Grenzen der KI-Prozessvorprüfung: Welche Probleme die KI tatsächlich nicht erkennen kann

In der zweiten Jahreshälfte 2024 haben wir eine Reihe von Vergleichstests durchgeführt: Wir haben die tatsächlichen Bestelldateien von 200 Kunden verwendet und diese sowohl mit dem KI-Prozessvorprüfungstool als auch von unseren erfahrenen Prozessmeistern manuell vorprüfen lassen. Dabei haben wir die Problemlisten beider Kanäle protokolliert.

Das Ergebnis ist etwas kontraintuitiv – 80 % der von der KI erkannten Probleme waren „dateibezogene Fehler" (Beschnitt, Schriftarten in Kurven umwandeln, Auflösung, Farbmodus); der Anteil der von der KI erkannten „prozessbezogenen Fehler", die tatsächlich über Erfolg oder Misserfolg der Massenproduktion entscheiden, lag jedoch bei unter 30 %.

Dies offenbart die tatsächlichen Grenzen der KI-Prozessvorprüfung: Die KI kann Probleme in der Datei selbst sehr gut erkennen, hat jedoch große Schwierigkeiten, die Umsetzbarkeit auf Prozessebene zu beurteilen. Dieser Artikel soll genau diese Thematik verdeutlichen – die tatsächlichen Fähigkeiten der KI-Prozessvorprüfung, die 6 Arten von Problemen, die sie nicht erkennt, sowie wie Kunden KI-Tools sinnvoll einsetzen sollten.

Zunächst: Wofür ist die KI-Prozessvorprüfung stark?

Die Kernfähigkeit der KI-Prozessvorprüfung ist die „regelbasierte Mustererkennung". Sie kann Dateien schnell scannen und prüfen, ob sie gegen bekannte Designspezifikationen und Druckgrundsätze verstoßen. Diese Regeln sind relativ fest definiert und quantifizierbar, weshalb die KI eine sehr hohe Genauigkeit erreicht.

Zu den Problemen, die die KI zuverlässig erkennt, gehören: ① Ist der Anschnitt korrekt (in der Regel 3 mm); ② Sind die Schriften in Kurven konvertiert; ③ Ist die Auflösung ausreichend (in der Regel 300 dpi oder mehr); ④ Ist der Farbmodus korrekt (CMYK statt RGB); ⑤ Sind Hyperlinks eingebettet; ⑥ Fehlen Bilder; ⑦ Stimmen die Dateiabmessungen; ⑧ Gibt es Elemente mit zu niedriger oder zu hoher Transparenz; ⑨ Ragen Elemente über die Schnittlinie hinaus; ⑩ Entsprechen die Sonderfarbeneinstellungen den Vorgaben.

Bei diesen 10 Problemkategorien liegt die Erkennungsrate der KI bei über 90 %, die Falsch-Positiv-Rate unter 5 %. In unserem Test mit 200 Aufträgen hat die KI im Durchschnitt 4,2 Datei-Fehler pro Auftrag gefunden, davon etwa 1,5 Fehler, die mit bloßem Auge kaum direkt erkennbar sind, aber den Druck beeinträchtigen (z. B. Sonderfarbenfehler, nicht eingebettete Hyperlinks).

Das bedeutet, dass die KI-Prozessvorprüfung bei „Datei-Fehlern" bereits die Effizienz und Genauigkeit der meisten manuellen Vorprüfungen übertrifft. Deshalb empfehlen wir unseren Kunden, unmittelbar nach dem Hochladen der Dateien die KI-Vorprüfung durchlaufen zu lassen – so lässt sich ein Großteil der „einfachen Fehler" direkt an der Quelle beheben.

Doch bei 6 Arten von Verarbeitungsproblemen stößt KI wirklich an ihre Grenzen

Was über Erfolg oder Misserfolg einer Serienproduktion entscheidet, sind oft nicht Fehler in der Dateiebene, sondern Probleme auf der „Verarbeitungsebene". Diese Probleme erfordern ein tiefes Verständnis von Material, Maschinen und Verarbeitungserfahrung – etwas, das KI derzeit noch nicht leisten kann.

