Unsere Leistungen

Ihre Aufgabe.
Unser gemeinsamer Ansatz.

Sechs Produktsäulen und individuelle Projekte. Wir verbinden passende Daten mit Fachwissen – für nachvollziehbare Bewertungen und gezielte nächste Schritte.

Sechs Produktsäulen

Für Ihre Aufgabe.
Mit Ihrem Fachwissen.

Von der Fügequalität bis zum Unternehmenswissen: Jede Produktsäule verbindet passende Daten mit dem fachlichen Kontext. Den konkreten Funktionsumfang stimmen wir auf Ihren Anwendungsfall ab.

Qualität & Prüfung01

KnowFab JoinTech

Fügequalität bewerten

Bewertet Prozesssignale im Material-, Anlagen- und Qualitätskontext und gibt Hinweise auf mögliche Ursachen von Abweichungen.

Daten, Ergebnisse und Einsatz
Datenbasis
Prozesssignale, Material- und Anlagendaten, Qualitätswerte
Ergebnis
Qualitätsbewertung und Hinweise auf mögliche Ursachen
Für wen
Qualitätssicherung und Prozessverantwortliche
Anwendungsbeispiel
Punktschweißverbindungen anhand von Prozess- und Qualitätsdaten bewerten.
Mögliche Messgrößen im Pilot
Prüfaufwand, Ausschuss, Nacharbeit

Angestrebter NutzenPrüfungen gezielter einsetzen, Ausschuss und Nacharbeit reduzieren.

Anwendungsfall besprechen
Engineering & Planung02

KnowFab Design

Konstruktion und Fügeplanung unterstützen

Bewertet Fügekonzepte anhand von Geometrie, Regeln und Erfahrungen aus früheren Projekten.

Daten, Ergebnisse und Einsatz
Datenbasis
Konstruktionsdaten, Regelwerke und Projekterfahrung
Ergebnis
Nachvollziehbare Bewertung von Fügekonzepten
Für wen
Konstruktion, Engineering und Planung
Anwendungsbeispiel
Fügepunkte unter Berücksichtigung von Bauteilgeometrie und Regelwerken planen.
Mögliche Messgrößen im Pilot
Planungszeit und Abstimmungsschleifen

Angestrebter NutzenManuelle Analysen und Abstimmungen in der Planung verringern.

Anwendungsfall besprechen
Wissen & Erfahrung03

KnowFab ExpertGraph

Unternehmenswissen mit Quellen erschließen

Verknüpft Dokumente, Vorgaben und Projekterfahrung für Antworten auf Fachfragen. Ein Interview-Assistent hilft, Erfahrungswissen zu sichern.

Daten, Ergebnisse und Einsatz
Datenbasis
Dokumente, Vorgaben und dokumentierte Erfahrung
Ergebnis
Antworten auf Fachfragen mit Quellenangaben
Für wen
Fachkräfte in Engineering, Qualität und Service
Anwendungsbeispiel
Erfahrungen und Vorgaben aus früheren Projekten für eine aktuelle Planung finden.
Mögliche Messgrößen im Pilot
Suchzeit, Quellenbezug, gesichertes Erfahrungswissen, Dokumenterstellung und Prozessautomatisierung

Angestrebter NutzenWissen schneller finden und Erfahrungswissen für Teams erhalten.

Anwendungsfall besprechen
Qualität & Prüfung04

KnowFab Vision

Merkmale und Auffälligkeiten erkennen

Prüft industrielle Bilder und ordnet markierte Befunde im Bauteil- und Prüfkontext ein.

Daten, Ergebnisse und Einsatz
Datenbasis
Bilder von Bauteilen und Oberflächen aus der Prüfung
Ergebnis
Markierte und im Prüfkontext eingeordnete Befunde
Für wen
Prüfteams und Qualitätssicherung
Anwendungsbeispiel
Oberflächenauffälligkeiten oder fehlende Merkmale an Bauteilen erkennen.
Mögliche Messgrößen im Pilot
Erkennungsqualität, Fehlalarme und manueller Prüfaufwand

Angestrebter NutzenSichtprüfungen entlasten und Befunde nachvollziehbar dokumentieren.

