Die Qualität von Prozessen und Produkten lässt sich durch die Analyse von Betriebs- bzw. Funktionsgeräuschen feststellen. Zum Beispiel bemerken Maschinenführer einen Defekt an einer Anlage oft an ihrem veränderten Betriebsgeräusch. Um diesen Prozess zu automatisieren, bedarf es akustischer Auswertungsmethoden, welche eine fundierte iO/niO-Entscheidung treffen können. Nach aktuellem Stand der Technik beruhen solche Verfahren vor allen Dingen auf Körper- und Ultraschallanalysen. Für die Schallauswertung im hörbaren Frequenzspektrum gibt es bisher kaum etablierte Verfahren. Dies liegt an unterschiedlichen Herausforderungen, die mit der Auswertung hörbaren Schalls einhergehen. Zum einen dürfen vorhandene Störgeräusche nicht in die Bewertung einfließen und sämtliche Aspekte des Datenschutzes und der Datensicherheit müssen beachtet werden. Eine robuste Lösung für die berührungslose akustische Qualitätssicherung bedarf einiger Voraussetzungen und intelligente Methoden des maschinellen Lernens. Bisherige Industriebeispiele - die Szenarien kommen aus den Bereichen Predictive Maintenance und End-of-Line Testing - zeigen sowohl die Leistungsfähigkeit als auch die Grenzen der Technologie auf. Zudem gibt der Beitrag einen Ausblick auf weitere Forschungsschwerpunkte, welche sich aus der Anwendung oben genannter Technologien beziehungsweise der Weiterentwicklung dieser Verfahren ergeben.

Tobias Clauß ist wissenschaftlicher Mitarbeiter im Geschäftsfeld "Industrial Media Applications" bei Frauhofer IDMT.