Zusammenfassung

Künstliche Intelligenz in der additiven Fertigung klingt nach einer großen Sache. In der Praxis hilft sie heute wirklich an zwei Stellen. Erstens bei der geschlossenen Prozessregelung, bei der die Software die Druckparameter ändert, während der Baujob läuft. Zweitens bei der Parameteroptimierung vor dem Druck, bei der die Software aus früheren Baujobs lernt.

Der Rest befindet sich entweder in einem frühen Stadium oder ist alte Mathematik mit neuem Etikett. Die Zahlen, die Hersteller veröffentlichen, sind hoch, aber sie stammen aus Einzeltests und überwiegend von den Herstellern selbst. Lesen Sie sie als Richtung, nicht als Garantie.

KI behebt keinen schlechten Prozess und ersetzt nicht den Ingenieur. Ein Unternehmen ohne ordentliche Aufzeichnungen über seine Baujobs, Parameter und Ergebnisse hat keine Ausgangsbasis.

Geschlossene Prozessregelung, die ausgereifteste Anwendung

Geschlossene Prozessregelung bedeutet Folgendes. Eine Kamera oder ein Sensor beobachtet den Baujob, während er läuft. Auf Grundlage dieser Daten ändert die Software die Parameter im laufenden Betrieb, meist die Laserleistung. Das ist heute die ausgereifteste Anwendung von KI im Metall-Pulverbettdruck.

EOS macht das mit seiner Software Smart Fusion. Eine Kamera für optische Tomografie misst die Wärme jeder Schicht, und die Software passt die Laserleistung so an, dass das Bauteil nicht überhitzt. So werden weniger Stützstrukturen benötigt.

2021 veröffentlichte EOS die Ergebnisse eines Tests mit dem Institut A*STAR ARTC in Singapur, an rostfreiem Stahl 316L. 38 Prozent weniger Stützstrukturen. 62 Prozent kürzere Druckzeit. 76 Prozent niedrigere Kosten pro Bauteil. Wenn das zutrifft, ist der Unterschied groß.

Aber das sind Zahlen eines Herstellers, mit einem Partner, aus einem Test. Sie sagen nicht, was die Stützstrukturen vorher gekostet haben und was nachher. Nur einen Prozentsatz. Ohne absolute Zahlen bedeutet ein Prozentsatz allein nicht viel. Nehmen Sie ihn als Richtung, nicht als Garantie für Ihren Prozess.

Additive Assurance aus Australien hat ein System namens AMiRIS. Es beobachtet den Baujob mit einer Nahinfrarotkamera. Im November 2025 kündigte Nikon SLM die Integration dieses Systems in seine Plattform NXG an, mit 12 gleichzeitig überwachten Lasern. Additive Industries ging 2024 eine Partnerschaft mit demselben Unternehmen für seine MetalFab-Anlagen ein.

Additive Assurance gibt an, dass konventionelle zerstörungsfreie Prüfung und Validierung 25 bis 50 Prozent der Bauteilkosten verschlingen können. Auch das ist eine Angabe des Herstellers selbst. Sie ist dennoch nützlich, weil sie erklärt, warum überhaupt jemand ein solches System kauft. Wenn die Prüfung einen so großen Anteil Ihrer Bauteilkosten ausmacht, ist eine Überwachung während des Baujobs sinnvoll.

KI-Werkzeuge ändern sich schnell, und das ist ein Risiko

Ein Beispiel zeigt gut, wie instabil dieser Markt ist. Jahrelang war Sigma Additive Solutions einer der bekannteren Namen in der Schmelzbadüberwachung für den Metalldruck. Sein System PrintRite3D war in Anlagen mehrerer Hersteller eingebaut.

Im Oktober 2023 zog sich Sigma aus der additiven Fertigung zurück. Die gesamte Software und das geistige Eigentum kaufte Divergent Technologies für sein eigenes Produktionssystem. Sigma übernahm danach ein Reiseunternehmen, NextTrip.

