ENTWURFREICH
KI-gestützte Qualitätskontrolle in KMU

KI-gestützte Qualitätskontrolle in KMU

RWTH Aachen | ZIM-Projekt

Leitfaden für die Gestaltung, Implementierung und Nutzung von Qualitätsprüfungen für Textilien

KI-gestützte Qualitätskontrolle kann kleinen und mittleren Unternehmen (KMU) helfen, ihre Produktions- und Servicequalität zu verbessern und ihre Wettbewerbsfähigkeit zu steigern. Dieser Leitfaden unterstützt KMU bei der Einführung KI-basierter Qualitätskontrolle und richtet sich zugleich an Entwicklerinnen und Entwickler solcher Systeme.

Der Schwerpunkt liegt auf der menschenzentrierten Gestaltung, Implementierung und Nutzung von KI-Qualitätskontrolle in KMU mit Betonung der Ergonomie in der Mensch-System-Interaktion. Der Leitfaden orientiert sich an DIN EN ISO 9241-210 Ergonomie der Mensch-System-Interaktion – Teil 210: Menschzentrierte Gestaltung interaktiver Systeme. Technische Aspekte können mit zusätzlichen Leitlinien und Normen adressiert werden.

Eine Auswahl möglicher Normen und Leitlinien:
  • VDI/VDE 2206 – Entwicklung cyber-physischer mechatronischer Systeme (CPMS)
  • VDI 2221 – Entwicklung technischer Produkte und Systeme
  • VDI 3714 – Implementierung und Betrieb von Big-Data-Anwendungen in der Fertigungsindustrie
  • Leitfaden zur Implementierung von Smart-Factory-Konzepten

Dieser Ansatz berücksichtigt die spezifischen Herausforderungen und Anforderungen von KMU bei der Einführung KI-basierter Qualitätskontrollsysteme. Die VDI-3714-Richtlinien bieten ergänzende Einblicke in die Implementierung datengetriebener Lösungen in industriellen Umgebungen, was für KMU besonders hilfreich ist, die sich mit der Komplexität von KI und Big Data in Qualitätskontrollprozessen auseinandersetzen.

Dieses Projekt wurde vom Bundesministerium für Bildung und Forschung unter den Förderkennzeichen 01IS21049A, 01IS21049B und 01IS21049C gefördert.
Die Verantwortung für den Inhalt dieser Veröffentlichung liegt beim Autor.

Gefördert von

Nutzungskontext

Die Phase Nutzungskontext verstehen und beschreiben ist ein wesentlicher Schritt im menschenzentrierten Gestaltungsprozess für KI-basierte Qualitätskontrollsysteme in KMU. Ziel dieser Phase ist es, ein umfassendes Verständnis der Umgebung, der Nutzenden und ihrer Aufgaben zu gewinnen, in der das System eingesetzt werden soll.

Zur Informationsgewinnung können verschiedene Methoden eingesetzt werden, z. B. Interviews mit Nutzenden und Stakeholdern, Beobachtungen am Arbeitsplatz, Analyse von Dokumenten und bestehenden Systemen sowie Workshops mit den beteiligten Parteien. Die nachfolgend beschriebenen Aktivitäten werden von verschiedenen Stakeholdern durchgeführt.

Folgende Aspekte sind zu berücksichtigen:

1. Nutzeranalyse

  • Primäre Nutzergruppen müssen identifiziert werden (z. B. Qualitätsprüferinnen und -prüfer, Produktionsleitung, Technikerinnen und Techniker)
  • Kenntnisse, Fähigkeiten und Erfahrungen dieser primären Nutzergruppen im Umgang mit Qualitätskontrollsystemen und KI-Technologien müssen erfasst werden
  • Mögliche Einschränkungen oder besondere Bedürfnisse der Nutzenden müssen identifiziert und berücksichtigt werden

2. Aufgabenanalyse

  • Die aktuellen Qualitätskontrollprozesse und -aufgaben müssen beschrieben werden
  • Herausforderungen und Verbesserungspotenziale in bestehenden Prozessen identifizieren (z. B. anhand der empfohlenen Vorgehensweise gemäß dem zu Beginn genannten Leitfaden zur Implementierung von Smart-Factory-Konzepten)
  • Die Ziele und erwarteten Ergebnisse der KI-basierten Qualitätskontrolle müssen spezifisch, messbar, akzeptabel, realistisch und terminiert beschrieben werden.

