KI-Erklärungen zur Crimpkraftüberwachung: Nachweise für Genauigkeit und Verständnis

Ein Alarm meldet „fehlende Einzeldrähte“, und der Bildschirm markiert einen Abschnitt der Crimpkraftkurve rot. Das kann einem Ingenieur helfen, den ersten Prüfpunkt zu wählen. Zwei Fragen bleiben jedoch offen: Fehlen am Produkt tatsächlich Einzeldrähte, und hilft die rote Markierung dabei, die richtige Maßnahme zu treffen?

Diese Analyse richtet sich an Qualitäts- und Prozessingenieure, die KI zur Crimpkraftüberwachung bewerten. Anhand einer öffentlich zugänglichen Studie von Hofmann und Kollegen betrachten wir Klassifikationsergebnisse, Modellerklärungen und Auswirkungen auf die Anwender getrennt. Wir benennen die Bezugsgrößen und Vergleichsbedingungen, die sich direkt in einer technischen Bewertung verwenden lassen. Die Arbeit erschien am 31. März 2026; die endgültige Verlagsfassung ist auf den 10. April datiert. Hier wird eine bereits vorliegende Studie gezielt analysiert. Originalarbeit

Drei Gegenstände der Bewertung trennen

Zwischen diesen drei Gegenständen lassen sich schrittweise Zusammenhänge herstellen, doch keiner ersetzt den anderen. Für eine Bewertung empfehlen wir, zuerst die Richtung der Fehlklassifikationen zu untersuchen, dann die Prüfung der Erklärung und schließlich die praktischen Aufgaben, die Anwender tatsächlich erledigt haben. In dieser Reihenfolge betrachten die folgenden Abschnitte die verfügbaren Nachweise der Studie.

Von einer Kurve zu vier farbigen Phasen: Was das Modell macht

Die Studie verwendet einen Random Forest, um vorverarbeitete Crimpkraftkurven in drei Klassen einzuteilen: normal, fehlende Einzeldrähte und in den Leitercrimp eingepresste Isolation. Ein Random Forest besteht aus mehreren Entscheidungsbäumen. Jeder Baum trifft anhand der Eingangsmerkmale eine Entscheidung; diese Entscheidungen werden zur Modellausgabe zusammengeführt. Die Eingaben dieser Studie sind aufeinanderfolgende Abtastpunkte der Kurve und kein einzelner, von einem Menschen ausgewählter Spitzenwert. Anschließend berechnet der TreeExplainer von SHAP den Beitrag jedes Abtastpunkts zur Ausgabe für eine bestimmte Klasse. Studie, Abschnitt 3; Offizielle Random-Forest-Dokumentation

Die Verarbeitungskette lässt sich so lesen:

1. Erfassung und Vorverarbeitung→
2. Random Forest gibt eine Klasse aus→
3. TreeSHAP erklärt die Ausgabe für diese Klasse→
4. Beiträge werden nach Prozessphase zusammengefasst→
5. Farben werden auf der ursprünglichen Kurve angezeigt

Dies ist eine schematische Darstellung der Zusammenhänge innerhalb der Methode. Die Klassifikation erfolgt vor der Farbdarstellung; die Farben fügen keine unabhängige Qualitätsprüfung hinzu.

Bestehende Crimpkraftüberwachung sollte nicht pauschal auf den Vergleich eines einzelnen Spitzenwerts reduziert werden. Die in der Studie zitierte Herstellerbeschreibung des BB07i4 umfasst den Vergleich mit Referenzkurven, die Behandlung von Drift und mehrere Referenzeinstellungen. Der hier betrachtete Beitrag verbindet die erlernte Klassifikation mit Phasenerklärungen. Die Studie liefert keinen einheitlichen Vergleich, der ausreichen würde, um „besser als jede konventionelle Überwachung“ zu quantifizieren. Herstellerbeschreibung des BB07i4

Die Arbeit unterteilt die Kurve in vier Phasen: Ausrichten, Einrollen, Verdichten und Rückfedern. Diese entsprechen dem beginnenden Kontakt und Ausrichten der Crimpflanken am Crimper, dem Einrollen der Flanken in den Leiter, dem Verdichten von Leiter und Kontakt sowie der elastischen Rückstellung nach dem Rückhub des Crimpers. Die Studie verwendet die Grenzindizes 75, 150, 345 und 500. Das sind Positionen innerhalb dieser Datenverarbeitung. Sie lassen sich nicht direkt als Zeiten, Wege oder allgemeingültige Segmentierungsparameter auf eine andere Maschine übertragen. Studie, Abschnitte 2.1 und 3.5, Gleichung 4

