Europe 
Türkiye 
United Kingdom 
Global 
Anmeldung mit meinem Xometry-Konto 
Wir haben uns mit Omar Fergani, CEO und Mitgründer von NEOFORGE, getroffen, um darüber zu sprechen, warum die additive Metallfertigung noch immer im Trial-and-Error-Verfahren feststeckt, was physikgesteuerte KI eigentlich bedeutet und wie AMAIZE den traditionellen Design-Produktions-Test-Lern-Zyklus auf den Kopf stellt.
Die enormen Kosten von Fehlschlägen
Was ist das Problem beim heutigen Metall-3D-Druck?
Die additive Metallfertigung ist eine entscheidende Technologie für einige Teilbereiche wie die Luft- und Raumfahrt sowie Verteidigung. Obwohl das Potenzial der additiven Metallfertigung enorm ist, sehen wir jedoch nicht die Skalierung und weltweite Akzeptanz, die wir uns bis heute erhofft hatten.
Es gibt mehrere Probleme. Das offensichtlichste ist, dass es sich um eine hochgradig anspruchsvolle Industrietechnologie handelt. Die meisten Leute denken, es sei wie beim FDM-Verfahren: Ich kaufe eine Maschine, habe ein Design, drücke den Knopf und drucke. Tatsächlich erfordert es ein enormes Fachwissen, und der einzige Weg, diese Experten auszubilden, besteht darin, sie durch viele Fehlschläge lernen zu lassen. Die Kosten dieser Fehlschläge können jedoch beträchtlich sein, wenn man die millionenschwere Maschinenzeit und Produktionsmaterialien wie Titan oder Inconel bedenkt. Daher gibt es nicht viele Unternehmen, die sich eine solche Personalschulung leisten können.
Das zweite Problem ist, dass es selbst für erfahrene Bediener schwierig ist, die Drucke auf Anhieb richtig hinzubekommen (First-Time-Right). Wenn man oft scheitert, verschwendet man Zeit an einer teuren Maschine, verbraucht teures Material und verursacht Verzögerungen. Das belastet die Kostenstruktur enorm.
Und das dritte Problem ist, dass die Anwendungsfälle, die am meisten von der additiven Fertigung profitieren würden, noch nicht weit verbreitet sind.
Thermische FEA (Finite-Elemente-Analyse) wurde als Lösung für den Druckerfolg diskutiert. Was denken Sie darüber?
Zu simulieren, anstatt an die Maschine zu gehen und es auf einen physischen Versuch ankommen zu lassen, ist sehr klug. Mehr Simulation, weniger physische Iteration ist immer sehr sinnvoll. Aber sind Finite-Elemente-Methoden die Antwort? Aus meiner Sicht: Nein.
Fertigung ist keine Analysearbeit. Fertigungsingenieure werden sich niemals mit der Finite-Elemente-Methode anfreunden. Sie ist sehr komplex und erfordert eine weitere Ebene an Fachwissen. Und die Ebene, auf der Finite-Elemente eingesetzt werden müssen, um Fertigungsprobleme zu lösen, ist der Werkzeugpfad. Die Simulation von über 3.000 Kilometern Werkzeugpfad mit Finite-Elementen würde wahrscheinlich 24 Millionen Jahre Rechenzeit erfordern. Zu behaupten, dass FEA die Antwort sei, ist also einfach unrealistisch.
Die gute Nachricht ist jedoch, dass wir mit KI von der deterministischen Lösung partieller Differentialgleichungen zu einem probabilistischen, statistisch basierten Ansatz übergegangen sind. Damit können wir 3.000 Kilometer in wenigen Minuten berechnen. Das ist die Möglichkeit, die das maschinelle Lernen mit sich gebracht hat.
What made you and your co-founder Katharina start NEOFORGE?
Katharina und ich haben komplementäre Hintergründe. Sie bringt tiefgreifende Expertise in KI und physikbasierter Modellierung mit, während ich jahrelange Erfahrung als Endnutzer und bei Maschinen-OEMs habe und gesehen habe, wie sich dieselben Probleme bei Kunden ständig wiederholen. Diese Kombination ist das Fundament unseres Unternehmens.