Problem 1: Die „haptische" Beurteilung von Materialdicke und Steifigkeit.Bei Papieren mit gleichem Flächengewicht variieren tatsächliche Dicke, Steifigkeit und Oberflächenglätte je nach Marke erheblich. Beispielsweise kann ein 350 g/m² Karton von Marke A eine Dicke von 0,45 mm aufweisen, während Marke B 0,50 mm erreicht. KI kann anhand der Datei erkennen, dass „350 g/m² Karton" vorgegeben ist, aber sie kann nicht beurteilen, ob dieser Karton für eine bestimmte Geschenkverpackungsstruktur geeignet ist – etwa für eine hochwertige Stülpdeckelschachtel, die eine hohe Steifigkeit erfordert. In einem solchen Fall wäre Marke B besser geeignet als Marke A, doch die KI erkennt dies nicht.

Problem 2: Die verarbeitungstechnische Anpassung der Prägetemperatur.Das Heißfolienprägen erfordert eine Temperatur von 110–130 °C und eine Verweildauer von 25–35 Sekunden. Die optimalen Parameterkombinationen variieren je nach Papier, Fläche und Prägefolie stark. KI kann in der Datei prüfen, „ob eine Heißfolienprägung vorgesehen ist" und „wie groß die Prägefläche ist", aber sie kann nicht beurteilen, ob diese Prägefläche auf dem jeweiligen Papier realisierbar ist – großflächige Heißfolienprägungen neigen beispielsweise auf gestrichenem Papier zu Faltenbildung, während sie auf Kunstdruckpapier (CUW) gute Ergebnisse liefern. Über diese Verarbeitungserfahrung verfügt die KI nicht.

Problem 3: Der Einfluss des Druckmaschinenzustands.Dieselbe Designdatei kann auf Druckmaschinen in unterschiedlichem Zustand zu Ergebnissen führen, die um 20–30 % voneinander abweichen. Maschinenverschleiß, ungleichmäßiger Anpressdruck, abgenutzte Farbwalzen und ähnliche Faktoren beeinflussen das Endergebnis. Die KI-gestützte Verarbeitungsprüfung kann nur die Datei analysieren, nicht aber vorhersagen, wie sich der Maschinenzustand auf die Serienproduktion auswirkt.

Problem 4: Die Umsetzbarkeit der Passergenauigkeit.Die Passergenauigkeit (Genauigkeit der Ausrichtung der einzelnen Farbwerke beim Mehrfarbendruck) wird von vielen Faktoren beeinflusst: Maschinengenauigkeit, Materialdehnung, Umgebungstemperatur und Luftfeuchtigkeit. KI kann prüfen, ob „Passermarken in der Datei angelegt sind", aber sie kann nicht beurteilen, ob dieses Design unter den tatsächlichen Passergenauigkeitsbedingungen der aktuellen Produktionshalle stabil gefertigt werden kann. In unseren Tests lag die Vorhersagegenauigkeit der KI bei Passerproblemen lediglich bei 25 %.

Problem 5: Der Einfluss des Verschleißes des Stanzwerkzeugs.Der Stanzvorgang ist auf die Präzision des Stanzwerkzeugs angewiesen. Ein neues und ein abgenutztes Werkzeug können bei derselben Stanzkontur Unterschiede von 0,1–0,3 mm verursachen. KI kann anhand der Datei nicht den aktuellen Zustand des Stanzwerkzeugs erkennen und auch nicht beurteilen, ob kleine Elemente in der Datei (z. B. Eckenradien unter 2 mm oder komplexe Sonderformen) sauber und stabil gestanzt werden können.

Problem 6: Die Haftung von Spezialdruckfarben.Bei Spezialdruckfarben (UV-Farben, Mattlackfarben, Nachleuchtfarben, Thermochromfarben) variiert die Haftung auf unterschiedlichen Papieren enorm. KI kann prüfen, „ob in der Datei Spezialfarben vorgegeben sind", aber sie kann nicht beurteilen, ob die Haftung dieser Farbe auf dem aktuellen Papier ausreicht. In unseren Tests lag die Vorhersagegenauigkeit der KI bei Haftungsproblemen von Spezialfarben lediglich bei 18 %.

