KI-gestützte Roboterlösungen für eine neue Evolutionsstufe der Automation

Mit KI zu Next-Level-Cobots

Automatisierte Fertigungsprozesse gehören heutzutage in vielen Industriebereichen zum Goldstandard. Kollaborative auf KI gestützte Roboterlösungen sollen aber schon bald eine neue Evolutionsstufe der Automation einläuten. Die Technik dafür steht bereits in den Startlöchern.
Der erste drehmoment-gesteuerte Roboterarm von Agile Robots verfügt über smarte Software, um eine sichere Zusammenarbeit von Mensch und Roboter zu ermöglichen.
Der erste drehmoment-gesteuerte Roboterarm von Agile Robots verfügt über smarte Software, um eine sichere Zusammenarbeit von Mensch und Roboter zu ermöglichen.Bild: Agile Robots AG

Keine Frage: Bei Cobots handelt es sich noch um eine recht junge Entwicklung. Diese nimmt aber seit Jahren stetig an Fahrt auf. Die Ergebnisse sind mehr als vielversprechend. Denn die Vorteile von kollaborativen und KI-gestützten Roboterlösungen im Vergleich zu den klassischen, schweren Produktionsrobotern in automatisierten Fertigungsprozessen liegen auf der Hand. Sie sind kleiner, einfacher in bestehende Produktionsanlagen integrierbar und relativ preiswert. Die Vision von Mensch und Roboter, die Hand in Hand arbeiten, ist bereits Realität und sicher bald der neue Goldstandard.

Dem Mensch das Gehirn, dem Cobot die KI

Input jeglicher Art, der auf den Menschen einprasselt, verarbeitet das Gehirn. Es sortiert aus und ordnet das Wahrgenommene in Kategorien ein – vereinfacht dargestellt. Die KI in künftigen Cobots macht das Gleiche. Die Grundlage dafür bilden neuronale Netze. Sie sind der Struktur des menschlichen Gehirns nachempfunden und lernen, sich selbstständig weiterzuentwickeln – zum Beispiel nach Trainingsphasen oder während der eigentlichen Anwendungsphase. Machine-Learning-Algorithmen ermöglichen dieses autonome Lernen.

Essenziell für einen schnellen Lernprozess der KI ist die Verfügbarkeit von vielen Daten. Während sich der Mensch heutzutage von der Flut an Input erschlagen fühlt, benötigt die KI so viel, wie möglich. Mehr ist in diesem Fall immer besser. Denn die KI strukturiert die Flut an Daten, ordnet sie in wiederkehrende Muster ein und wandelt sie in handlungsrelevante Informationen um. Die Daten dienen dem Roboter dann als Entscheidungsgrundlage für weitere auszuführende Aktionen. Darauf folgt schließlich die Interaktion der Cobots mit ihrer Umwelt und damit auch den Menschen.

Bild: Agile Robots AG

KI macht Cobots kollaborativ

Cobots sind in manchen Industriebranchen bereits angekommen – zum Beispiel in der Produktion von Elektronikgeräten oder in der Automobilindustrie. Bis dato verrichten sie dort aber einfache Arbeiten, z.B. Pick&Place-Aufgaben. Sie übernehmen monotone, ermüdende oder gar gefährliche Arbeiten. Der Mensch kann sich auf ungefährliche bzw. anspruchsvolle Tätigkeiten konzentrieren. Die Kosten für Cobots, die bereits auf dem Markt erhältlich sind starten übrigens bei einem Stückpreis von aktuell ungefähr 20.000 Euro und sind auch in der Wartung relativ günstig. Durchschnittlich kann sich eine Investition bereits nach wenigen Jahren auszahlen.

Dass Cobots bis dato eher nur einfache Aufgaben übernehmen, liegt schlicht an der noch nicht ausgereiften KI. Die aktuelle Generation von Cobots muss nämlich für jede neue Aufgabe neu programmiert werden. Ideal wäre es, wenn Cobots sich frei bewegten, mit der Zeit selbstständig lernten und Aufgaben autonom übernähmen. Sie verrichteten also komplexere Arbeiten. Dieses Ideal ist aber bereits in greifbarer Nähe. Marktreife kollaborative auf KI-gestützte Roboterlösungen werden noch in diesem Jahr erscheinen – dank ausgereifter Algorithmen und moderner Sensorentechnik.

Kombination aus KI und Sensorik

Damit Cobots selbstständig in ihrer Umwelt agieren und reagieren, benötigen sie neben einer ausgereiften KI verschiedene Sensoren. Eine wichtige Rolle spielen dabei Kraft/Momenten-Sensoren. Diese messen in wenigen Millisekunden und präzise unterschiedliche Kräfte – z.B. beim Greifen des Cobot-Arms nach einem Elektronikbauteil. Cobots erlernen so gesehen das Fühlen und Ertasten. Das ermöglicht nicht nur den Umgang mit empfindlichen Bauteilen. Die Kraft/Momenten-Sensoren sind auch die Grundlage für eine sichere Mensch/Roboter-Kollaboration. Ein konkretes Beispiel für die Feinfühligkeit von solchen Cobots: Sie können problemlos ein Ei greifen, ohne es zu beschädigen.

Seiten: 1 2Auf einer Seite lesen

Das könnte Sie auch Interessieren

Bild: Fraunhofer IGD
Bild: Fraunhofer IGD
Software Arrange beschleunigt Absortierprozesse

Software Arrange beschleunigt Absortierprozesse

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.

Bild: Coscom Computer GmbH
Bild: Coscom Computer GmbH
Software-Plattform für KI und maschinelles Lernen

Software-Plattform für KI und maschinelles Lernen

Vermehrt interessieren sich Unternehmen dafür, auf Basis ihrer Fertigungsinformationen Verbesserungspotenziale in der Produktionsplanung und -steuerung zu heben. Maschinelles Lernen und künstliche Intelligenz (KI) kann aber nur dann wirtschaftlich sinnvoll eingesetzt werden, wenn alle relevanten Daten im Zugriff sind und deren Struktur zu den Anwendungen passen. Das Coscom-ECO-System soll eine Plattformökonomie als Basis für Business Intelligence (BI) bieten.

Bild: Benteler International AG
Bild: Benteler International AG
Produktionsfehler: KI findet die Nadel im Heuhaufen

Produktionsfehler: KI findet die Nadel im Heuhaufen

In der Qualitätsprüfung ist Zeit ein wichtiger Faktor: Wer Fehler rechtzeitig findet, kann sie effektiv und kostensparend beheben. Gemeinsam mit dem Fraunhofer IEM setzt der Automobilzulieferer Benteler dafür in der Warmumformung von Fahrzeugteilen auf Echtzeit-Sensordaten und Künstliche Intelligenz. Damit können Produktionsfehler schneller erkannt, behoben und zukünftig sogar vermieden werden.

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.