Die Lehre ist einfach. Wenn Sie ein KI-Modul kaufen, fragen Sie, wer dahintersteht, ob es an eine Anlage gebunden ist und was mit Ihren Daten geschieht, wenn das Unternehmen verschwindet. Dieselbe Frage stelle ich bei der Auswahl der Anlage selbst, wie ich in Was herstellerunabhängig bei der Anlagenauswahl bedeutet geschrieben habe.

Parameteroptimierung vor dem Druck

Der zweite Bereich, der wirklich funktioniert, ist die Parameteroptimierung vor dem Druck. Die Software lernt aus früheren Baujobs und schlägt Parameter vor, die den Ausschuss verringern. Statt zehn Testbaujobs brauchen Sie vielleicht drei.

Senvol ML macht das seit Jahren. BMW setzte es für Aluminium auf einer Anlage mit vier Lasern ein. Die neuen Parameter übertrafen die manuell optimierten, und die Entwicklung dauerte weniger lange. Senvol ML wird auch von der US Navy, der US Army und der US Air Force eingesetzt. Der Präsident des Unternehmens, Zach Simkin, sagt, dass maschinelles Lernen für die Prozess- und Werkstoffentwicklung bereits ausgereift und in der Industrie angekommen ist.

1000 Kelvin AMAIZE arbeitet ähnlich, schlägt aber auch die Scanstrategie selbst vor. Es ist mit der Software von EOS und als Add-in für Autodesk Fusion erhältlich. Ein Fall aus dem Jahr 2024, ein kalifornisches Unternehmen für Raketenstarts, berichtet von 80 Prozent weniger Stützstrukturen und über 30 Prozent niedrigeren Gesamtkosten. Es gilt dieselbe Vorsicht. Das ist ein einzelner Fall, das Unternehmen wird nicht genannt, die Zahlen stammen vom Softwareanbieter, und es gibt keine unabhängige Bestätigung.

Veröffentlichte Einsparungen durch KI-Werkzeuge im Metall-3D-Druck, Herstellerangaben

Was KI nicht löst

Wenn ein Unternehmen keine ordentlichen Aufzeichnungen über seine Baujobs, Parameter und Ergebnisse führt, hilft ihm keines dieser Werkzeuge. Es gibt nichts, woraus gelernt werden könnte. Es kommt schneller zu einem falschen Schluss, nicht zu einem besseren.

Wenn Sie keinen definierten Qualifizierungsprozess haben, baut KI ihn nicht für Sie auf. Wie dieser Prozess aussieht, habe ich in Prozessqualifizierung in der Praxis beschrieben.

KI ersetzt den Ingenieur bei kritischen und regulierten Bauteilen nicht. Die Entscheidung trifft weiterhin ein Mensch, besonders bei Medizinprodukten und in der Luft- und Raumfahrt, wo Rückverfolgbarkeit und ein dokumentierter Prozess verlangt werden, nicht nur ein gutes Ergebnis.

Das ist auch mein Ansatz bei Dokimion, einer unabhängigen Druckbarkeitsprüfung für 3D-gedruckte Bauteile. Eine deterministische Engine berechnet die Geometrie anhand von Regeln für den gewählten Werkstoff. KI schreibt die Schlussfolgerung und die Erklärung, ändert aber nicht die geometrische Bewertung.

KI außerhalb des eigentlichen Drucks

Es gibt auch neuere Werkzeuge außerhalb des eigentlichen Drucks. Backflip AI wandelt einen 3D-Scan oder eine STL-Datei in ein bearbeitbares CAD-Modell mit Feature-Baum um. Das Unternehmen wurde Ende 2024 von Greg Mark und David Benhaim gegründet, den Gründern von Markforged. Das Werkzeug ist seit August 2026 allgemein verfügbar.

Das Unternehmen gibt an, dass die manuelle Umwandlung eines Scans in CAD etwa 1.500 Dollar pro Bauteil kostet und Stunden oder Tage dauert, während sein Werkzeug das für etwa 10 Dollar in wenigen Minuten erledigt. Das klingt nützlich für Reverse Engineering und Ersatzteile. Das Produkt ist aber neu, und über die Angaben des Unternehmens selbst hinaus gibt es noch kaum unabhängige Überprüfungen. Ausführlicher behandle ich dieses Thema in Reverse Engineering und 3D-Scannen als Einstieg in die additive Fertigung.

