THWS präsentiert Forschung zu Lagertechnik, Oberflächenmodifikation mittels Brünieren, Wirbelstromtechnik und Künstlicher Intelligenz auf der BEARING WORLD 2026
Die BEARING WORLD 2026 brachte am 17. und 18. Juni in Dresden internationale Fachleute aus Wissenschaft und Industrie zusammen, um aktuelle Entwicklungen im Bereich der Wälz- und Gleitlagertechnik zu diskutieren. Im Mittelpunkt standen unter anderem Fragestellungen zur Lagerauslegung, Lebensdauer, Tribologie, Schmierung, Zustandsüberwachung, innovativen Messtechnik sowie zu Smart Bearings.
Auch die Technische Hochschule Würzburg-Schweinfurt war auf der internationalen Fachkonferenz vertreten: Das Team von Prof. Dr.-Ing. Stephan Sommer präsentierte sich mit einem eigenen Messestand der THWS und stellte aktuelle Forschungs- und Entwicklungsarbeiten an der Schnittstelle von Lagertechnik, Digitalisierung, zerstörungsfreier Prüfung und Künstlicher Intelligenz vor.
Dieser Auftritt fand vor allem im Rahmen der beiden ESF-geförderten Projekte „Multimedia Green Tech Bearings“ und „KI + Green Tech für starke KMU“ statt. Das zentrale Highlight des Messeauftritts war ein eigens entwickelter lokaler KI-Chatbot, der als universell einsetzbarer Wissensmanager konzipiert ist. Im Umfeld der BEARING WORLD wurde die Anwendung insbesondere mit Blick auf lagertechnische Fragestellungen demonstriert. Damit nahm die THWS eine besondere Rolle ein: Sie war der einzige Aussteller, der einen lokal betriebenen KI-Wissensmanager mit konkretem Bezug zur Lagertechnik vorstellte und live erlebbar machte.
Der Chatbot ist jedoch nicht auf Lagertechnik beschränkt. Vielmehr handelt es sich um ein flexibles System, das unterschiedliche Wissensbestände aufnehmen, strukturieren und in natürlicher Sprache zugänglich machen kann. Unternehmen können damit beispielsweise technische Dokumentationen, interne Richtlinien, Versuchsergebnisse, Projekterfahrungen, Normenbezüge, Produktinformationen, Schulungsunterlagen oder Qualitätsdaten nutzbar machen. Gerade für kleine und mittlere Unternehmen eröffnet ein solcher lokaler KI-Wissensmanager großes Potenzial: Wissen, das häufig über verschiedene Dateien, Abteilungen oder einzelne Wissensträgerinnen und Wissensträger verteilt ist, kann zentral erschlossen und im Arbeitsalltag schnell verfügbar gemacht werden.
Darüber hinaus kann ein solcher lokaler KI-Chatbot nicht nur als reines Auskunftssystem dienen, sondern perspektivisch auch operative Geschäftsprozesse unterstützen. Wird beispielsweise ein ERP-System als Datenquelle angebunden, können vorhandene Unternehmensdaten wie Kundeninformationen, Artikelstammdaten, Lagerbestände, Preise, Stücklisten, Auftragsdaten oder frühere Angebote in KI-gestützte Arbeitsabläufe einbezogen werden. Dadurch lassen sich unter anderem Anfragen strukturieren, neue Aufträge vorbereiten, Angebotsentwürfe erstellen oder technische und kaufmännische Informationen miteinander verknüpfen. Der Chatbot entwickelt sich damit vom Wissensmanager zu einer Schnittstelle zwischen technischem Know-how, Unternehmensdaten und konkreten Geschäftsprozessen.
Ein entscheidender Vorteil liegt im lokalen Betrieb des Systems. Sensible Unternehmensdaten müssen nicht an externe Cloud-Dienste übertragen werden, sondern können innerhalb der eigenen Infrastruktur verarbeitet werden. Für KMU ist dies besonders relevant, da sie einerseits von KI-gestütztem Wissensmanagement und Prozessautomatisierung profitieren möchten, andererseits aber hohe Anforderungen an Datenschutz, Vertraulichkeit, Know-how-Schutz und technische Nachvollziehbarkeit stellen. Der lokale Chatbot verbindet damit die Vorteile moderner KI-Sprachmodelle mit einer kontrollierbaren, praxisnahen und unternehmensnahen Systemarchitektur.
