KI-Schweißnaht-Prüfung: AWS-D1.1-Defekte, die das Auge übersieht
Nacharbeit nach AWS D1.1 bei MIG-Schweißnähten liegt auf disziplinierten Linien bei rund 3 Prozent, auf undisziplinierten bei 7 Prozent. Die reine Sichtprüfung übersieht einen signifikanten Teil dieser 7 Prozent. KI schließt die Lücke, ohne den menschlichen Prüfer zu ersetzen.
Schweißnahtprüfung ist ein altes Problem, das zwei Jahrzehnte langsam geblieben ist, weil die Werkzeuge entweder zu teuer (Röntgen) oder zu langsam (Penetrationstest) für den Linienbetrieb waren. Moderne KI-Sichtprüfung macht kontinuierliche Schweiß-QS auf der Linie endlich wirtschaftlich, nicht nur an der Stichproben-Station.
Die sechs Defektklassen aus AWS D1.1
Porosität ist im Schweißgut eingeschlossenes Gas, als Oberflächen-Poren sichtbar. Einbrandkerbe ist eine Rille am Nahtrand, wo Grundmaterial abgetragen und nicht aufgefüllt wurde. Überlappung ist nicht verschmolzenes Schweißgut, das auf dem Grundmaterial sitzt. Kaltes Überlappen ist Schweißgut, das vor dem Verschmelzen erkaltet ist, als scharfe Kante erkennbar. Burn-Through ist ein Schmelzbad, das das Blech durchfressen hat. Endkraterrisse sind Oberflächenrisse am Nahtende.
Alle sechs sind bei richtiger Beleuchtung und Winkelung visuell detektierbar. Alle sechs sind für einen menschlichen Prüfer über eine 8-Stunden-Schicht schwer konsistent zu erkennen. Diese Lücke schließt KI.
Warum Sichtprüfung und Penetrationstest eine Decke haben
Menschliche Sichtprüfung übersieht im Schnitt rund 15 Prozent detektierbarer Defekte, laut AWS-Studien zur Hand-Schweißnahtqualität. Die Zahl steigt im Schichtverlauf. Penetrationstest ist sensibler, braucht aber 15 Minuten pro Naht und läuft nicht kontinuierlich auf einer Produktionslinie.
KI-Sichtprüfung läuft durch, ermüdet nicht, und hält in Stunde 8 denselben Recall wie in Stunde 1. Der Tradeoff: sie braucht 2.000 bis 5.000 gelabelte Beispiele pro Defektklasse, um Produktionsgenauigkeit zu erreichen.
Was KI sieht, was das Auge nicht sieht
Mikro-Einbrandkerben unter 0,1 Millimeter tief. Spritzermuster, die mit vorgelagerter Brennerabnutzung korrelieren. Subtile Oberflächenfarb-Veränderungen, die kaltes Überlappen vorhersagen, bevor es in den endgültigen scharfkantigen Zustand übergeht. Keins davon ist für einen Menschen unmöglich, aber keins ist im Linientakt über eine volle Schicht zuverlässig zu sehen.
Interessanter noch: über eine Linie trainierte KI-Modelle erkennen Drift, bevor sie als verworfene Naht auftaucht. Ein steigender Spritzermuster-Score ist ein Frühwarnsignal für verbrauchsartikelbedingten Verschleiß. Das verschiebt die Inspektion von reaktiver QS zu vorausschauender Wartung.
Setup: Beleuchtung, Kamerawinkel, Trainingsdaten
Zwei-Winkel-Beleuchtung bei 30 Grad von beiden Seiten ist der Standardstart für MIG-Nähte. Die Kamera sitzt 40 bis 60 Zentimeter von der Naht entfernt auf einem starren Mount. Die Aufnahme passiert 2 bis 5 Sekunden nach Abschluss der Schweißung, sobald die Naht kühl genug ist, um keine sichtbare Hitzestrahlung mehr abzugeben.
Trainingsdaten sind der Engpass. Die meisten Schweißzellen haben mehrjährige Schweißprotokolle mit Prüfer-Annotationen. Diese Historie plus 500 bis 1.000 neue Bilder während der Inbetriebnahme reicht meist für produktionsfähige Genauigkeit auf den ersten vier Defektklassen.
Unser Beleuchtungs-Setup-Guide liefert die genauen Winkel-, Abstands- und Belichtungswerte.
Integration mit der MIG- oder TIG-Zelle
Der Kamera-Trigger kommt aus der Brennersteuerung. Das Inferenzergebnis geht in MES und SPC-Chart. Bei Roboterzellen feuert das Weld-Complete-Signal die Kamera mit 3 Sekunden Verzögerung. Bei Handschweißen reicht ein Bediener-Knopf.
Die Pass-Fail-Aussage muss innerhalb von 8 Sekunden kommen, um den Linienfluss nicht zu stören. Moderne Edge-Compute schafft das komfortabel.
Für den vorgelagerten Automobilkontext siehe den Rohbau-Use-Case. Für die volle Kategorie von Defekten, die KI findet, ist unsere Übersicht die Referenzliste.
Enao Vision betreibt iPhone-basierte Schweiß-Inspektionszellen an mehreren Kundenstandorten. Das System ist die günstigste Variante in der Kategorie mit rund 3.500 Euro pro Zelle plus OpEx-Lizenz, und Schweißzellen zahlen die Lizenz innerhalb eines Quartals allein über Nacharbeit-Reduktion. Modell-Feintuning ist ein häufiges Thema im Community-Slack, weil jede Anlage andere Verbrauchsmaterialien, Drahtförderer und Schutzgase fahrt.
Die 4-Prozent-Lücke zwischen disziplinierten und undisziplinierten MIG-Linien ist der Spielraum, den KI-Inspektion bezahlt. Die Werkzeuge dazu existieren endlich ohne Capex-Projekt. Viele Werke haben Schweiß-QS fünf Jahre nicht angefasst, und die Kategorie hat sich bewegt.