Intelligenter mobiler Pick-Roboter

Eine Zukunftsvision wird wahr

Die Kommissionierung stellt Roboter vor mehrere Herausforderungen: Sie müssen wissen, wohin sie fahren, was und wie sie das jeweilige Teil picken sollen. Eine Kombination aus selbstfahrender Plattform, Pick-Roboter und einer Softwarelösung mit künstlicher Intelligenz will sich diesen Herausforderungen nun stellen.
Mithilfe einer fahrenden Plattform wird der Pick-Roboter 
von Robominds mobil. Künstliche Intelligenz hilft ihm 
bei der Erkennung von Werkstücken.
Mithilfe einer fahrenden Plattform wird der Pick-Roboter von Robominds mobil. Künstliche Intelligenz hilft ihm bei der Erkennung von Werkstücken.Bild: RoboMinds GmbH

Die Automatisierung in der Logistik bereitet vielen Unternehmen nach wie vor Probleme. Die für den Menschen einfache und repetitive Arbeit der Kommissionierung ist für einen Roboter sehr komplex. Woher weiß der Roboter wohin er fahren muss, was er picken soll, wo die Teile liegen und wie er diese schließlich greifen muss? Das Münchener Startup Robominds bietet hierfür eine Lösung: ein mobiler Picking- und Kitting-Roboter, der durch das KI-basierte System Robobrain gesteuert wird. Mittels künstlicher Intelligenz adressiert Robominds damit nicht nur zentrale Herausforderungen der Logistik, sondern überwindet auch die komplexe Roboterintegration und hohe Anpassungskosten.

KI für das automatische Erkennen von Werkstücken

Auf Basis von künstlicher Intelligenz ist das Robobrain-System in der Lage, einen gesamten Kommissionierprozess zu steuern: vom Kommissionierauftrag, über die Wegplanung bis hin zum Greifvorgang. Ein bekanntes Problem beim Greifen unterschiedlicher Objekte ist die genaue Erkennung der Gegenstände, auch wenn sie ungeordnet übereinander liegen und die damit verbundenen hohen Kosten beim Einlernen neuer Produkte. Robominds löst dieses Problem mit der Softwarelösung Robobrain.Vision, die Werkstücke automatisch erkennt, unabhängig von Form und Material. Dadurch ist es möglich auch unbekannte Objekte ohne vorherige Einlernprozesse zu verarbeiteten. In Projekten mit Automotive OEMs hat das Unternehmen einen mobilen Picking- und Kitting-Roboter kreiert, der bereits erfolgreich Aufträge in der Produktionslogistik ausgeliefert hat.

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige