Diese Webseite verwendet Cookies
Um unsere Webseite für Sie optimal zu gestalten und fortlaufend verbessern zu können, verwenden wir Cookies. Weitere Informationen zu Cookies erhalten Sie unter dem Link „Cookie-Details einblenden“ und in unserer Datenschutzerklärung. Sie geben Ihre Einwilligung zu unseren Cookies, wenn Sie diesen Hinweis mit Klick auf einen Akzeptieren-Button wieder ausblenden. Hier finden Sie unsere Datenschutzerklärung.
Nur ausgewählte akzeptieren
Ablehnen
Alle akzeptieren

Cookie-Details einblendenCookie-Details ausblenden
Notwendige Cookies ermöglichen grundlegende Funktionen der Website.

Name cookieconsent-media
Anbieter Eigentümer dieser Website
Zweck
Speichert den Zustimmungsstatus des Benutzers für Externe-Medien Cookies auf der aktuellen Website.
Laufzeit 1 Jahr
Typ HTTP Cookie

Name cookieconsent-necessary
Anbieter Eigentümer dieser Website
Zweck
Speichert den Zustimmungsstatus des Benutzers für Cookies auf der aktuellen Website.
Laufzeit 1 Jahr
Typ HTTP Cookie

Name cookieconsent-statistics
Anbieter Eigentümer dieser Website
Zweck
Speichert den Zustimmungsstatus des Benutzers für Statistik Cookies auf der aktuellen Website.
Laufzeit 1 Jahr
Typ HTTP Cookie

Name PHPSESSID
Anbieter Eigentümer dieser Website
Zweck
Cookie von PHP (Programmiersprache), PHP Daten-Identifikator. Enthält nur einen Verweis auf die aktuelle Sitzung. Im Browser des Nutzers werden keine Informationen gespeichert und dieses Cookie kann nur von der aktuellen Website genutzt werden.
Laufzeit Sitzungsende (Schließen des Browsers)
Typ HTTP Cookie
Inhalte von externen Anbietern wie Vimeo oder GoogleMaps werden standardmäßig blockiert. Wenn Cookies von externen Medien akzeptiert werden, bedarf der Zugriff auf diese Inhalte keiner manuellen Einwilligung mehr.

Name muxData
Anbieter vimeo.com
Zweck
Dieses Cookie wird in Verbindung mit einem Videoplayer verwendet. Wenn der Besucher beim Anzeigen von Videoinhalten unterbrochen wird, merkt sich das Cookie, wo das Video gestartet werden soll, wenn der Besucher das Video erneut lädt.
Laufzeit Sitzungsende (Schließen des Browsers)
Typ HTTP Cookie

Name player
Anbieter vimeo.com
Zweck
Speichert die Voreinstellungen des Benutzers beim Abspielen eingebetteter Videos von Vimeo.
Laufzeit 1 Jahr
Typ HTTP Cookie

Name vuid
Anbieter vimeo.com
Zweck
Registriert eine eindeutige ID, die von Vimeo verwendet wird.
Laufzeit 2 Jahre
Typ HTTP Cookie
Diese Cookies erfassen anonyme Statistiken. Diese Informationen helfen uns zu verstehen, wie wir unsere Website noch weiter optimieren können.

Name _ga
Anbieter google.com
Zweck
Registriert eine eindeutige ID, die von Google Analytics verwendet wird, um statistische Daten dazu, wie der Besucher die Website nutzt, zu generieren.
Laufzeit 2 Jahre
Typ HTTP Cookie

Name _gat
Anbieter google.com
Zweck
Wird von Google Analytics verwendet, um die Anforderungsrate einzuschränken.
Laufzeit 1 Tag
Typ HTTP Cookie

Name _gid
Anbieter google.com
Zweck
Registriert eine eindeutige ID, die von Google Analytics verwendet wird, um statistische Daten dazu, wie der Besucher die Website nutzt, zu generieren.
Laufzeit 1 Tag
Typ HTTP Cookie

Forschung & Entwicklung

Forschungsprojekt „FlexiDraw“

Mit dem Forschungsprojekt „FlexiDraw“ betreten die Projektpartnern KIESELSTEIN International GmbH, ATG Automations-Technik Gröditz GmbH & Co. KG und dem Fraunhofer-Institut für Werkzeugmaschinen und Umformtechnik (IWU) Neuland: Ziel ist die Entwicklung eines hochflexiblen, KI-gestützten Drahtziehverfahrens, das erstmals völlig ohne klassische Matrizen und Schmierstoffe auskommt.
 

Was ist das Ziel von FlexiDraw?

Die industrielle Drahtproduktion steht vor großen Herausforderungen: Immer kleinere Losgrößen, steigende Anforderungen an Flexibilität, Präzision und Nachhaltigkeit erfordern neue Lösungen. Klassische Drahtziehverfahren sind unflexibel, aufwändig umzurüsten und verursachen durch Umstellungen und Nachbearbeitungen hohe Materialverluste und Energieaufwand. FlexiDraw setzt hier an und verfolgt das Ziel, eine neuartige Maschine zu entwickeln, die den Drahtdurchmesser flexibel und stufenlos in Echtzeit variieren kann – und das ohne Werkzeugwechsel oder Schmiermittel. Kern des Projekts ist die Verbindung von maschinellem Lernen (ML) und Finite-Elemente-Methoden (FEM) in einer intelligenten Steuerung: Sensoren erfassen permanent alle relevanten Prozessdaten, eine KI analysiert und steuert die Produktion und passt die Parameter automatisch an wechselnde Anforderungen an. So können erstmals Drähte mit variablen Querschnitten direkt und effizient hergestellt werden, wie sie z. B. für innovative Federn, Spezialbauteile oder elektronische Komponenten benötigt werden.
 
Forschung Unterstützung