Wir fanden uns durch eine bestimmte Überzeugung zusammen: Die Industrie der additiven Fertigung versuchte, ein fundamental probabilistisches Problem mit deterministischen Werkzeugen zu lösen. Finite-Elemente-Methoden, egal wie ausgereift, würden niemals auf die Auflösung auf Werkzeugpfadebene skalieren, die in der realen Produktion erforderlich ist , denn die Rechenkosten sind extrem hoch und die Benutzererfahrung ist für Fertigungsingenieure, die keine Analysten sind, schlichtweg ungeeignet.
Was wir erkannten, noch bevor jemand ernsthaft über KI in der Fertigung sprach, war, dass maschinelles Lernen, das auf qualitativ hochwertigen physikalischen Daten trainiert wird, das Rechenproblem von Jahren auf Minuten reduzieren kann. Auf dieser Erkenntnis, dass das richtige Paradigma probabilistisch und lernbasiert ist und nicht deterministisch und solver-basiert, baut AMAIZE auf. Die Gründung des Unternehmens war der einzige Weg, dies in der erforderlichen Tiefe und Geschwindigkeit umzusetzen.
Simulationen, die Risiken aufzeigen und Lösungen bieten
Was ist AMAIZE?
Im Kern von AMAIZE steht ein Basismodell, das alles über die Laser-Material-Interaktion versteht. Wir nutzen dieses Modell für Simulationen. Wenn Sie ein sehr großes Bauteil haben, dessen Druck Wochen dauert und bei dem das Ausfallrisiko hoch ist, simulieren wir das in wenigen Minuten. Wir erkennen, wo das Fehlerrisiko liegt, geben den Konstrukteuren Feedback und bieten den Fertigungsingenieuren Lösungen an, damit sie das gesamte Lernen im Vorfeld abschließen können, noch bevor sie das Design überhaupt fertigstellen und drucken.
Stellen Sie sich das so vor: Der gesamte Konstruktions-, Produktions-, Test- und Lernzyklus verlief immer gleich : Design, Produktion, Testen, Lernen. Wir haben jetzt die Möglichkeit, das Lernen an den Anfang zu stellen. Wir sagen den Ingenieuren: Stellen Sie Ihr Design nicht direkt fertig, produzieren Sie noch nicht, lernen Sie erst einmal so viel wie möglich. Das ist heute möglich, weil es recheneffizient ist. Wenn Sie all diese digitalen Iterationen zu nahezu null Kosten durchgeführt haben, schließen Sie das Design ab, produzieren und testen Sie in der physischen Welt. Das ist der Paradigmenwechsel, den wir herbeiführen.
Und das ist nicht nur eine digitale Technologie, die im luftleeren Raum existiert. AMAIZE ist weltweit die erste Technologie, die tatsächlich in Industriemaschinen implementiert wurde. Noch interessanter ist, dass wir das erste Unternehmen sind, das den Scanner direkt steuert, nicht nur die Maschine. Wir haben unsere KI in den Laserscanner integriert, zum Beispiel bei SCANLAB. Es ist also eine Technologie, die vom Design über die Iteration bis zur direkten Ausführung auf der Maschine reicht.
Wie funktioniert das eigentlich genau?
Alles, was ein Experte getan hätte, erledigt jetzt die Software. Sie führt unzählige Simulationen durch, verschachtelt das Bauteil, platziert Stützstrukturen nur dort, wo sie benötigt werden, und optimiert die Scanstrategie, um höchste Qualität und die beste Oberflächengüte zu erreichen. Dann folgen Slicing und Hatching, um Ihnen einen G-Code zu liefern, der direkt an die Maschine gesendet werden kann. Ein vollständiger End-to-End-Prozess. Der Mensch sieht, was die Technologie tut, kann es analysieren, Daten extrahieren und hinterfragen. Aber in der Realität nutzen wir reine Rechenleistung, um die gesamte Arbeit zu erledigen.
Einige dieser Ziele stehen natürlich im Widerspruch zueinander. Deshalb führen wir mehrere Optimierungen durch und zeigen dem Kunden verschiedene Optionen in Form unterschiedlicher G-Codes. Die Software schlägt die drei interessantesten Varianten vor: Eine ist auf Kosten optimiert, eine andere auf Qualität und eine dritte auf Produktionszeit. Am Ende entscheiden Sie, welche Variante Sie wählen. Und wenn Sie sich entschieden haben, können Sie die Datei einfach übertragen und auf „Drucken“ klicken, da wir direkt in Ihren OEM integriert sind.
Was passiert, wenn mein Design einfach nicht druckbar ist?
