Wie KI die grüne Stahlherstellung unterstützt

Quelle: https://www.voestalpine.com/blog/de/innovation/sehr-gescheit-kuenstliche-intelligenz-bei-voestalpine/

In der dynamischen Landschaft der industriellen Fertigung gewinnt die künstliche Intelligenz (KI) zunehmend an Bedeutung. Sie dient nicht allein dazu, die Effizienz zu steigern, sondern vor allem auch, um die Umweltauswirkungen zu reduzieren. In diesem Kontext wächst die Rolle der KI bei der Herstellung von "grünem Stahl". Nachfolgend wird beleuchtet, welche Schlüsselrolle die KI im Transformationsprozess der Stahlherstellung spielt, und wie intelligente Technologien die Stahlindustrie nicht nur effizienter, sondern auch nachhaltiger gestalten können.

© (Quelle: https://www.mpie.de/4894435/ml-for-corrosion-science)

A Schematische Darstellung des neuronalen Lernmodells. B Schematische Darstellung der Datenverarbeitung mithilfe natürlicher Sprachverarbeitung. LSTM: long short-term memory (übersetzt: langes Kurzzeitgedächtnis).© Science Advances, DOI: 10.1126/sciadv.adg7992

KI als Schlüsselakteur in der hochspezialisierten Produktion

KI-gestützte Anwendungen verbreiten sich rasant. Fachleute sehen sich einer regelrechten Flut von neuen Trends und Tools gegenüber, die die Spielregeln der Produktion grundlegend verändern. Der Einsatz von KI in der Industrie geht dabei weit über einfache Automatisierung hinaus. Sie fungiert als Gehirn, das Informationen verarbeitet, Muster erkennt, Probleme löst und in Sekundenschnelle Entscheidungen trifft. In der industriellen Praxis gibt es zahlreiche Beispiele, die den Einsatz von KI in der Qualitätsprüfung, der vorausschauenden Planung von Wartungen oder bei der Überwachung und Steuerung von Produktionsabläufen verdeutlichen.

Grundlagen für leistungsstarke KI-Lösungen

Die Leistungsfähigkeit KI-basierter Lösungen ist abhängig vom Daten-Input. KI-Modelle müssen mit ausreichenden Mengen an qualitativ hochwertigen Daten gefüttert werden, um den entsprechenden Output liefern zu können. In der Produktion liegen in der Regel eine Fülle präziser Sensordaten vor, die für das Training der KI-Modelle genutzt werden können.

Auch in der Materialwissenschaft wird KI eingesetzt, beispielsweise, um das Korrosionsverhalten von Materialien vorherzusagen und so optimale Legierungszusammensetzungen zu finden. Hier ist die Vorhersagekraft der KI-Modelle allerdings begrenzt, da nicht alle relevanten Daten in Betracht gezogen werden können. In der Regel verarbeiten solche KI-Modelle numerische Daten. Die Herstellung und Verarbeitung einer Legierung hingegen wird textlich dokumentiert. Allerdings ist es Wissenschaftlern des Düsseldorfer Max-Planck-Instituts für Eisenforschung (MPIE) inzwischen gelungen, ein maschinelles Lernmodell zu entwickeln, das sowohl numerische Daten als auch natürliche Sprache vollautomatisch verarbeitet. Mit dem Modell lässt sich korrosives Versagen um 15 Prozent genauer vorhersagen. Das Modell soll jetzt um Mikroskopie-Bilder erweitert werden, damit alle relevanten Informationsquellen wie Text, Zahlen und Bilder in das KI-Modell einfließen und so die Aussagekraft weiter erhöhen.

© Quelle: https://www.primetals.com/de/presse-medien/news/neuartige-ki-basierte-computer-vision-loesung-von-primetals-technologies-reduziert-stillstandszeiten-bei-thyssenkrupp

Der digitale Assistent erkennt Bandquerrisse mit KI und meldet Fehler sofort dem Bedienpersonal.