3. Technische und physische Umgebung

  • Die vorhandene IT-Infrastruktur und technischen Ressourcen des KMU müssen beschrieben werden, ebenso wie
  • Die physische Arbeitsumgebung, in der das System eingesetzt wird
  • Mögliche Einschränkungen oder Besonderheiten der Produktionsumgebung

4. Organisatorischer Kontext

  • Die Unternehmensstruktur und -kultur des KMU muss von allen Beteiligten verstanden werden (insbesondere von Lösungsanbietern und anderen externen Parteien)
  • Relevante Stakeholder und ihre Erwartungen an das System müssen identifiziert werden
  • Rechtliche und ethische Aspekte des KI-Einsatzes in der Qualitätskontrolle müssen erfasst werden

5. Datenanalyse

  • Verfügbare Datenquellen und -formate für die KI-basierte Qualitätskontrolle müssen erfasst werden
  • Qualität und Menge der verfügbaren Daten sind zu bewerten
  • Mögliche Datenschutz- und Datensicherheitsanforderungen müssen formuliert werden

Nutzeranforderungen spezifizieren

Diese Phase ist entscheidend für die erfolgreiche Entwicklung und Implementierung eines KI-basierten Qualitätskontrollsystems, das den Bedürfnissen der Nutzenden und des Unternehmens gerecht wird. Ziel ist es, klare und präzise Anforderungen zu definieren, die als Grundlage für die Gestaltung und Bewertung des Systems dienen.

1. Nutzeranforderungen erfassen

  • Die Ziele, die Nutzende mit dem KI-System erreichen möchten, müssen erfasst werden.
  • Die Anforderungen, die erfüllt sein müssen, damit Nutzende ihre Ziele erreichen, sind zu beschreiben.
  • Die Anforderungen müssen aus der Nutzerperspektive beschrieben werden, ohne technische Details vorzugeben.

2. Anforderungen priorisieren

  • Die Bedeutung jeder Anforderung für den Geschäftserfolg ist zu bewerten.
  • Technische Machbarkeit und verfügbare Ressourcen sind zu bestimmen.
  • Eine priorisierte Liste der Nutzungsanforderungen ist abzuleiten.

3. Anforderungen spezifizieren

  • Die Anforderungen müssen im Detail aufgelistet werden.
  • Die Anforderungen sollten den Qualitätskriterien der ISO 9241-210 entsprechen:
    • Messbarkeit
    • Widerspruchsfreiheit
    • Vollständigkeit
    • Machbarkeit
    • Nachprüfbarkeit

4. Nutzungskontext berücksichtigen

  • Informationen zu Nutzenden, Aufgaben, Arbeitsmitteln und organisatorischen Rahmenbedingungen sollten einbezogen werden.
  • Spezifische Anforderungen von KMU, wie begrenzte Ressourcen oder besondere Branchenanforderungen, müssen von allen Beteiligten verstanden und berücksichtigt werden.

5. Dokumentation und Validierung

  • Eine strukturierte Dokumentation der Nutzeranforderungen ist zu erstellen.
  • Die Anforderungen müssen gemeinsam mit den beteiligten Stakeholdern und potenziellen Nutzenden validiert werden.
  • Die Erfüllung der Anforderungen im Hinblick auf die Bedürfnisse und Erwartungen der Nutzenden ist zu prüfen.

Gestaltungslösungen entwickeln

Ziel dieser Phase ist es, auf Basis der zuvor ermittelten Nutzungsanforderungen und des Verständnisses des Nutzungskontexts konkrete Gestaltungslösungen zu entwickeln. Zur Gestaltung der technologischen Aspekte des zu entwickelnden Systems können einzelne Schritte gemäß den Richtlinien VDI 2221 (Methodik zur Entwicklung und Konstruktion technischer Systeme und Produkte) und VDI 2206 (Entwicklungsmethodik für mechatronische Systeme) durchgeführt werden:

1. Problemanalyse und Anforderungsdefinition (VDI 2221)
2. Funktionsstruktur erstellen (VDI 2221)
3. Prinziplösungen und Modulstrukturen entwickeln (VDI 2221)
4. Domänenspezifische Ausgestaltung (VDI 2206)
5. Systemintegration (VDI 2206)
6. Eigenschaftsvalidierung (VDI 2206)

In dieser Phase ist zudem zu beachten, dass der Entwicklungsprozess einem iterativen Ansatz entspricht. Das bedeutet, dass die entwickelten Gestaltungslösungen kontinuierlich bewertet und angepasst werden sollten. Dies entspricht dem zyklischen Ansatz der ISO 9241-210 und ermöglicht eine schrittweise Verbesserung des Systems.