Anwendungsfall besprechen
Produktion & Instandhaltung05

KnowFab Smart Maintenance

Prüfung und Wartung gezielt planen

Leitet aus Zustands- und Servicedaten priorisierte Hinweise ab. Fachkräfte prüfen die Hinweise und entscheiden über Maßnahmen.

Daten, Ergebnisse und Einsatz
Datenbasis
Anlagenzustand, Ereignisse und Wartungshistorie
Ergebnis
Priorisierte Hinweise für Prüf- und Wartungsschritte
Für wen
Instandhaltung und Service
Anwendungsbeispiel
Praxiserfahrung aus einer eingesetzten Anwendung für KI-gestützte Aufzugswartung. Die Übertragbarkeit wird je Anwendungsfall geprüft.
Mögliche Messgrößen im Pilot
Diagnosezeit, ungeplante Stillstände und Wartungsaufwand

Angestrebter NutzenFehlersuche beschleunigen und Wartung gezielter einsetzen.

Anwendungsfall besprechen
Produktion & Instandhaltung06

KnowFab Production Intelligence

Produktionsschritte gemeinsam analysieren

Verknüpft Daten und Fachwissen über mehrere Prozessschritte für Ursachenhinweise, Prognosen und begründete Handlungsempfehlungen.

Daten, Ergebnisse und Einsatz
Datenbasis
Material, Chargen, Rezepturen, Anlagen- und Prozessdaten sowie Labor- und Qualitätswerte
Ergebnis
Ursachenhinweise, Qualitäts- und Prozessprognosen, Vorschläge für Maßnahmen
Für wen
Produktionsleitung, Verfahrenstechnik und Qualitätsverantwortliche
Anwendungsbeispiel
Glasfaser: Rohstoffmischung, Schmelzen, Temperaturführung und Faserziehen gemeinsam betrachten. Änderungen erfolgen nach Prüfung und Freigabe durch Fachkräfte.
Mögliche Messgrößen im Pilot
Qualitätsschwankungen, Ausschuss, Analysezeit und Energie je Gutmenge

Angestrebter NutzenQualitätsrisiken früher erkennen und Produktionsbedingungen gezielter abstimmen.

Anwendungsfall besprechen

Ziele und Ausgangswerte vereinbaren wir für jeden Pilot individuell. Fachkräfte prüfen die Ergebnisse und entscheiden über Maßnahmen.

Widerstandspunktschweißen · das Prinzip erleben

Vom Schweißpunkt zur
nachvollziehbaren Entscheidung.

Folgen Sie einem Schweißpunkt durch den Prozess. Sehen Sie, wie Signale, neuronales Netz und Wissensgraph zusammenspielen – und wie daraus ein begründeter Output entsteht.

Schematische Erklärung · illustrative Kurven und Beispielwerte
01 / Prozess

Eine Zange. Ein Schweißpunkt.

Die Elektrodenkappen pressen das Blechpaar zusammen. Kraft, Stromimpuls und Material bestimmen, wie die Verbindung entsteht.

Der Prozess bleibt der Ausgangspunkt. Die KI betrachtet die Signale im Zusammenhang mit der realen Verbindung.

Physischer Prozess → messbare Verläufe
01 / ProzessEine reale Verbindung.
FFElektrodenkappenBlechpaar + Schweißlinse
KraftStromimpulsLinsenbildung
02 / Signale

Sehen, was im Prozess passiert.

Strom, Spannung und dynamischer Widerstand zeigen unterschiedliche Seiten desselben Schweißpunkts. Das gemeinsame Zeitfenster macht ihre Verläufe vergleichbar.

