Roboter übernehmen in heutigen Fertigungsumgebungen nur bestimmte, wiederkehrende Aufgaben. Künftig könnten die Beschäftigten in der Montage lernende Maschinen selbst anleiten, und zwar für jene Tätigkeiten, in denen sie gerade Unterstützung brauchen. Im Szenario ‚Lernfähiges Roboterwerkzeug in der Montage‘ der Plattform Lernende Systeme wird die fiktive Facharbeiterin Paula Nowak begleitet. In einer Fabrikumgebung wird sie bei anstrengenden, monotonen oder gefährlichen Tätigkeiten von einem Greifarm unterstützt, der im Betrieb selbstständig wechselnde Aufgaben übernimmt. Die Facharbeiterin bringt ihrem selbstlernenden Roboterwerkzeug neue Abläufe bei, indem sie ihm die variierenden Tätigkeiten vormacht. Ein weiteres Thema des Szenarios: Wie bleiben Handlungsspielraum und reichhaltige Arbeit erhalten? KI-basierte Industrieroboter ersetzen die Menschen nicht, sondern sollen unterstützen und die Mitarbeiter befähigen, so die Botschaft des Anwendungsszenarios. Mithilfe von KI verbessern die Roboterwerkzeuge erworbene Fertigkeiten laufend selbstständig weiter. Dabei müssen die Handlungen Transparent sein. Daher ist die Lernhistorie des Werkzeugs nachvollziehbar. Damit das Roboterwerkzeug die Beschäftigten unterstützen kann, muss es auch persönliche Daten verarbeiten. Diese dürfen jedoch nicht für andere Zwecke missbraucht werden. Deshalb werden im Szenario direkt am Roboterwerkzeug erfasst und anschließend gelöscht. Bis das Anwendungsszenario Realität werden kann, sind zudem noch einige Voraussetzungen, etwa im Bildungsbereich, zu schaffen. mst/xyz
Effiziente Produktionsplanung: KI reduziert Aufwand bei Schulte Kartonagen um 25%
Welcher Liefertermin steht wann an? Wie aufwändig muss die Maschine umgerüstet werden? Ist das benötigte Material bereits geliefert? Um die Reihenfolge verschiedener Kundenaufträge optimal zu planen, müssen Produktionsplaner:innen eine Vielzahl von Faktoren kennen und einschätzen. Bei Schulte Kartonagen hat ab sofort ein intelligenter KI-Assistent alle Faktoren im Blick – und macht Vorschläge für die effiziente Planung der Produktion. Gefördert wurde die Zusammenarbeit mit dem Fraunhofer IEM und den Universitäten Paderborn und Bielefeld im it’s OWL-Projekt ARISE.