Effizienz trifft auf Nachhaltigkeit

Interessant für die Stahlherstellung ist vor allem die Fähigkeit der KI, Parameter aus aktuellen und historischen Produktionsvorgängen zu vergleichen und in Bruchteilen von Sekunden den optimalen Ist-Zustand zu errechnen. Ein Vorreiter in dieser Entwicklung ist ArcelorMittal Hamburg, das eine KI einsetzt, um den Trimmvorgang bei der Walzdrahtherstellung zu optimieren.

Ein weiteres zentrales Merkmal KI-gestützter Lösungen ist ihre Fähigkeit zur frühzeitigen Erkennung von Prozessphänomenen und der Ausgabe entsprechender Empfehlungen. Dies ermöglicht eine proaktive Identifizierung von Störungen und steigert dadurch die Gesamteffizienz. Das Personal kann rasch handeln, um Abweichungen zu korrigieren und den normalen Betrieb wiederherzustellen. So hat Primetals Technologies im Herbst 2023 bei thyssenkrupp Hohenlimburg einen digitalen Assistenten zur Erkennung von Bandquerrissen bei gewalzten Zwischenprodukten implementiert. Es handelt sich um die erste „Computer-Vision“-gestützte Lösung von Primetals Technologies, die speziell für diesen Zweck entwickelt wurde. Eine Kamera an der Vorstraße versorgt den von Primetals Technologies entwickelten digitalen Assistenten mit einem Live-Video-Stream. Mithilfe eines Machine-Learning-Modells verarbeitet der Assistent die Live-Bilder und prüft sie auf Risse. Wird ein Riss erkannt, erhält das Personal sofort eine entsprechende Meldung. Zudem übermittelt der digitale Assistent die Informationen für weitere Analysen an das intelligente Automatisierungssystem des Kunden.

Advanced Raw Material Tracking (Quelle: SMS group, https://www.sms-group.com/services/bfxpert)

Die SMS group wiederum optimiert den Hochofenbetrieb mit ihrer Prozessleitsoftware „BFXpert“. Der Advanced Raw Material Tracker, ein dreiteiliges Upgrade von BFXpert, nutzt Echtzeit-Steuerungsmodelle für die Rohstoffverfolgung: Das Transportmodell überwacht das Schüttgut während des Prozesses und ermöglicht eine effizientere Belegung von Förderbändern. Das Bunkermodell liefert beim Befüllen und Entleeren des Materialbunkers eine Echtzeitberechnung der Materialverteilung, die auf den Materialeigenschaften basiert. Das Modell für die Möllerberechnung liefert Informationen über die radiale Verteilung der einzelnen Materialanteile im Hochofen, um wiederum eine optimale Belegung der Förderbänder zu erreichen. An zwei Hochöfen der Dillinger Hüttenwerke sind diese Modelle bereits erfolgreich in den Produktionsbetrieb integriert und ermöglichen eine frühzeitige Erkennung von Störungen.

Screenshot von https://co2ai.com/

Auch die voestalpine Grobblech GmbH setzt auf KI. Sie hat von der nokra Optische Prüftechnik und Automation GmbH eine optische Messanlage für die Endkontrolle walzplattierter Bleche einführen lassen. Die hochauflösende Messanlage ermöglicht eine präzise Dickenmessung und hat bereits zu einem deutlich höheren Durchsatz geführt. Sie erfasst nicht nur die Außengeometrie, Ebenheit und Oberflächenbeschaffenheit, sondern misst mittels Lichtschnitt-Sensoren auch die Dicke der Bleche flächig über deren gesamte Länge und Breite. Die Genauigkeit der Dickenmessung beträgt +/- 100 μm, während die Ebenheit den Anforderungen der DIN EN 10029 entspricht. Während Mitarbeiter bisher eine oder zwei Schichten benötigten, um ein Blech manuell zu vermessen, liefert die neue Anlage innerhalb von zehn Minuten Informationen von mehr als einer Million Messpunkten. Neben der verbesserten Qualitätssicherung lassen sich die präzisen Daten auch zur Optimierung von Prozessen nutzen, da die Digitalisierung des Prozesses die automatische Speicherung und Auswertung aller Ergebnisse ermöglicht. Das ist ein weiteres Beispiel dafür, wie Künstliche Intelligenz die Effizienz und Qualität in der Stahlherstellung entscheidend verbessern kann.