Wenn Sie die Datei hochladen, liefern wir Ihnen nicht nur den G-Code. Wir zeigen Ihnen auch, wo wir Probleme sehen. Als Konstrukteur können Sie Ihr Design in 3D genauso sehen, wie es ist. Sie erkennen die kritischen Bereiche, in denen wir selbst mit unserer Optimierung das Risiko nicht verringern konnten.
Denken Sie an einen Verteiler. Stellen Sie sich vor, Sie drucken diesen. Die Null-Grad-Überhänge werden sehr heiß, egal wie stark ich sie optimiere. Die Software wird Ihnen zeigen, dass es in Ihrem Design immer noch ein Problem gibt. Das ist der erste Vorteil unseres Tools: Design zur Herstellbarkeit (DfM)..
Wir zeigen Ihnen, wo das Problem liegt, wir optimieren es, es funktioniert immer noch nicht : Sie müssen an Ihrem Design arbeiten. Hier haben wir Ihnen viel Zeit und Geld gespart, da Sie nicht an die Maschine gehen, keinen Fehler erleben und keine manuelle Überwachung durchführen mussten. Das ist Lernen zu nahezu null Kosten.
Was bedeutet physikgesteuerte KI?
Einfach ausgedrückt bedeutet es, dass es einen Experten gibt, der das Problem kennt, ein Modell erstellt, das Modell auf einer deterministischen Basis validiert und enorme Rechenleistung nutzt, um eine große Menge an Daten in diesem Bereich zu generieren. Anschließend nutzt er diese Daten, um eine KI zu trainieren. Unsere Modelle werden mit hochwertigen, validierten und numerisch gelösten Datenpunkten trainiert.
Unternehmen nutzen unterschiedliche Maschinen und Materialien. Wie können Sie die Drucke unter Berücksichtigung dieser verschiedenen Setups optimieren?
Alle diese Maschinen nutzen Energie für den Laser , und die Bewegung wird durch den G-Code bestimmt. Der einzige Unterschied liegt im Timing, dem Energieverbrauch und Ähnlichem. Das sind lediglich unterschiedliche Randbedingungen, die in unser Modell einfließen.
Je nach Größe und Eigenschaften der Maschine kann sich einiges ändern. Mehrere Laser, ein schnellerer oder langsamerer Pulverauftrag oder eine beheizte oder unbeheizte Bauplatte. Aber das sind nur Parameter für unser Modell. Wir haben Zugriff auf die APIs aller Maschinen, kennen also die maschinenspezifischen Details und berücksichtigen diese.
Große OEMs benötigen Bauteilqualifizierung
Für welche Arten von Unternehmen ist AMAIZE am besten geeignet?
Der spannendste Bereich, in dem wir derzeit sehr aktiv sind und der unseren höchsten Return on Investment bietet, sind große OEMs. Der größte Anwendungsfall ist wohl dort, wo die additive Fertigung bei High-End-Anwendungen blockiert wird: die Qualifizierung. Wie kann ich sicherstellen, dass mein Druckrezept die beste Mikrostruktur und die besten mechanischen Eigenschaften erzielt? Wie stelle ich sicher, dass ich das konsistent wiederholen kann? Das sind die Projekte, in denen wir den größten Mehrwert sehen, und das sind große OEMs, die Antriebssysteme, Turbopumpen und Antennen bauen.
Zudem gibt es ein wachsendes Segment bei Pulverherstellern. Sie wissen ganz genau, dass der Erfolg der Kunden beim Kauf ihres Pulvers nicht nur von den Kosten abhängt, sondern auch von einer Partnerschaft mit Unternehmen wie uns, die bei der Verarbeitbarkeit der Materialien helfen. Denken Sie an hochfestes Aluminium. Sie können Würfel drucken und eine hohe Dichte sowie gute Qualität erzielen. Sobald Sie diese Prozessparameter jedoch auf eine komplexe Geometrie anwenden, entstehen Risse. Der Kunde wird das Material daraufhin nicht nutzen. Deshalb arbeiten die Hersteller gerne mit uns zusammen, um ihren Kunden eine Komplettlösung zu bieten.
Welche Verbesserungen stellen Ihre Kunden fest?
