergeber

Projektträger