Ein einzelner Kurvenwert erklärt die Qualität noch nicht. Entscheidend sind der Verlauf und sein fachlicher Kontext.

Drei Signale · ein gemeinsames Prozessfenster
02 / SignaleDrei Perspektiven auf denselben Punkt.
I(t)Schweißstromnormiert
0Zeit t
U(t)Spannungnormiert
0Zeit t
R(t)Dyn. Widerstandnormiert
0Zeit t
Gemeinsames Prozessfenster · illustrative Kurven
03 / NN

Muster erkennen. Merkmale verdichten.

Das neuronale Netz verarbeitet die Verläufe und verdichtet ihre Muster zu Merkmalen, die für die Bewertung relevant sind.

Die Darstellung macht diese Verdichtung sichtbar. Die gezeigten Knoten sind eine schematische Modellstruktur und keine reale Netzarchitektur.

Prozessverläufe → Merkmale und Hypothesen
03 / Neuronales NetzAus Verläufen werden Merkmale.
I(t)U(t)R(t)
I · U · RNeuronales NetzMerkmaleSchematische Modellstruktur
EnergieeintragKontaktzustandProzessverlauf
04 / KG

Fachwissen wirkt im Modell mit.

Der Wissensgraph verknüpft Material, Prozess, Fehlerwissen und Prüfregeln. Merkmale und Hypothesen werden mit diesen Beziehungen verbunden; Kontext und Regeln wirken in Bewertung und Lernen zurück.

Im Beispiel führt der fachliche Pfad von Kappenverschleiß über Kontaktfläche und Stromdichte zur Ausbildung der Schweißlinse. So wird ein Ursachenhinweis nachvollziehbar.

NN ↔ KG: Muster und Wissen im Zusammenspiel
04 / NN ↔ WissensgraphMuster bekommen fachlichen Zusammenhang.
NN
I · U · RNeuronales NetzMerkmaleSchematische Modellstruktur
Merkmale + Hypothesen ↓↑ Kontext + Regeln
ElektrodenkappeVerschleißMaterialBlechkombinationKontaktflächewirksame GeometrieStromdichteEnergie im FügepunktSchweißlinseAusbildungPrüfregelSollmaß
Fachwissen wirkt in Bewertung und Lernen mit.
Kontaktfläche ↑Stromdichte ↓Linse kleiner
05 / Output

Ein Ergebnis, das weiterhilft.

Der Output verbindet Qualitätsbefund, möglichen Ursachenpfad und einen konkreten nächsten Prüfschritt. Damit wird aus der Bewertung eine Grundlage für eine fachliche Entscheidung.

Alle Werte und Grenzwerte dieses Beispiels sind illustrativ. Verantwortliche Fachkräfte prüfen den Befund und entscheiden über Maßnahmen.

Befund + Begründung + nächster Prüfschritt
Weitere Beispielkennwerte
Restwandstärke
1,7 mm · Grenze ≥ 1,5 mm
Elektrodeneindruck
0,14 mm · Fenster 0,10–0,20 mm
Ihren Anwendungsfall besprechen
05 / OutputEin Befund mit nachvollziehbarem Pfad.
n.i.O. · BeispielLinsendurchmesser unter Soll
dL = 2,1 mm · Beispielwert
Beispielwert2,1 mmSoll im Beispiel≥ 4,6 mm
Begründung im Beispiel

Kontaktfläche ↑ → Stromdichte ↓ → Schweißlinse kleiner

UrsachenhinweisVerschlissene ElektrodenkappenNächster Prüfschritt

Kappen prüfen, gegebenenfalls erneuern und die Verbindung erneut bewerten.

Individuelle Projekte

Ihre Frage
geht weiter?

Wir bearbeiten auch Aufgaben ohne fertige Standardlösung. Ausgangspunkt sind Ihr Prozess, die vorhandenen Daten und eine klar definierte Entscheidung.