Auf dieser Grundlage wurde außerdem der Ansatz eines „AI Bearing Engineer“ vorgestellt. Dabei handelt es sich um einen KI-Agenten, der den lokalen Chatbot als Wissensbasis nutzt, jedoch über eine reine Frage-Antwort-Funktion hinausgeht. Ziel ist es, lagertechnisches Wissen, Berechnungslogik und perspektivisch auch CAD-Programme miteinander zu verknüpfen. Damit kann ein solcher KI-Agent technische Auslegungsprozesse künftig umfassender unterstützen – von der Bereitstellung relevanter Informationen über die Berechnung und Auslegung von Lagern bis hin zur konstruktiven Einbindung in CAD-gestützte Entwicklungsumgebungen.
Fachlich besonders relevant ist dabei die Unterscheidung zwischen Oberflächenschäden und betriebsbedingter Wälzermüdung im Werkstoffinneren. Während klassische Wirbelstromverfahren bereits seit Langem zur Detektion oberflächennaher Schäden eingesetzt werden, zielt der vorgestellte Subsurface-Eddy-Current-Testing-Ansatz auf tieferliegende Gefügeveränderungen im Bereich unterhalb der Laufbahn. Durch geeignete Sensorik, niedrige Prüffrequenzen und eine Kalibrierung anhand neuer und betrieblich beanspruchter Lagerproben lassen sich Hinweise auf den Ermüdungszustand des Materials gewinnen. Die gezeigten Ergebnisse deuten darauf hin, dass die Wirbelstromsignale in dem Tiefenbereich reagieren, in dem auch zerstörende Referenzmessungen relevante Veränderungen anzeigen.
Damit eröffnet die Methode Perspektiven für eine praxistaugliche Zustandsbewertung von Lagern. Insbesondere für Instandhaltung, Wiederaufbereitung und Lebensdauerabschätzung ist ein zerstörungsfreies Verfahren von großem Interesse: Lager könnten nicht nur auf sichtbare Schäden geprüft, sondern auch hinsichtlich ihres inneren Ermüdungszustands bewertet werden. Die Kombination aus bekannter oberflächennaher Wirbelstromprüfung und erweiterter Prüfung bietet damit einen Ansatz, Oberflächen- und Untergrundinformationen in einem gemeinsamen Prüfprozess zusammenzuführen.
Als weiteres lagertechnisches Thema wurde am Messestand das Brünieren von Lagern vorgestellt. Dabei handelt es sich um eine chemische Konversionsbehandlung eisenhaltiger Oberflächen, bei der aus dem Grundwerkstoff heraus eine sehr dünne Oxidschicht entsteht. Für Lagerkomponenten ist dies insbesondere deshalb interessant, weil Oberflächenzustand, Einlaufverhalten und tribologische Beanspruchung einen erheblichen Einfluss auf Funktion und Lebensdauer haben können. Brünierte Lager können unter bestimmten Betriebsbedingungen zu einer verbesserten Robustheit beitragen und stellen damit ein weiteres Beispiel für die Verbindung von Werkstofftechnik, Oberflächentechnik und Lageranwendung dar.
Mit der Teilnahme an der BEARING WORLD 2026 zeigte die THWS, wie klassische ingenieurwissenschaftliche Kompetenz im Bereich der Lagertechnik mit digitalen Methoden und Künstlicher Intelligenz verbunden werden kann. Besonders der lokale KI-Chatbot verdeutlichte, dass moderne KI-Anwendungen nicht nur abstrakte Zukunftsthemen sind, sondern konkrete Werkzeuge für Wissenstransfer, Geschäftsprozesse und industrielle Wertschöpfung darstellen können. Gleichzeitig unterstrich der Vortrag zur Wirbelstromprüfung die wissenschaftliche Tiefe des THWS-Beitrags zur zerstörungsfreien Lagerdiagnostik. Der Messeauftritt machte damit deutlich, welches Transferpotenzial an der THWS entsteht – sowohl für lagertechnische Anwendungen als auch für kleine und mittlere Unternehmen, die ihr internes Wissen sicher, strukturiert und effizient nutzbar machen möchten.
