Das in San Francisco ansässige Start-up Niobia arbeitet an einem der kostspieligsten Probleme bei der Herstellung von Batterien und Chips: dem Verständnis der Ursachen von Fehlern, die auf Produktionslinien auftreten. Das Unternehmen nutzt KI-Software, die Fehler erkennt und Ingenieuren anschließend ermöglicht, einen Chatbot nach den Ursachen zu fragen und die damit verbundenen Daten innerhalb von Minuten zu analysieren, statt Tage mit manuellen Untersuchungen zu verbringen.
Unternehmen, die die Technologie einsetzen, platzieren KI-Agenten an den Produktionslinien, um Fehler zu überwachen, während menschliche Ingenieure weiterhin Teil des Prozesses zur Ermittlung der möglichen Ursache und zum Verständnis der Fehlerbedingungen bleiben. Die Agenten laufen auf eigenständigen GPU-Einheiten, die direkt an den Fertigungsanlagen angebracht sind, und arbeiten damit ähnlich wie ein Sensor. Dadurch können sie äußerst kleine Fehler erkennen, darunter Kratzer oder Löcher, deren Größe nicht über das Niveau eines mikroskopischen Lochs hinausgeht.
Von der Fehlererkennung zur Erklärung seiner Ursache
Die Funktion von Niobia beschränkt sich nicht darauf, das Vorhandensein eines Fehlers zu melden. Die Plattform führt die relevanten Daten an einem Ort zusammen und ermöglicht es Ingenieuren anschließend, über einen Chatbot Folgefragen zu stellen, um zu verstehen, was geschehen ist, und die möglichen Ursachen eingehender zu untersuchen. Nach Angaben des Unternehmens soll dieser Ansatz die Zeit verkürzen, die nach dem Auftreten eines Problems während der Forschung und Entwicklung oder der Verbesserung von Fertigungsprozessen für die Wiederaufnahme des Produktionsbetriebs erforderlich ist.
Geschwindigkeit ist in der Batterie- und Halbleiterindustrie von besonderer Bedeutung, da jeder Fehler zu einem kostspieligen Stillstand und Verzögerungen bei den Fertigungsplänen führen kann. In manchen Fällen können sich die Verluste auf Millionen von Dollar belaufen. Zudem erschwert die Komplexität der Entwicklung von Materialien und Technologien die Ermittlung der Fehlerursache stärker, als es die bloße Erkennung eines nicht konformen Produkts tun würde.
Lokale KI zum Schutz von Fertigungsdaten
Niobia setzt auf Open-Source-Modelle, die das Unternehmen mit Daten und Forschungsergebnissen aus den Bereichen Batterien und Chips nachtrainiert. Nach Angaben des Mitgründers Gaurav Jha entschied sich das Unternehmen für diesen Weg, weil Kunden ihre sensiblen Industriedaten nicht an eine öffentliche Cloud senden möchten, selbst wenn deren Schutz zugesichert wird.
Das Unternehmen ermöglicht es Kunden, ihre eigenen Verschlüsselungsschlüssel zu behalten, sodass Niobia ihre Daten nicht entschlüsseln kann. Dies zeigt, dass es bei den Anforderungen an die Plattform nicht nur um die Genauigkeit der Fehlererkennung geht, sondern auch darum, wo die Daten verarbeitet werden und wer auf sie zugreifen kann – insbesondere in Branchen, die durch die Sensibilität des geistigen Eigentums und geopolitischen Wettbewerb geprägt sind.
Erster Fokus und der Anspruch auf autonomere Fabriken
Das Produkt konzentriert sich derzeit auf drei Fertigungsprozesse: die Beschichtung von Folien, die Galvanisierung, bei der mithilfe eines elektrischen Stroms Oberflächen mit Metallen überzogen werden, und die Wirbelschichtreaktion, einen chemischen Prozess, bei dem feste Partikel in einem Gas oder einer Flüssigkeit suspendiert werden. Jha sagte, dass das Unternehmen später den Grad der Eigenständigkeit seiner Technologie erhöhen wolle, bis hin zu Fabriken, die in größerem Umfang selbstständig betrieben werden können.
Warum ist diese Nachricht wichtig? Der praktische Wert des Ansatzes von Niobia liegt nicht darin, Ingenieure zu ersetzen, sondern die Zeitspanne zwischen der Entdeckung eines Fehlers und dem Verständnis seiner Ursache zu verkürzen. Die Quelle liefert jedoch keine Zahlen zur Leistung der Plattform, zur Zahl der Kunden oder zur Erkennungsgenauigkeit. Daher muss ihre tatsächliche kommerzielle und industrielle Wirkung noch anhand unabhängiger Betriebsergebnisse überprüft werden. Auch der Anspruch auf eine autonom betriebene Fabrik bleibt ein zukünftiges Ziel und ist heute keine vollständig ausgewiesene Fähigkeit.