Diesen Vorteil nutzt die Print & Packaging Community, um anonymisierte Daten vieler Millionen Produktionszyklen tausender Anwender zu vergleichen, um durch dieses AI-gestützte Benchmarking brachliegende Produktivitätspotentiale zu heben. Dank Deep-Learning-Verfahren erfüllen Inline-Inspektionssysteme auch dann zuverlässig ihren Job, wenn Druckanlagen mit Höchstgeschwindigkeit laufen. AI führt in der Papierproduktion Befunde aus fortlaufenden Prozessdatenanalysen mit dokumentiertem Erfahrungswissen von Verfahrenstechnikern zusammen, um Anlagen auch in Grenzbereichen störungsfrei betreiben zu können. Wo präzise Bahnführung in Wickel-, Schneid und Druckprozessen gefragt ist, helfen lernende Systeme, die Grenzen der Mechanik zu überwinden. Hierfür analysieren sie kontinuierlich kleinste Regelungsabweichungen und errechnen, wie diese im nächsten Zyklus kompensierbar sind – die AI-gestützte Vorsteuerung gewährleistet also, dass aus tolerablen Abweichungen keine Fehler werden. In Druckprozessen sorgt smarte Algorithmik dafür, dass die geforderte Farbsättigung mit minimalem Farbeinsatz erreicht wird. Das dient ebenso der Kosten- und Ressourceneffizienz wie der Einsatz von Machine Learning im Verpackungsdesign: Anhand vergleichender Simulationen gehen die Systeme rasend schnell verschiedene Designs durch und ermitteln Dasjenige, das mit dem geringsten Materialeinsatz den höchsten Output an optisch ansprechenden, stabilen und voll recyclingfähigen Verpackungen gewährleistet.
Es sind die ersten Schritte eines Megatrends, der die Print & Packaging Branche in den nächsten Jahrzehnten auf vielen Ebenen verändern wird. Wo immer die Komplexität für das menschliche Denken zu hoch, Datenmengen zu groß und Prozesse zu schnell sind, wird sich AI früher oder später durchsetzen. Doch das erfordert Zeit, weil die Systeme keine intuitive Intelligenz besitzen. Vielmehr müssen sie für ihre jeweiligen Aufgaben mit hohem Aufwand angelernt werden, ehe sie dieses angelernte Wissen in der tagtäglichen Praxis selbstständig vertiefen und präzisieren. Doch der Aufwand lohnt sich, weil einmal angelernte AI die Prozessqualität hebt, ohne zu ermüden, ohne Tagesform und mit stetig steigender Performance. Die Einsatzgebiete reichen vom optimierten Design und Layout in der Vorstufe, über die Verbindung von Mass-Customization und Automation oder die optimierte Produktionssteuerung bei einer Vielzahl unterschiedlicher Printjobs bis hin zu geschlossenen Regelkreisen in der gesamten Prozesskette oder zu einer datenbasierten Predictive Maintenance, die unerwartete Produktionsausfälle minimiert.