Unsere KI-Bausteine lassen sich als Schnittstelle, Service oder Softwarekomponente in bestehende Systeme einbinden. Fachbereiche, IT und Integrationspartner beziehen wir früh ein.

Über Ihre Aufgabe sprechen ↗

Einbindung und Betrieb

Passend zu Ihrer IT.
Und Ihren Anforderungen.

Betrieb, Datenzugriffe und Schnittstellen richten wir an Ihrem Anwendungsfall aus.

01

SaaS-Komplettlösung

Vollständiger Betrieb über die KnowFab-Infrastruktur und den KnowFab-Account.

  • Kurze Inbetriebnahme ohne eigene Plattformbereitstellung
  • Betrieb, Updates und Monitoring aus einer Hand
  • Skalierbar über Standorte, Linien und Anwendungsfälle
02

Deployment in eigener Cloud

Bereitstellung in Ihrer Cloud-Infrastruktur mit Anschluss an bestehende Daten- und Security-Standards.

  • Integration in vorhandene IAM-, Netzwerk- und Governance-Konzepte
  • Direkte Anbindung an bestehende Datenpipelines und Systeme
  • Flexibel für kundenspezifische Integrationsanforderungen
03

On-Premises-Betrieb

Bereitstellung in Ihrer eigenen Infrastruktur für Umgebungen mit strikten Anforderungen an Datenhoheit und Netztrennung.

  • Volle Kontrolle über Daten, Systeme und Zugriffswege
  • Geeignet für regulierte oder abgeschottete Produktionsbereiche
  • Einführung ohne grundlegende Änderung bestehender Betriebsabläufe

Ihr Einstieg

Mit Ihrer Frage beginnt
der nächste Schritt.

Datenlage, Aufwand und Ziele prüfen wir früh. Der Pilot bekommt klare Kriterien, bevor wir über einen Ausbau sprechen.

  1. 01

    Aufgabe verstehen

    Fragestellung, Prozess und Erfolgskriterien gemeinsam festlegen.

  2. 02

    Datenlage prüfen

    Quellen, Qualität und Integrationsaufwand früh bewerten.

  3. 03

    Im Pilot validieren

    Die Lösung im Anwendungsfall anhand vereinbarter Messgrößen prüfen.

  4. 04

    Gezielt ausbauen

    Auf Grundlage der Ergebnisse den nächsten sinnvollen Schritt planen.

Gut zu wissen

Die ersten Fragen.
Kurz beantwortet.

Welche Daten brauchen wir für den Einstieg?

Das hängt von Ihrer Aufgabe ab: Prozesssignale, Bilder, Dokumente oder Zustandsdaten. Im ersten Gespräch genügt eine Beschreibung der vorhandenen Quellen. Gemeinsam prüfen wir anschließend Datenqualität und Machbarkeit.

Können wir in unserer eigenen Infrastruktur arbeiten?

Ja. Je nach IT-Anforderungen betrachten wir einen Betrieb durch KnowFab, in Ihrer Cloud oder in Ihrer eigenen Infrastruktur. Datenzugriffe und Schnittstellen werden im Projekt festgelegt.

Wie erfolgt die Integration?

Unsere KI-Bausteine können über Schnittstellen, Services oder als Softwarekomponente eingebunden werden. Welche Form sinnvoll ist, klären wir anhand Ihrer bestehenden Systeme.

Wie messen wir den Nutzen?

Wir vereinbaren Ausgangswerte und passende Messgrößen für Ihren Pilot, etwa Prüfaufwand, Suchzeit oder Zeit für Ursachenanalysen. Ergebnisse werden im konkreten Anwendungsfall validiert.

Tom Süßkind

Ihr Ansprechpartner · Tom Süßkind

Bringen Sie Ihre
Fragestellung mit.

Wir klären gemeinsam die Datenlage, mögliche Erfolgskriterien und einen sinnvollen Einstieg.

Anwendungsfall besprechentom.suesskind@knowfab.ai