KI-gestützte CO2-Bilanzierung für Stahlprodukte

Die Vorteile grünen Stahls sind nicht nur ökologischer Natur, sondern bieten auch große ökonomische Chancen für Unternehmen. Kunden werden zunehmend darauf achten, wie klimafreundlich ein Produkt ist und welchen Beitrag es zur Reduzierung von Treibhausgasemissionen leistet. Unternehmen, die frühzeitig in grünen Stahl investieren, können daher größere Marktanteile und höhere Gewinne realisieren. Bis zum Jahr 2030 wird die Nachfrage in Europa das Angebot um bis zu 20 Millionen Tonnen übersteigen, hat die Boston Consulting Group (BCG) berechnet.

Bisher gibt es jedoch keine international akzeptierte Definition mit normativen Schwellenwerten, wann ein Stahl oder Grundstoff „grün“ genannt werden darf. Ein wichtiger Aspekt ist die Messung des CO2e-Fußabdrucks entlang der gesamten Wertschöpfungskette. Der sogenannte Product Carbon Footprint (PCF) umfasst alle Treibhausgase, die entlang der gesamten Wertschöpfungskette eines Produkts entstehen – von der Rohstoffgewinnung über die Produktion bis zum Vertrieb. Einbezogen werden auch die Scope 3-Emissionen jedes einzelnen Prozessschritts.

Obwohl aktuell nur wenige Unternehmen den Product Carbon Footprint (PCF) nutzen , wird er in Zukunft eine wichtige Rolle spielen. Die Berechnung des PCF ist jedoch komplex und erfordert die Einhaltung weltweit anerkannter Standards. Eine Möglichkeit, wie Stahlhersteller und Stahllieferanten den CO2e-Fußabdruck ihrer Produkte genau berechnen und verfolgen können, ist die Software CO2 AI der Boston Consulting Group. CO2 AI besitzt die Fähigkeit, den gesamten Lebenszyklus eines Produkts abzudecken und Echtzeitdaten zu verwenden. Dadurch ermöglicht die Software eine lückenlose Bilanz von der Rohstoffgewinnung über die Produktion bis hin zur Auslieferung, wodurch die Transparenz gegenüber Kunden und der Öffentlichkeit gestärkt wird. Dieses Beispiel zeigt, wie die KI die Lösungsfindung unterstützt und dabei hilft, den CO2e-Fußabdruck zu ermitteln und zu quantifizieren. Metalldistributor Klöckner & Co. setzt seit Januar dieses Jahres auf solch eine KI-Lösung, die in Zusammenarbeit mit BCG entwickelt und auf die Unternehmensbedürfnisse zugeschnitten wurde: Der zertifizierte Nexigen PCF Algorithmus liefert Klöckner-Kunden auf Wunsch zu jeder Bestellung eine Product Carbon Footprint Declaration, in der die angefallenen Treibhausgasemissionen aufs Kilogramm genau angegeben werden.

Der PCF kann sich zu einem wichtigen Werttreiber entwickeln, da Kunden zunehmend bereit sind, mehr für grüne Produkte zu zahlen. Unternehmen, die frühzeitig mit dem Kennwert arbeiten, können von höheren Marktanteilen und einem gesteigerten Unternehmenswert profitieren, denn es ist abzusehen, dass der PCF zukünftig ein entscheidendes Kriterium für Kaufentscheidungen sowohl im B2B- als auch im Endverbrauchermarkt sein wird. Die Umstellung auf grünen Stahl erfordert eine Anpassung der Wertschöpfungskette, und KI-Lösungen spielen dabei eine entscheidende Rolle, indem sie nicht nur die Effizienz steigern, sondern auch die ökologische Nachhaltigkeit unterstützen können.

Die erfolgreiche Integration von KI in die Stahlherstellung wird somit nicht nur den Weg für grünen Stahl ebnen, sondern auch den Weg für eine nachhaltige und wertorientierte Zukunft in der Branche.