Erstens gibt es Kategorien von Bauteilen, die früher nicht hergestellt werden konnten. Dank unserer Technologie ist es nun möglich, Impeller (Laufräder) mit sehr geringem Überhang und extrem dünner Wandstruktur zu drucken. Das ist bereits ein echter Game-Changer. Dünnwandige Strukturen, die Unmengen an Stützstrukturen erfordern, sind ein Albtraum. Niemand möchte sie additiv fertigen , jetzt ist das problemlos möglich.
Zweitens steigt Ihre First-Time-Right-Quote drastisch an und wird absolut konstant. Wenn Sie ein erfolgreicher Fertigungsdienstleister sind, haben Sie wahrscheinlich einen Experten, der gewisse Geheimnisse kennt, und Sie sind von dieser Person abhängig. Mit unserer Technologie haben wir dazu beigetragen, diesen Prozess systematisch zu gestalten. Jeder Kunde, der von rein menschlicher Expertise auf einen systematischen Ansatz umsteigt, sieht, wie seine First-Time-Right-Rate erheblich steigt, ohne dass er auf solche Super-User angewiesen ist.
Das bedeutet natürlich nicht 100 % First-Time-Right. So etwas gibt es nicht. Manchmal führt die Maschine nicht exakt das aus, was die Software vorschreibt, manchmal wird die Rakel zerstört. Aber systematisch sehen wir eine Zunahme an Wiederholbarkeit und Erfolg, auch bei Bauteilen, die früher schlicht unmöglich waren. Wirtschaftlich gesehen ist der Ertrag absolut fantastisch.
Haben Sie interessante Kundengeschichten?
Eine Geschichte, die mir besonders im Gedächtnis geblieben ist , ohne Namen zu nennen , handelt von einem Kunden aus dem Spitzensegment der Raumfahrtindustrie. Keine Kapitalengpässe, unzählige Maschinen, die besten Bediener, und sie hatten das thermische Problem bereits manuell gelöst. Das Problem war lediglich, dass die manuelle Korrektur suboptimal war, wodurch die wichtigsten Teile am langsamsten produziert wurden. Bei industriellen Produktionsvolumina wird das brutal. Mehr Teile bedeuten mehr Maschinen, und irgendwann geht einem der Platz im Werk aus. Sie standen vor einem millionenschweren CAPEX-Investitionszyklus zur Erweiterung.
Sie kamen zu uns, um zu prüfen, ob AMAIZE das thermische Problem noch besser in den Griff bekommen könnte, bevor sie die Erweiterung unterzeichneten. Indem AMAIZE einen viel größeren Designraum untersuchte, als es ein Bediener jemals könnte, wurde der Durchsatz auf derselben Hardware erheblich gesteigert. Die Werkserweiterung wurde vom Tisch genommen und die CAPEX-Rechnung verschwand.
Datei hochladen, Ergebnis herunterladen
Was kostet AMAIZE?
Wir passen den Preis an die tatsächliche Nutzung und das Setup des Kunden an. Im Moment wird AMAIZE als Service (SaaS) angeboten.
Wie sieht die Implementierung aus?
AMAIZE ist in drei Formaten erhältlich.
Erstens: Wir betreiben den Service für Sie. Wir haben es für jeden super einfach gemacht. Sie schildern uns Ihr Problem, wir führen es aus und senden Ihnen eine Datei. Sie müssen sich nicht um Schulungen oder die Implementierung kümmern.
Zweitens: SaaS für unsere geprüften Kunden. Wir haben einen Workflow geschaffen, bei dem wir die Geometrie und das Material erhalten. Da wir die Maschine des Kunden kennen, führen wir den Prozess sicher auf unserer souveränen Cloud in Europa aus und senden die fertige Datei. Danach können sie einfach drucken.
Drittens: Wir haben einige spezifische Kunden, die aufgrund strenger Einschränkungen im Verteidigungsbereich eine On-Premise-Bereitstellung (lokale Installation) benötigen. Dies bieten wir in Sonderfällen weiterhin an.
Ist AMAIZE im Moment also eher ein Service?
Man kann es als Service betrachten, ja. Es lässt sich als API bereitstellen. Unsere Kunden erhalten Zugriff auf unsere Software, laden die Datei hoch und laden das Ergebnis direkt herunter. Es ist eine SaaS-Lösung, ohne dass man erst ein Experte werden muss. Das Ganze ist vollautomatisiert. Und falls etwas doch nicht automatisiert sein sollte, kümmert sich jemand aus unserem Team darum.
