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

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