Als Louisa Desel über die Lage vieler kunststoffverarbeitender Unternehmen spricht, fällt zuerst das Wort «Krisenmodus». Persistente Inflation, steigende Energiepreise, geopolitische Unsicherheiten und der spürbare Fachkräftemangel setzen die Branche unter Druck – besonders KMUs, die mit begrenzten Ressourcen um Wettbewerbsfähigkeit kämpfen. «In solchen Situationen werden Bemühungen zur Prozessverbesserung oft aufgeschoben oder ganz eingefroren, weil sie zunächst nach zusätzlichem Aufwand und Kosten klingen», sagt sie, «dabei sind gerade datenbasierte Optimierungen eine vergleichsweise kosteneffiziente Möglichkeit, die vorhandene Produktion spürbar zu stärken.»
Daten als ungenutzter Schatz
Dieser Hebel liegt oft ungenutzt in Daten, die längst vorhanden sind. Fragmentierte Systemlandschaft mit Excel-Tabellen, handschriftlichen Logbüchern oder USB-Sticks am Werkzeug sind für Desel typische Bilder aus der Praxis. «Die Unternehmen sitzen auf Datenschätzen, aber sie sind fragmentiert, uneinheitlich und damit schwer nutzbar», beschreibt sie die Ausgangslage. Osphim setzt genau hier an: Die Plattform sammelt Maschinendaten über Standardschnittstellen wie OPC-UA oder Euromap, bindet Peripherie wie Trockner, Temperiergeräte oder Kamerasysteme an und führt alles in einer einheitlichen Struktur zusammen. Damit bekommt man einen ganzheitlichen Blick auf die komplette Produktionszelle.
Wo die «Magie» der KI beginnt
Darauf aufbauend kommt die Künstliche Intelligenz (KI) ins Spiel. Sie analysiert das Zusammenspiel von Werkzeug, Maschine, Material und Umgebungsbedingungen und schlägt optimale Einstellparameter vor, etwa für Werkzeugtemperierung, Einspritzgeschwindigkeit oder Nachdruckzeiten. «Wir geben dem Maschinenbediener im Prinzip ein Rezept an die Hand», sagt Desel, «die ‘Magie’ beginnt, wenn die KI Muster erkennt, die der Mensch in dieser Vielzahl von Datenpunkten gar nicht mehr überblicken kann.» Die harte Ingenieursarbeit liege hingegen in der sauberen Datenerfassung, der Schnittstellenintegration und der Validierung der Modelle, damit die Empfehlungen belastbar seien.
Kleine Veränderungen, grosse Effekte
Wie gross der Effekt kleiner Verbesserungen sein kann, zeigt Desel mit einem einfachen Gedankenexperiment aus der Praxis. Wird die Zykluszeit von 12.3 s auf 11.2 s reduziert, entspricht das einer Verbesserung von 8.9 Prozent: Bei einer Jahresmenge von 500.000 Teilen spart der Betrieb so rund 153 Stunden Maschinenlaufzeit. In einem 24-Stunden-Betrieb sind das umgerechnet etwa 6.3 zusätzliche Produktionstage, die für weitere Aufträge, Varianten oder Bemusterungen zur Verfügung stehen ohne eine einzige zusätzliche Maschine anzuschaffen.
Genauso wirkt es beim Energieverbrauch: Jede kleine Effizienzsteigerung reduziert Stückkosten und CO₂-Fussabdruck und erhöht gleichzeitig die Auslastung der vorhandenen Anlagen. Für Desel ist das der Kern der Argumentation: «Gerade in unsicheren Zeiten sollte man zuerst ausschöpfen, was man mit den bestehenden Ressourcen besser machen kann.»
Blinde Flecken im Prozess
Besonders spannend wird es für sie dort, wo die KI klassische blinde Flecken sichtbar macht. Während der Mensch meist auf einzelne Parameter fokussiert, verknüpfen Algorithmen simultan Materialchargen, Maschineneigenschaften, Peripheriezustände, Hallenklima und Qualitätsdaten. «Wir sehen Zusammenhänge, die selbst erfahrene Einrichter überraschen», berichtet Desel – von subtilen Driftbewegungen eines Prozesses in den Grenzbereich bis hin zu Stillstandszeiten, die im Alltag schlicht untergehen.