Welche Informationen benötigen Sie für den Anfang?
Wir benötigen das Material, den Drucker, die Geometrie und das primäre Ziel der Optimierung. Anschließend senden wir Ihnen die Ergebnisse entweder als fertiges Bauteil oder als Druckrezept.
Staatliche Programme bringen die Industrie voran
Sie haben davon gesprochen, dass Produktionsmaschinen keine menschlichen Bediener mehr benötigen. Wie weit ist das noch entfernt?
Man darf das nicht als Schwarz oder Weiß sehen, sondern eher als eine Roadmap. Als ich in der Branche anfing, gab es so etwas schlichtweg nicht. Man musste deterministische Software verwenden und vieles manuell erledigen. Ich habe unzählige CAM-Kurse belegt, bin aber nie wirklich gut darin geworden. Man muss sich wirklich intensiv anstrengen, um darin Experte zu werden.
In der additiven Fertigung ist das Ziel fast erreicht, zumindest was den Computer-Workflow betrifft. Der typische Ansatz: „Ich gehe an den Computer, öffne das Programm, erstelle Stützstrukturen, richte das Bauteil aus, füge dies hinzu und ändere manuell die Ausrichtung“, gehört bereits der Vergangenheit an. Wer das heute noch tut, weiß entweder nicht, dass es Alternativen gibt , was legitim ist , oder hält stur am falschen Ansatz fest. In den modernen Fabriken, insbesondere in Europa, werden fähige Mitarbeiter für weitaus wichtigere Aufgaben gebraucht, als ein Bauteil in einem Build-Prozessor manuell auszurichten.
Bedeutet das, dass wir alles über die Maschinen-Hardware steuern? Nein, das muss die Robotik übernehmen. Aber der Workflow am Computer ist weitestgehend automatisiert. In den letzten drei Jahren hat sich das von null bis zur marktreifen Implementierung entwickelt.
Was ist mit der CNC-Bearbeitung? Sie haben die Software für die 5-Achs-Bearbeitung erwähnt.
Obwohl die physikalischen Prozesse in der additiven Fertigung deutlich komplexer sind, ist für die KI im CAM-Bereich die größte Herausforderung meiner Meinung nach die Werkzeugstrategie. Welches Werkzeug für welche Oberfläche in welcher Reihenfolge verwendet wird, hat nichts mit Physik zu tun. Das lässt sich nur lösen, wenn man über Unmengen an Expertendaten verfügt , die Unternehmen natürlich ungern weitergeben.
Jedes Unternehmen, das diese Technologie für die Bearbeitung entwickeln will, kauft am Ende eigene Maschinen und verkauft sie später wieder, weil es schlichtweg ein Albtraum ist, sie rentabel zu betreiben. Ich halte es für ein Problem des bestärkenden Lernens (Reinforcement Learning). Es ist deutlich komplexer, daher wird es in diesem Bereich noch etwas mehr Zeit in Anspruch nehmen.
Was muss sich ändern, damit sich der 3D-Druck weiter durchsetzt?
Wenn ich mir den technologischen Fortschritt in der Fertigung historisch ansehe, ist er immer mit einem echten Nachfragesog verbunden. Nehmen wir Verbundwerkstoffe: Ohne den Airbus A380 oder den Dreamliner wäre die Industrie für Verbundwerkstoffe niemals so stark gewachsen. Was wir in Europa brauchen, sind nicht noch mehr Leute wie wir, die wissen, wie man Technologie entwickelt. Wir brauchen große, ehrgeizige Programme. Jedes Land in Europa muss ein solches Großprogramm auflegen. Die additive Fertigung könnte von den Verteidigungsausgaben und dem Bestreben, unsere Verteidigung wieder aufzubauen, enorm profitieren. Leider ist es die Rüstungsindustrie; wir hätten uns einen anderen Treiber gewünscht, aber so ist es nun einmal.
Gibt es noch andere interessante KI-Unternehmen in der Fertigung, die Sie hervorheben möchten?
Mir gefällt sehr, was das Team von EMMI AI auf die Beine gestellt hat. Sie haben eine KI für den Spritzguss entwickelt. Der Spritzguss wird wirklich in extrem großem Maßstab eingesetzt, es ist eine gewaltige Industrie, und sie ist höchst komplex.
Related Topics
theprintede electronics
Uliana Krayneva
0
3
Comment(0)