Die Zusammenfassung nach Phasen enthält ein leicht übersehenes Detail: Gleichung 6 der Studie bildet den Mittelwert der SHAP-Werte innerhalb jeder Phase und normalisiert das Ergebnis anschließend für die Farbbänder. Sie macht aus den vier Phasen keine jeweiligen „Ausfallwahrscheinlichkeiten“ und summiert auch nicht einfach alle absoluten Beiträge einer Phase.

Betrachten wir ein rein rechnerisches Beispiel. Zwei Punkte derselben Phase haben die Beiträge +0,02 und -0,02. Ihr vorzeichenbehafteter Mittelwert beträgt 0; der Mittelwert ihrer Absolutbeträge beträgt 0,02. Ersterer erhält das Verhältnis zwischen verstärkenden und sich aufhebenden Beiträgen, während Letzterer die Größe der Beiträge beschreibt. Diese beiden Zusammenfassungen beantworten unterschiedliche Fragen. Es handelt sich nicht um Messwerte aus der Studie. Beim Lesen oder Nachbilden einer Farbdarstellung müssen die erklärte Klasse, die Vorzeichen, die Zusammenfassungsmethode und die Regeln zur Farbnormalisierung gemeinsam erhalten bleiben. Andernfalls ändert sich, was „der röteste Bereich“ bedeutet.

TreeSHAP erklärt, wie die Modellausgabe von ihrem Basiswert abweicht. Dazu muss auch festgelegt werden, wie voneinander abhängige Eingangsmerkmale behandelt werden. Aufeinanderfolgende Kurvenpunkte sind korreliert. Deshalb gehören Softwareversion, Hintergrunddaten und Optionen zur Behandlung der Merkmalsabhängigkeit ebenfalls zu den Bedingungen der Erklärung. Eine gespeicherte Farbdarstellung allein macht dieselbe Farbe nicht zu einem über Versionen hinweg unveränderlichen Indikator. Offizielle TreeExplainer-Dokumentation

Welche Fehler stecken im Ergebnis von 95,9%?

Die Studie erfasste 1.617 Kurven aus zwei Leitungs-Kontakt-Paarungen mit Leiterquerschnitten von 0,50 mm² und 0,35 mm². Die Forscher bereiteten die Proben mit fehlenden Einzeldrähten und eingepresster Isolation gezielt vor. Sie teilten die Daten zufällig in 1.293 Trainings- und 324 Testbeispiele auf. Es handelt sich nicht um Versandaufzeichnungen, deren Stichprobe der Fehlerhäufigkeit einer realen Produktionslinie entspricht. Studie, Abschnitt 3.2

Die Autoren berichten eine Genauigkeit von 95,9% für die Dreiklassen-Klassifikation. Richtig und falsch beziehen sich hier auf die Labels der Autoren. Das Label eines gezielt erzeugten Defekts ist weiterhin von einer anhand der Produktanforderungen festgestellten Nichtkonformität zu unterscheiden. Zunächst sollten die Fehlerrichtungen getrennt werden:

Die Prozentwerte in der Tabelle sind beschreibende, aus den Anzahlen der Studie berechnete und gerundete Werte. Ihre Bezugsgrößen sind jeweils die Anzahl der als normal und der als fehlerhaft gekennzeichneten Proben. Sie sind weder die Gesamtfehlerrate noch der Fehleranteil unter den vom Modell als normal eingestuften Proben. Eine Konfusionsmatrix sollte klar ausweisen, welche Achse die Referenzlabels und welche die vorhergesagten Klassen enthält. Andernfalls wird dieselbe Zelle leicht als Antwort auf eine andere Frage gelesen. Studie, Abschnitt 4.1; Definition der Konfusionsmatrix

Zwischen dem berichteten Wert und den im Text genannten Anzahlen besteht außerdem eine kleine Abweichung. Insgesamt ergeben sich 6 + 4 + 3 = 13 Fehlklassifikationen. Mit insgesamt 324 Proben neu berechnet, beträgt die Dreiklassen-Genauigkeit ungefähr 96,0% und stimmt damit nicht genau mit den 95,9% der Autoren überein. Wir behalten daher den berichteten Autorenwert bei und führen Fehleranzahlen und Bezugsgrößen separat auf, ohne eine exakt übereinstimmende Nachrechnung zu behaupten.