Warum KI diese Probleme nicht erkennen kann

Der Hauptgrund liegt darin, dass diese 6 Problemkategorien keine „Dokumentenregeln", sondern „Verfahrenserfahrung" sind. Sie sind abhängig von: ① dem Verständnis der physikalischen Materialeigenschaften; ② der Echtzeit-Kenntnis des Anlagenzustands; ③ der langjährigen Erfahrung im Zusammenspiel von Material, Anlage und Verfahren.

Dieses Wissen weist mehrere Merkmale auf: Erstens überwiegt implizites Wissen – viele erfahrene Meister urteilen nach „Gefühl" und können dies sprachlich kaum ausdrücken; zweitens ist es szenarioabhängig (für unterschiedliche Materialien, Anlagen und Umgebungen muss jeweils neu beurteilt werden); drittens ist es das Ergebnis langjähriger Erfahrung, und neue Mitarbeiter benötigen 3 bis 5 Jahre, um diese Urteilsfähigkeit auszubilden.

Die Trainingsdaten einer KI können zwar zahlreiche Regeln und Fallbeispiele enthalten, doch Verfahrenserfahrung ist im Kern eine „Urteilsfähigkeit", die erst durch wiederholtes Training in realen Szenarien entsteht. Aktuelle KI-Werkzeuge beherrschen vor allem das „Regel-Matching", während die Simulation von „Urteilsfähigkeit" noch sehr rudimentär ist.

Eine weitere Einschränkung ist die „Echtzeitfähigkeit". KI-Vorprüfwerkzeuge werden üblicherweise in der Cloud oder auf dem Client eingesetzt und nutzen allgemeine Modelle. Sie haben keinen Zugriff auf die Echtzeit-Anlagendaten, das Materiallager und die Erfahrung der Mitarbeiter jeder Fabrik. Selbst wenn ein KI-Modell diese Erfahrungen theoretisch erlernen könnte, fehlt es bei der praktischen Umsetzung an den erforderlichen Dateneingaben.

Die richtige Nutzung der KI-Vorprüfung im Produktionsprozess

Nachdem Sie die Grenzen der KI verstanden haben, sollten Kunden das KI-Tool auf folgende Weise einsetzen.

Erster Schritt: Führen Sie nach dem Hochladen der Datei zunächst die KI-Vorprüfung durch und korrigieren Sie alle Fehler auf Dateiebene. In diesem Schritt kann die KI bereits über 90 % der einfachen Fehler beheben – deutlich effizienter als eine manuelle Prüfung.

Zweiter Schritt: Nach bestandener KI-Vorprüfung übergeben Sie die Dateien zur manuellen Nachprüfung an den Produktionsmeister der Fabrik. In diesem Schritt liegt der Fokus auf prozesstechnischen Problemen, insbesondere auf den oben genannten 6 Kategorien. Dieser Schritt kann von der KI derzeit nicht ersetzt werden.

Dritter Schritt: Bei Aufträgen mit besonderen Veredelungen (Heißfolienprägung, UV-Lack, Stanzung, Sonderfarben) empfiehlt es sich, die Vorgehensweise vorab mit dem Produktionsmeister der Fabrik abzustimmen und sich nicht ausschließlich auf das Ergebnis der KI-Vorprüfung zu verlassen.

Vierter Schritt: Ein Kleinversuch vor der Massenproduktion (200–500 Stück) darf nicht eingespart werden. Selbst wenn sowohl die KI-Vorprüfung als auch der Produktionsmeister grünes Licht geben, bleibt der Kleinversuch vor der Serienproduktion unerlässlich – er kann sogenannte „Chargenabweichungen" aufdecken, die weder die KI noch der Produktionsmeister bemerkt haben.

Kann KI-Prozessvorprüfung in der Zukunft Durchbrüche erzielen?

Kurzfristig (1–2 Jahre) werden sich die Fortschritte bei der KI-gestützten Prozessvorprüfung auf drei Richtungen konzentrieren.

Richtung 1: Anbindung an die ERP/MES-Systeme der Fabrik, um Echtzeit-Gerätedaten zu erhalten. Wenn die KI weiß, wie hoch die aktuelle Passergenauigkeit des Geräts ist, kann sie die Machbarkeit der Datei beurteilen.

