Graz/Linz, September 2026. Die produzierende Industrie muss ihre CO₂-Emissionen senken, doch der Energiebedarf eines Produkts wird meist erst spät im Designprozess oder sogar erst danach bewertet. Das Projekt REDUCE setzt genau hier an: Gemeinsam mit dem Know Center, Haratech, Syrion, Tripan und der TU Graz entwickelt Pro²Future ein Decision Support Tool, das Produktdesigner:innen und Produktionsplaner:innen Vorhersagen zu Energie- und Materialverbrauch liefert. Nun liegen erste Ergebnisse vor.
DEXPRO: Energieverbrauch von Design und CNC-Bearbeitung erkunden
Das Tool DEXPRO der TU Graz verknüpft 3D-Geometrie, NC-Programm, Werkzeugbahnen und Maschinenmessdaten in einer interaktiven Oberfläche. Das NC-Programm wird zeilenweise mit dem Energieverbrauch der jeweiligen Anweisung angezeigt, energieintensive Operationen lassen sich so rasch finden. Zusätzlich erkennt DEXPRO Fertigungsfeatures automatisch aus dem CAD-Modell. Werden ausgewählte Features verändert, zeigt das Tool die geschätzten Auswirkungen auf den Energieverbrauch direkt im Vergleich. Damit wird das Design ressourcenbewusst, schneller als im klassischen Ablauf aus Design, Programmieren und Produzieren.
Eine gemeinsame Datenbasis für alle Partner
Das Know Center hat ein einheitliches Dashboard zur Visualisierung und Analyse von Energiemessungen entwickelt, das allen Projektpartnern zur Verfügung steht. Es greift direkt auf die Messdaten am zentralen Server zu und wurde mit Python, Streamlit und Plotly umgesetzt. Ergänzend stehen einheitliche Skripte zum Einlesen der Tripan-Betriebsdaten bereit.
Experimente und Modelle für viele Fertigungsprozesse
Gemeinsam mit Tripan und Haratech wurden Basisexperimente definiert, die viele übliche Produktionsschritte abdecken. Bei Tripan werden dafür etwa Löcher auf verschiedene Arten gefräst und gebohrt, mit unterschiedlichen Materialien und Einstellungen. Bei Haratech wird dasselbe Objekt mit verschiedenen Settings 3D-gedruckt, in einem zweiten Experiment werden verschiedene Geometrien mit einheitlichem Setting gedruckt. Mit den Daten sollen Machine-Learning-Modelle trainiert werden, die Vorhersagen für eine Vielzahl an Prozessen liefern. Für den Haratech-Anwendungsfall werden zudem Zeitaufwand und Materialverbrauch verschiedener Geometrien und Settings mit einer linearen Regression auf Basis von Slicer-Software modelliert und anschließend mit Betriebs- und Experimentdaten abgeglichen.
Publikationen
Der CNC-Datensatz mit Geometrie, NC-Code und hochfrequenten Energieverbrauchsdaten ist in Data in Brief (2025) veröffentlicht, das Konzept des Tools wurde auf der EAI MMS 2025 vorgestellt. Zuletzt erschien in Waste Management & Research (2026) ein Open-Access-Paper des Know Center im Zuge des Projektes REDUCE.
Weitere Informationen erhalten Sie unter reduce.pro2future.at oder direkt bei Philipp Eisele.