Für eine Qualitätsbewertung ist die Unterscheidung zwischen dem Verwechseln der beiden Fehlerklassen und der Einstufung einer fehlerhaften Probe als normal wichtiger. Ersteres beeinflusst die Diagnoserichtung; Letzteres betrifft die Fehlererkennungsfähigkeit des Modells. Wird die Aufgabe auf die beiden Klassen normal und fehlerhaft reduziert, zählen die 3 Verwechslungen zwischen Fehlerklassen nicht mehr als Fehler, und die Kennzahl ändert sich. Auch deshalb sind Genauigkeitswerte verschiedener Klassifikationsaufgaben nicht direkt vergleichbar.

Was die Perturbationsversuche belegen

Um den Nutzen der Phasenerklärungen zu untersuchen, setzten die Forscher ausgewählte Phasen auf null, ersetzten sie durch Zufallswerte oder entfernten sie. Anschließend trainierten sie die Modelle mit derselben Trainingsmethode erneut. Kombinationen aus einer, zwei und drei Phasen ergaben 42 Modelle mit perturbierten Daten, die mit der unveränderten Ausgangsvariante verglichen wurden. Untersucht wird damit, was ein ohne die Informationen eines bestimmten Bereichs neu trainiertes Modell noch leisten kann. Es handelt sich nicht bloß um ein einmaliges Ausblenden der Eingabe des ursprünglichen Modells. Studie, Abschnitte 3.7 und 4.2

In Tabelle 4 ergibt die alleinige Veränderung der Verdichtungsphase bei allen drei Verfahren eine Genauigkeit von 0,861, unterhalb des von den Autoren berichteten Ausgangswerts von 0,959. Wird nur die Einroll- oder Rückfederungsphase verändert, liegen die entsprechenden Ergebnisse durchgängig bei 0,954. Das stützt eine konkrete Aussage: Mit diesen Daten und dieser Vergleichsmethode enthält die Verdichtungsphase Klassifikationsinformationen, die die übrigen Bereiche schwerer ausgleichen können.

Dieser Versuch belegt nicht unmittelbar, dass der rote Bereich die physikalische Ursache des Defekts ist. Der Leistungsabfall nach erneutem Training hängt davon ab, wie viele Informationen entfernt werden, ob andere Phasen dies ausgleichen können, welches Modell verwendet wird und wie die Daten aufgeteilt sind. Auch die Studie räumt ein, dass die Phasen unterschiedlich viele Abtastpunkte enthalten. Das Entfernen einer längeren Phase kann einen größeren Verlust verursachen; dessen Ausmaß allein belegt nicht, dass jeder einzelne Punkt wichtiger ist.

Sollen als Nächstes zwei Erklärungsmethoden verglichen werden, bietet sich ein gezielterer zusätzlicher Versuch an. Beide wählen jeweils dieselbe Anzahl an Punkten oder gleich lange Intervalle aus. Anschließend erfolgt der Vergleich mit derselben Ersetzungsmethode, denselben Trainingseinstellungen und demselben Testsatz. Dieser Vorschlag soll den Störeinfluss durch „mehr entfernen“ verringern. Er ist kein bereits in der Studie erzieltes Ergebnis.

Zustimmung zur Phasenerklärung belegt noch keine bessere Aufgabenerfüllung

Im Teil der Studie zu menschlichen Faktoren bewerteten zwei Prozessexperten den Einfluss jeder Phase anhand von Kurven, deren Qualitätsklassen bereits gekennzeichnet waren. Ihre Einschätzungen wurden anschließend qualitativ mit den Visualisierungen verglichen. Damit lässt sich prüfen, ob die Erklärungen im Großen und Ganzen mit Fachwissen übereinstimmen. Die Untersuchung liefert keine Trefferquote aus Blindtests mit Bedienern über mehrere Schichten, keine Alarmbearbeitungszeiten und keine Veränderung von Fehlhandlungen vor und nach Einführung der Farbbänder. Studie, Abschnitt 4.3

