Durch den Einsatz von maschinellem Lernen soll der Prozess der Reifenrunderneuerung – ein Verfahren, bei dem ein Teil eines abgefahrenen Reifens wiederverwendet wird – grundlegend überarbeitet und optimiert werden. „Die Herausforderung, vor der wir stehen, besteht darin, den komplexen und arbeitsintensiven Nachbearbeitungsschritt innerhalb des Skiving-Prozesses (deutsch: schälen/schleifen) bei der Reifenrunderneuerung zu automatisieren“, erläutert Raphaela Erbel, wissenschaftliche Mitarbeiterin am TTZ Günzburg.
In enger Kooperation wird hierfür an der Entwicklung eines Steuerungsalgorithmus für einen Roboter gearbeitet, der auf Imitation Learning basiert. Imitation Learning ist ein innovativer Ansatz im Bereich des maschinellen Lernens, bei dem ein Modell Aufgaben durch die Imitation erfolgreicher Strategien von menschlichen Expertinnen und Experten ausführt. Dabei werden direkte Beobachtungen dieser erfolgreichen Strategien genutzt – im Gegensatz zum klassischen Reinforcement Learning, bei dem durch Versuch und Irrtum sowie die Anwendung einer Belohnungsfunktion gelernt wird.
Angesichts der Tatsache, dass allein in Deutschland jährlich 571.000 Tonnen Altreifen anfallen, kann dieses Projekt nicht nur die Effizienz des Runderneuerungsprozesses steigern und die Wettbewerbsfähigkeit von runderneuerten Reifen im Vergleich zu Neureifen verbessern, sondern bietet auch erhebliches Umweltentlastungspotenzial. Zudem begegnet es dem Fachkräftemangel. Die Firma Rigdon GmbH unterstreicht damit ihr Engagement für Innovation und Nachhaltigkeit in der Branche.
Das TTZ Günzburg
Unter dem Schwerpunkt Künstliche Intelligenz (KI) und Data Analytics hat das TTZ zum Ziel, im Auftrag der Bayerischen Staatsregierung die regionale Wirtschaft nachhaltig zu fördern und zu stärken. Durch die Realisierung von Innovationsprojekten unterstützen sie Unternehmen und deren Mitarbeitende aktiv. Unternehmen können auf der Website (www.hnu.de/ttzguenzburg) oder per Mail unter info-ttz@hnu.de Kontakt zu den TTZ-Expertinnen und -experten aufnehmen.
