Die Fraunhofer-Allianz Big Data und Künstliche Intelligenz fördert jährlich praxisnahe KI-Lösungen, die konkrete industrielle Probleme lösen. Eine Jury aus Geschäftsfeldleitenden wählte nun aus 20 Ideen fünf Gewinnerprojekte aus – das Fraunhofer IMS ist gleich mit zwei Projekten dabei.

CIP-GUARD – KI-basierte Zustandsüberwachung von Tankreinigungssystemen

In der Lebensmittel- und Pharmaindustrie sind rotierende Tankreinigungsdüsen unverzichtbar für die hygienische Reinigung von Prozess- und Lagertanks. Das Problem: Im laufenden Betrieb sind diese Systeme nicht einsehbar. Verstopfungen, Lagerschäden oder reduzierte Drehzahlen bleiben oft lange unentdeckt mit potenziell gravierenden Folgen für Produktqualität und Produktionssicherheit, im schlimmsten Fall bis hin zu Produktrückrufen.

Gemeinsam mit dem Fraunhofer IVV entwickelt das IMS einen KI-Sensor, der außen am Tank montiert wird und die charakteristischen Körperschallsignaturen der Spritzstrahlen analysiert. Die KI erkennt dabei Abweichungen vom Normalbetrieb und identifiziert mögliche Fehlerursachen in Echtzeit, ganz ohne Eingriff in den laufenden Prozess. Durch Methoden zur Domänenadaption und Few-Shot-Learning passt sich das System mit nur wenigen Datenpunkten an unterschiedliche Tankgeometrien und Betriebsbedingungen an. Die KI-Auswertung läuft direkt auf dem Sensorknoten, basierend auf dem am IMS entwickelten Open-Source-Framework AIfES, und ermöglicht so eine einfache Nachrüstung bestehender Anlagen.

Der Demonstrator macht das Konzept greifbar: An einem 10.000-Liter-Industrietank des Fraunhofer IVV wird der Sensor unter realen Bedingungen erprobt. Gezielt herbeigeführte Fehler wie verstopfte Düsen, Verklemmungen oder Lagerschäden liefern die Trainingsdaten für die KI-Modelle. Die Detektionsergebnisse werden live auf einem Dashboard am Tank angezeigt. Da das System als autarke Retrofit-Lösung konzipiert ist, lässt es sich später auch direkt bei Kunden vor Ort oder an einem portablen Demonstrationstank einsetzen.

VIVID – Visuelle Schwingungsanalyse mit Edge-KI

Vibrationen sind ein wichtiger Indikator für den Zustand von Maschinen, doch ihre Analyse erfordert bisher meist teure Spezialkameras oder aufwändige Sensorik. Der Demonstrator VIVID, ein Gemeinschaftsprojekt mit dem Fraunhofer IEM, geht einen anderen Weg.

Das Projekt entwickelt KI-basierte Algorithmen, die hochfrequente Schwingungen mit kostengünstigen Standardkameras sichtbar und messbar machen. Die Lösung erfasst kleinste Bewegungen aus Videodaten, bestimmt Frequenzen präzise und erkennt vibrationsbedingte Veränderungen direkt auf Edge-Systemen für den Einsatz in industriellen Echtzeitanwendungen.

Demonstriert wird der Ansatz anschaulich anhand einer Gitarre: Die Schwingungen der Saiten werden visuell erfasst und analysiert: ein eingängiges Beispiel für das Potenzial der Technologie in der vorausschauenden Wartung.

Beide Projekte starten im April 2026 und haben acht Monate Laufzeit. Sie stärken die strategische Ausrichtung des Fraunhofer IMS im Bereich industrielle sensornahe KI und erweitern das Portfolio um neue Anwendungsfelder in der Lebensmittelindustrie und der Zustandsüberwachung.

Gefördert durch das Fraunhofer-Cluster of Excellence Cognitive Internet Technologies