Die beiden Fragen lassen sich getrennt untersuchen:

• Zur Prüfung der Plausibilität einer Phasenerklärung können Ingenieure angeben, welchen Kurvenbereich ein bestimmter Defekt voraussichtlich beeinflusst. Dies lässt sich anschließend mit dem vom Modell hervorgehobenen Bereich vergleichen.
• Zur Prüfung, ob die Oberfläche bei der Bearbeitung hilft, sollten Anwender Datensätze bearbeiten, deren richtige Antworten sie nicht kennen. Ihre Entscheidungen werden beim Betrachten der ursprünglichen Kurve, dann mit einem Klassenhinweis und anschließend mit der Phasenerklärung beobachtet. Auch „nicht entscheidbar“ ist ein sinnvolles Ergebnis; Anwender sollten nicht jedes Mal eine Ursache angeben müssen.

Beim zweiten Vergleich sollten der Schwierigkeitsgrad der Proben und die verfügbaren Informationen möglichst konstant bleiben. Lerneffekte durch die Darbietungsreihenfolge sind zu berücksichtigen. Andernfalls kann eine schnellere zweite Antwort lediglich darauf beruhen, dass die Person dieselbe Kurve schon gesehen hat. Auch für übersehene oder falsch klassifizierte Proben sollten die Erklärungsansichten aufbewahrt werden. Eine klare Erklärung kann weiterhin eine falsche Vorhersage erklären.

Was ist verfügbar, und was fehlt für die Übertragung?

Die Studie stellt den Volltext öffentlich bereit und verlinkt den Crimp Force Curve Dataset auf Harvard Dataverse sowie einen Artikel in Scientific Data zu Erfassung, Kennzeichnung und technischer Validierung. Die aktuelle Datensatzversion ist V3.0. Der vollständige Datensatz enthält 2.439 Kurven und unterscheidet sich damit von der in dieser Studie verwendeten Teilmenge von 1.617 Kurven. Die Daten enthalten sowohl manuelle Labels als auch CFM-Entscheidungen, einschließlich abweichender Bewertungen. Vor einer Auswertung ist festzulegen, welche Referenzlabels verwendet werden. Die tatsächliche Konformität ist mit für das Projekt geeigneten Methoden zu bestimmen. Diese öffentlichen Materialien ermöglichen eine Offline-Bewertung von Methoden; der Zugang zu einem Datensatz ist keine validierte Software für die Online-Überwachung. DOI des Datensatzes; Artikel zur Datenbeschreibung

Die Autoren stellen außerdem ein öffentliches Code-Repository cfc-analysis bereit. Der hier verwendete Link verweist fest auf den Commit cf20535 vom 22. August 2025, der Dateien zur Datenvorverarbeitung, Validierung und grafischen Darstellung enthält. Er bietet einen Zugang zum Verständnis der Daten. Daraus folgt nicht, dass der vollständige Random-Forest-, TreeSHAP- und Oberflächencode dieser Studie von 2026 veröffentlicht wurde.

Für diese Analyse haben wir den vollständigen Datensatz weder heruntergeladen noch ausgeführt. Ebenso haben wir das vollständige Codepaket der SHAP-Studie für Training, Aufteilung und Visualisierung nicht beschafft und ausgeführt. Für die Behauptung einer exakten Reproduktion müssten weiterhin gemeinsam geprüft werden:

• die Datenversion und die tatsächlich verwendeten Proben-IDs;
• Vorverarbeitung und Skalierungsbereiche;
• Zuordnung zu Training und Test sowie Zufallsstartwerte;
• Versionen der Abhängigkeiten und SHAP-Optionen;
• Phasengrenzen und Darstellungsregeln.

Ein einmaliges Training anhand der Parameter der Studie führt nicht automatisch zum gleichen Ergebnis.

Wechselt die Bewertung zu neuen Kontakten, Leitungen oder Maschinen, lassen sich die Nachweise in folgender Reihenfolge vorbereiten. Dies sind Vorschläge zur Bewertung, keine Kriterien für eine Produktionsfreigabe.