Dass bei all dem kein zusätzlicher Sensorwald nötig ist, ist ihr wichtig. Zum Start genügen die vorhandenen Maschinenschnittstellen und die Peripheriegeräte, die ohnehin Daten liefern. Sensorik im Werkzeug sieht sie als sinnvolle Ergänzung für anspruchsvolle Anwendungen, aber nicht als Einstiegsvoraussetzung.
Menschen, Akzeptanz und Know-how
Zentral sei, die Hürde für Anwenderinnen und Anwender niedrig zu halten: Osphim ist als No-Code-Lösung konzipiert, die mit klaren Symbolen und Apps arbeitet. «Die meisten Menschen können ein Smartphone bedienen, ohne Apps zu programmieren genau so soll sich unsere Plattform anfühlen», erklärt sie.
Vorbehalte nimmt Desel ernst, gerade wenn es um die Angst vor Jobverlust geht. Sie betont, dass Osphim nicht autonom in die Maschine eingreift, wenn nicht gewünscht, sondern Empfehlungen ausspricht, die der Mensch prüft und umsetzt. Gleichzeitig verweist sie auf die Realität der Branche: weniger Auszubildende und eine Generation erfahrener Einrichter, die in den nächsten Jahren in den Ruhestand geht. Auch hier soll Osphim entlasten.
Praxisbeispiel: Bemusterung mit Rezyklat
Wie sich der Ansatz in Zahlen übersetzen lässt, zeigte ein Projekt mit einer Stapelbox aus Post-Consumer-Rezyklat. Statt langwieriger Trial-and-Error-Schleifen wurde die Bemusterung in weniger als vier Stunden abgeschlossen, inklusive automatisierter Analyse der Prozessparameter in Bezug auf die Bauteilqualität und Aufbau eines KI-Modells für die Serienfertigung. Die Messergebnisse belegten eine sehr geringe Schwankung der Bauteilabmessungen, fast schon gegen null bei gleichzeitig optimierter Zykluszeit und reduziertem Ausschuss.
Neu kaufen oder Bestehendes optimieren?
Dass datenbasierte Prozessführung in der Branche angekommen ist, zeigte sich zuletzt auch an der Swiss Plastics Expo in Luzern vom 20. bis 22. Januar, wo Maschinen- und Automationslösungen mit integrierten KI-Assistenten zu sehen waren. Dort ist der digitale Co-Pilot direkt in die neue Maschine eingebaut – ein spannender Ansatz, der allerdings Investitionen in moderne Anlagen voraussetzt.
«Für viele Unternehmen ist die Frage berechtigt, ob sie in einer angespannten Lage wirklich in neue Hardware gehen wollen – oder ob sie nicht zuerst das Maximum aus ihrem bestehenden Maschinenpark herausholen sollten», sagt Desel. Genau hier positioniert sie Osphim: als Lösung, die vorhandene Maschinen, Peripherie und Daten nutzbar macht, statt sie zu ersetzen, und damit eine zugängliche Alternative zu rein maschinengebundenen KI-Funktionen bietet. Osphim ist Maschinen Agnostisch entwickelt von Kunststofftechnikern für Kunststofftechniker.
Der Blick nach vorn
Trotz aller Technik bleibt Desels Motivation letztlich eine sehr menschliche: Sie will Brücken schlagen zwischen traditioneller Industrie und Deep Tech. Ihr Weg führte von finanz- und datenaffiner BWL über ingenieurnahe Studieninhalte und eine Promotion zu regenerativer Orientierung in der Industrie bis hin zur Gründung von Osphim. «Es reizt mich, Technologien in klassischen Branchen sichtbar und spürbar zu machen», sagt sie, «und gemeinsam mit den Menschen vor Ort Lösungen zu entwickeln, die ihnen den Alltag erleichtern um sich effizient und nachhaltig aufzustellen um Wettbewerbsfähig zu bleiben.»
Für Unternehmen, die sich fragen, wo sie anfangen sollen, formuliert sie den Einstieg bewusst einfach: Maschinen anbinden, einen Account einrichten, intelligente Funktionen nutzen – und dann konsequent lernen. «Schritt 0 ist: den Artikel lesen und zum Telefon greifen», sagt sie mit einem Lächeln. «Für fast jedes Problem gibt es eine Lösung wichtig ist nur, den ersten Schritt zu machen.»