Dokumentation

Alle Entscheidungen und Begründungen für bestimmte Gestaltungslösungen sollten sorgfältig dokumentiert werden. Dies erleichtert spätere Anpassungen und trägt zur Nachvollziehbarkeit des Entwicklungsprozesses bei.

Gestaltung evaluieren

Die Phase der Gestaltungsevaluation dient der Sicherstellung und kontinuierlichen Verbesserung der Gebrauchstauglichkeit und Eignung des Systems.

Folgende Aspekte sind zu berücksichtigen:

1. Nutzerzentrierte Evaluation

  • Gebrauchstauglichkeitstests sollten iterativ mit Mitarbeitenden aus der Qualitätskontrolle durchgeführt werden
  • Feedback zur Benutzeroberfläche und zur Bedienbarkeit des KI-Systems einholen
  • Die Nutzerinteraktion mit dem System muss in realen Arbeitssituationen analysiert werden

2. Evaluationsmethoden

  • Kombinationen verschiedener Evaluationsmethoden wie Beobachtungen, Interviews und Fragebögen können eingesetzt werden
  • Eye-Tracking oder Thinking-Aloud-Protokolle können als technische Hilfsmittel zur detaillierten Analyse der Nutzerinteraktion eingesetzt werden
  • A/B-Tests zur Optimierung der Benutzeroberfläche können weitere Erkenntnisse zur Erfüllung der Nutzeranforderungen liefern

3. Review

  • Sicherstellen, dass Qualitätsprüferinnen und -prüfer sowie Produktionsmitarbeitende in Testszenarien einbezogen werden
  • Eine Simulation realistischer Qualitätskontrollaufgaben zur Bewertung der KI-Unterstützung sollte bereitgestellt werden
  • Die Erhebung quantitativer und qualitativer Daten zur Systemperformance und Nutzerzufriedenheit ist erforderlich

4. Inspektionsbasierte Evaluation

  • Die Durchführung von Expertenbewertungen zur Überprüfung der Einhaltung von Gebrauchstauglichkeits-Richtlinien kann hilfreich sein
  • Eine Analyse der KI-Algorithmen hinsichtlich Transparenz und Nachvollziehbarkeit durch externe Expertinnen und Experten kann Sicherheit schaffen
  • Die Prüfung der Systemarchitektur auf Skalierbarkeit und Anpassungsfähigkeit ist hilfreich für eine breitere Implementierung der entwickelten Lösung in der Nutzungsphase

5. Langzeitmonitoring

  • Die Implementierung von Mechanismen zur kontinuierlichen Erfassung von Nutzungsdaten kann hilfreich sein, sofern dies datenschutzethisch umsetzbar ist
  • Regelmäßige Auswertung von Systemprotokollen und Fehlermeldungen sowie Durchführung von Follow-up-Interviews zur Ermittlung langfristiger Nutzungserfahrungen können über den Zeitraum der Nutzungsphase dauerhaften Aufschluss über möglichen Anpassungsbedarf geben

Bei der Gestaltungsevaluation sind außerdem folgende Aspekte zu berücksichtigen:

  • Interdisziplinäre Zusammenarbeit: Einbeziehung von Expertinnen und Experten aus den Bereichen KI, Qualitätskontrolle und Gebrauchstauglichkeit
  • Systemisches Denken: Betrachtung des KI-Systems im Gesamtkontext der Qualitätskontrolle und der Produktionsprozesse

Ethik

Besonderes Augenmerk sollte auf die ethischen Aspekte des KI-Einsatzes gelegt werden, einschließlich Datenschutz, Fairness und Transparenz der Entscheidungsfindung. Die Evaluation sollte auch die Auswirkungen des KI-Systems auf Arbeitsprozesse und das Wohlbefinden der Mitarbeitenden berücksichtigen. Durch die konsequente Anwendung dieser Evaluationsprinzipien können KMU sicherstellen, dass ihre KI-basierten Qualitätskontrollsysteme nicht nur technisch effizient, sondern auch nutzerfreundlich und ethisch vertretbar sind. Dies fördert die Akzeptanz und den effektiven Einsatz der Technologie im Arbeitsalltag.