Richtung 2: Anbindung an Materialdatenbanken. Wenn die KI auf die physikalischen Eigenschaftsdaten bestimmter Materialmarken (Dicke, Steifigkeit, Glätte) zugreifen kann, kann sie präzisere Beurteilungen vornehmen.

Richtung 3: Sammlung von Feedbackdaten aus mehr realen Fällen. Wenn die KI aus den historischen Erfolgsquoten bestimmter Kombinationen aus „diesem Material + diesem Verfahren + diesem Gerät" lernen kann, wird ihre Beurteilung näher an die eines erfahrenen Verfahrenstechnikers herankommen.

Eine vollständige Ablösung des Verfahrenstechnikers wird jedoch mindestens 5–10 Jahre dauern. In dieser Übergangsphase ist die doppelte Vorprüfung „KI + Mensch" die optimale Strategie. Die KI löst das Effizienzproblem, der Mensch das Beurteilungsproblem – beide ergänzen sich.

3 reale Fallbeispiele

Fall 1: Ein Kunde lud eine Designdatei für eine Geschenkbox hoch, die KI-Vorprüfung wurde vollständig bestanden (keine Fehler in den Dateiebenen). Der Druckverarbeitungsmeister erkannte jedoch sofort: Die Druckvorlage verwendete Perlmuttpapier, aber die Fläche der Heißfolienprägung überstieg 60 %. Die Oberfläche des Perlmuttpapiers ist glatt, die Haftung der Heißfolienprägung ist nicht ausreichend, und es wurde empfohlen, vor der Heißfolienprägung eine Mattfolienkaschierung aufzubringen. Der Vorschlag wurde schließlich übernommen und somit Nacharbeit nach der Serienproduktion vermieden.

Fall 2: Die KI-Vorprüfung der Kundendatei wies auf den „Farbmodus RGB" hin, der Kunde sagte jedoch: „Das von mir mit AI erzeugte Designbild verändert die Farben, wenn ich es nach CMYK konvertiere." Der Druckverarbeitungsmeister empfahl: Beibehaltung eines Teils der Sonderfarbendefinitionen sowie erneute Farbkalibrierung nach der Konvertierung nach CMYK. Das Ergebnis der Serienproduktion stimmte mit den Erwartungen des Kunden überein.

Fall 3: Die KI-Vorprüfung der Kundendatei wies auf „ungenügenden Beschnitt" hin, der Kunde war jedoch der Meinung: „Auf dem Bildschirm sehe ich kein Problem." Der Druckverarbeitungsmeister erklärte: Was man auf dem Bildschirm sieht, ist nicht das tatsächliche Druckergebnis, für den Druck sind 3 mm Beschnitt erforderlich, um weiße Ränder zu vermeiden. Der Kunde akzeptierte die Änderung schließlich.

Zusammenfassung

Die KI-Prozessvorprüfung ist ein leistungsstarkes Werkzeug, aber kein Allheilmittel. Sie ist bei der Erkennung von Fehlern auf Dateiebene bereits sehr ausgereift, weist jedoch bei der Beurteilung von Fehlern auf Prozessebene noch deutliche Grenzen auf.

Die richtige Anwendung ist eine doppelte Vorprüfung aus „KI + manueller Kontrolle": Die KI löst das Effizienzproblem, der Mensch löst das Beurteilungsproblem. In absehbarer Zukunft stehen diese beiden in einem komplementären Verhältnis, nicht in einem Ersatzverhältnis.

Wer diese Grenze versteht, kann KI-Werkzeuge effizienter nutzen – die KI übernimmt das „schnelle Filtern einfacher Fehler", der Mensch übernimmt die „komplexe Prozessbeurteilung"; nur im Zusammenspiel beider lässt sich das Produktionsrisiko wirklich senken.

Vertiefende Lektüre: Warum wirkt der KI-Verpackungspreis genau, weicht am Ende aber stark ab?、6 „Fachbegriffe" für die Kommunikation zwischen Verpackungsdesigner und Druckerei – übersetzt、Verpackungsandruck scheitert 3 Mal – woran liegt es meistens?、5 Fallen bei der Umwandlung von Verpackungsentwürfen in Druckdateien