Bei FDM-Druckern gibt es eine einfachere, günstigere Anwendung. Eine Kamera mit einem KI-Modell erkennt, wenn ein Druck fehlschlägt, und hält ihn an. Ein Beispiel ist Obico, das Open Source ist, und einige Hersteller bauen das direkt in den Drucker ein. Das spart Filament und Maschinenzeit, aber es stoppt einen fehlgeschlagenen Druck, es prüft nicht die Bauteilqualität.

Vergleich der Ansätze

Ansatz Wann er sinnvoll ist Risiko
Manuelle Parameterabstimmung Geringe Stückzahl, neuer Werkstoff Langsam, abhängig vom Bediener
KI-Parameteroptimierung Wiederholfertigung Braucht eine Datenhistorie
Geschlossene Prozessregelung Teure Bauteile, Metall Anlagenkosten, prozessabhängig
KI-Fehlererkennung bei FDM Unbeaufsichtigtes Drucken, über Nacht Stoppt Fehldrucke, garantiert keine Qualität

Wie weit man veröffentlichten Zahlen trauen kann

Werkzeug Was es tut Veröffentlichte Zahl Wer sie veröffentlicht hat
EOS Smart Fusion Ändert die Laserleistung während des Baujobs 76 Prozent niedrigere Kosten pro Bauteil EOS, Test mit A*STAR ARTC, 2021
1000 Kelvin AMAIZE Schlägt Parameter und Scanstrategie vor 80 Prozent weniger Stützstrukturen Softwareanbieter, ein Kunde, 2024
Additive Assurance AMiRIS Überwacht den Baujob im Nahinfrarot Prüfung macht 25 bis 50 Prozent der Bauteilkosten aus Systemhersteller
Backflip AI Wandelt einen Scan in CAD um Von etwa 1.500 auf etwa 10 Dollar pro Bauteil Hersteller, 2026

Keine dieser Zahlen wurde unabhängig bestätigt. Das bedeutet nicht, dass sie falsch sind. Es bedeutet nur, dass Sie sie an Ihrem eigenen Bauteil prüfen sollten.

Häufig gestellte Fragen

Braucht ein kleines Unternehmen KI-Werkzeuge für den 3D-Druck? Nicht, bevor es ordentliche Aufzeichnungen über seine Parameter und Ergebnisse führt. Ohne diese Grundlage hat ein KI-Werkzeug keine Daten, aus denen es lernen kann.

Sind die Zahlen, die Hersteller veröffentlichen, verlässlich? Teilweise. Sie stammen meist aus einem Test und vom Hersteller selbst. Nehmen Sie sie als Signal, nicht als Garantie, und prüfen Sie sie an Ihrem eigenen Bauteil.

Wo funktioniert KI in der additiven Fertigung heute wirklich? In der geschlossenen Prozessregelung, bei der die Software die Laserleistung während des Baujobs ändert, und in der Parameteroptimierung vor dem Druck auf Grundlage früherer Ergebnisse. Beides ist im Metall-Pulverbettdruck am weitesten entwickelt.

Ersetzt KI den Ingenieur? Nein. KI beschleunigt Vorschläge und Analysen. Die Entscheidung und die Verantwortung trägt weiterhin der Ingenieur, besonders bei regulierten und kritischen Bauteilen.

Was ist geschlossene Prozessregelung im 3D-Druck? Das ist ein Prozess, bei dem ein Sensor oder eine Kamera den Baujob beobachtet, während er läuft, und die Software mit diesen Daten die Parameter im laufenden Betrieb ändert, meist die Laserleistung. Ziel ist es, einen Fehler bei seiner Entstehung zu verhindern, nicht ihn nach dem Baujob zu finden.

Worauf sollte ich beim Kauf eines KI-Moduls für den 3D-Druck achten? Fragen Sie, wer hinter dem Werkzeug steht, ob es an eine Anlage gebunden ist und was mit Ihren Daten geschieht, wenn das Unternehmen den Markt verlässt. Der Fall von Sigma Additive Solutions, das 2023 seine Software verkaufte und sich aus der additiven Fertigung zurückzog, zeigt, dass das tatsächlich vorkommt.

Quellen