1. Zuerst klären, wie die Referenzlabels entstehen. Dokumentieren Sie, wie fehlende Einzeldrähte und eingepresste Isolation erzeugt und bestätigt werden und wie geringfügige Auffälligkeiten von akzeptablen Zuständen abgegrenzt werden. Bewahren Sie diese Angaben zusammen mit den Proben-IDs auf. Sind die Labels uneindeutig, löst eine bessere Modellkennzahl das Problem der Qualitätsdefinition nicht.
2. Neue Bedingungen für einen tatsächlich externen Test zurückhalten. Soll die Übertragbarkeit auf andere Chargen gezeigt werden, halten Sie vollständige Chargen zurück. Soll die Eignung nach einem Maschinen- oder Kontaktwechsel gezeigt werden, halten Sie die entsprechenden Bedingungen zurück. Eine zufällige Aufteilung von Daten derselben Herkunft beantwortet nur einen Teil dieser Fragen. Auch unbekannte Defekte werden durch ein Dreiklassen-Ergebnis nicht automatisch abgedeckt.
3. Mit der bestehenden Überwachung an denselben Proben vergleichen. Zählen Sie Fehlalarme bei normalen Proben, übersehene Defekte und falsche Hinweise auf den Defekttyp getrennt gegen die Referenzlabels und behalten Sie die tatsächlichen Bezugsgrößen bei. Vergleichen Sie die Genauigkeit der Studie nicht mit der Alarmrate an anderen Werkstücken. Ändert sich die Fehlerhäufigkeit der Produkte, untersuchen Sie zudem die als fehlerhaft und als normal vorhergesagten Gruppen separat darauf, wie viele Auffälligkeiten jeweils durch die Projektmethoden bestätigt werden.
4. Abschließend prüfen, ob die Erklärung das Handeln verändert. Untersuchen Sie innerhalb des bestehenden Bearbeitungsablaufs, ob die Farbbänder Prüfungen in die falsche Richtung verringern oder Ingenieuren helfen, unzuverlässige Modellentscheidungen zu erkennen. Besteht das einzige Ergebnis darin, dass Phasenerklärungen intuitiver wirken, begrenzen Sie die Schlussfolgerung auf ihre Plausibilität. Die Validierung der Reaktionen von Menschen bleibt erforderlich.

Die nützlichste erste Seite einer technischen Bewertung kann aus nur drei Zeilen bestehen: Fehlerrichtungen und Bezugsgrößen unter den neuen Bedingungen; der Perturbationsvergleich zur Prüfung der Erklärung; und die Entscheidungsaufgaben, die Anwender tatsächlich erledigt haben. Random Forest, TreeSHAP und Phasenfarbbänder der Studie bieten für die ersten beiden Zeilen eine untersuchenswerte Kombination. Für die dritte fehlen weiterhin Nachweise aus der vorgesehenen Arbeitsumgebung.

Zur weiteren Vorbereitung einer Crimpqualitätsbewertung lesen Sie, was Crimphöhe, Auszugskraft und Schliffbilder jeweils zeigen. Damit lassen sich die Aufgaben von Prozesskurven und Fertigteilprüfung unterscheiden. Weitere Forschungsanalysen und Praxisleitfäden finden Sie in der Ressourcenbibliothek.

Quellen und Lesehinweise

Hauptstudie: Hofmann, B., Bründl, P., Nguyen, H. G. und Franke, J., Transparent machine learning for crimp force monitoring using phase-based SHAP explanations, Industrial Artificial Intelligence 4, 2 (2026), DOI: 10.1007/s44244-026-00028-6. Die chinesische Analyse und die Bewertungsvorschläge wurden auf Grundlage des öffentlich verfügbaren Volltexts eigenständig verfasst; keine Originalabbildungen wurden übernommen. Die Originalarbeit steht unter CC BY 4.0. Das Rechenbeispiel und die vorgeschlagenen zusätzlichen Versuche in dieser Analyse sind keine Messergebnisse der Autoren. Sie stehen auch nicht für eine von MTTJ durchgeführte Reproduktion oder Validierung an einer Produktionslinie.

Quellen abgerufen am 7. Oktober 2026. Sollten die Autoren später Code veröffentlichen, Ergebnisse korrigieren oder unabhängige Validierungen über verschiedene Maschinen hinweg verfügbar werden, sollten zuerst die Implementierungsbedingungen und die Bewertung der Übertragbarkeit aktualisiert werden.

KI unterstützte die Aufbereitung der Quellen und das Verfassen dieses Artikels.