Insights
Fachartikel, Praxisberichte und Studien zu Causal AI in der Fertigung: wie sich echte Fehlerursachen in Produktionsdaten finden lassen und was das in der Praxis bringt.
Fachartikel & Studien
KI-gestützte Ursachenanalyse in der Produktion: Vom bloßen Verdacht zur echten Ursache
Die Statistische Prozesslenkung zeigt, dass etwas schiefläuft, aber nicht warum. Der Artikel erklärt, wie automatisierte Ursachenanalyse arbeitet, wo sie an Grenzen stößt und was objektzentrierte Daten und Causal AI ändern.
Artikel lesen ›Umfrage: KI und Digitalisierung in der Elektronikfertigung
Xplain Data und SmartRep GmbH · Elektronikfertigung im deutschsprachigen Raum
Die Daten sind da, ihre Qualität ist das Problem: Nur 14 % der Befragten bewerten ihre Datenqualität als hoch. Über 70 % planen Investitionen in KI und Digitalisierung innerhalb der nächsten zwei Jahre.
Mehr erfahren
Xplain Data und SmartRep haben im Dezember 2025 Fach- und Führungskräfte aus der Elektronikfertigung im deutschsprachigen Raum befragt. Über 80 % erfassen Qualitäts-, Inspektions- und Maschinendaten systematisch, 64 % schon seit mehr als drei Jahren. Ihre Datenqualität bewerten aber nur 14 % als hoch, 71 % sehen Lücken oder Inkonsistenzen.
Gut ein Drittel (35 %) nutzt KI oder Analytics bereits produktiv oder in Pilotprojekten, vor allem für Bilderkennung. Als größte Hürden nennen die Befragten fehlendes Budget (58 %), fehlende Schnittstellen und Standards (46 %) sowie fehlendes Know-how (42 %). Wichtigstes Ziel ist die Qualitätsverbesserung (96 %). Die Umfrage ist eine qualitative Momentaufnahme.
„Die Elektronikfertiger haben die Phase des reinen Datensammelns hinter sich gelassen. Jetzt steht die Branche vor der anspruchsvolleren Aufgabe, aus diesen Daten konsistenten Mehrwert zu generieren.“Dr. Michael Haft, CEO, Xplain Data GmbH
Aus der Praxis
Siemens: Fehlerursachen in der Leiterplattenfertigung aufgedeckt
Siemens Digital Industries, Werk Erlangen · Elektronikfertigung (PCB/SMT)
Im Siemens-Werk Erlangen sollte die Fehlerrate der Leiterplattenfertigung unter das Six-Sigma-Niveau sinken. Causal AI machte konstruktionsbedingte Fehlerursachen sichtbar. Die Investition hatte sich innerhalb eines Jahres amortisiert.
Mehr lesen
Ziel war eine Fehlerrate unter 3,4 Fehlern pro Million Möglichkeiten. Obwohl der Prozess stabil lief, wurde es nicht erreicht. Täglich fallen rund 500 Millionen Datenpunkte an, für jede der bis zu 500 Komponenten einer Leiterplatte. In einem Proof of Concept führte Xplain Data diese Daten mit ObjectAnalytics in einem Objektmodell zusammen: die Leiterplatte als Objekt, die Komponenten als Unterobjekte.
Die kausale Analyse verknüpfte Designparameter, Ergebnisse des Lotpastendrucks und Prüfdaten. So wurden konstruktionsbedingte Fehlerursachen sichtbar, die vorher nicht erkennbar waren. Laut Siemens hatte sich die Investition innerhalb eines Jahres amortisiert.
„Causal AI ist für uns ein Game-Changer in der Elektronikproduktion.“Erik Schwulera, Leiter IoT@Manufacturing und Six Sigma Director, Siemens Digital Industries
Quellen: EPP, Mai 2025 · PCEA Magazine, Juli 2025 (englisch)
Schabmüller: Fehlerrate bei Zylinderkopfhauben von über 10 % auf etwa 1,6 % gesenkt
Schabmüller Automobiltechnik GmbH, mit Schwäbische Werkzeugmaschinen GmbH (SW) · Automobilzulieferer
Zu viele Zylinderkopfhauben fielen durch die Dichtheitsprüfung. Causal AI zeigte: Viele Teile waren gar nicht undicht, sondern wegen der Werkstücktemperatur falsch negativ geprüft.
Mehr lesen
Bei der Fertigung von Zylinderkopfhauben fielen zu viele Teile durch die Dichtheitsprüfung und mussten aufwendig nachgearbeitet werden. Die Anlage ist mit Produktverfolgung ausgestattet und in SCADA und MES eingebunden. SW als SCADA-Partner und Xplain Data werteten diese Daten mit Causal AI aus.
Ergebnis: Das Prüfergebnis hing stark von der Werkstücktemperatur nach dem Waschen ab, und diese von der Wartezeit vor der Prüfung. Viele Teile waren also gar nicht undicht, sondern falsch negativ geprüft. Außerdem zeigten sich Qualitätsunterschiede zwischen den Gussnestern der Rohteile. Nach organisatorischen Maßnahmen und dem Tausch des auffälligen Gussnests sank die Fehlerrate von über 10 % auf etwa 1,6 %. Hendrik Jacobsen von SW beschreibt das Projekt im Interview mit der Zeitschrift WERKWANDEL (Ausgabe 02/2025, S. 30).
„Die Anwendung soll von nun an in allen Fertigungslinien zum Einsatz kommen.“Helmut Häckl, Geschäftsführer, Schabmüller Automobiltechnik GmbH
Quellen: GO>>ing, Juli 2024 · IT&Production, April 2025 · WERKWANDEL 02/2025, Interview S. 30