RIF-Projekt WeRoKIt soll die automatisierte Produktion flexibilisieren

Webservice zur tiefenbildgestützten Roboterprogrammierung mit Methoden der künstlichen Intelligenz soll individuelle Fertigung flexibilisieren: schneller, einfacher und günstiger.
Prof. Dr. Andreas Pinkwart, Wirtschafts- und Digitalminister (rechts) überreichte die Förderbescheide persönlich an die Vertreter des WeRoKIt-Konsortiums (v.l.) Stefan Breuers, Mitarbeiter Vathos GmbH, Arthur Bräuer, Geschäftsführer Arthur Bräuer GmbH sowie Prof. Dr. Jürgen Roßmann, Vorstand RIF Institut für Forschung und Transfer e.V.
Prof. Dr. Andreas Pinkwart, Wirtschafts- und Digitalminister (rechts) überreichte die Förderbescheide persönlich an die Vertreter des WeRoKIt-Konsortiums (v.l.) Stefan Breuers, Mitarbeiter Vathos GmbH, Arthur Bräuer, Geschäftsführer Arthur Bräuer GmbH sowie Prof. Dr. Jürgen Roßmann, Vorstand RIF Institut für Forschung und Transfer e.V.Bild: MWIDE NRW / M. Hermenau

Das RIF Institut für Forschung und Transfer e.V. in Dortmund freut sich über eine besondere Auszeichnung. Als eines von elf Innovationsprojekten im Leitmarktwettbewerb IKT.NRW hat sich das Projekt WeRoKIt durchgesetzt. Die Entwicklung eines Webservice zur tiefenbildgestützten Roboterprogrammierung mit Methoden der künstlichen Intelligenz (KI) wird als Schlüsselprojekt nun auch finanziell gefördert. Gut vier Fünftel der Projektkosten von 1,4 Mio. Euro werden nun aus EU-Mitteln (EFRE) und vom Land NRW beigesteuert. Wirtschafts- und Digitalminister Prof. Dr. Andreas Pinkwart hatte die Förderbescheide persönlich überreicht und dabei betont: „Informations- und Kommunikationstechnologien sind der Treiber für die digitale Transformation, insbesondere für den Standort Nordrhein-Westfalen.“ Ein unabhängiges Gutachtergremium mit Branchenexpertinnen und -experten aus ganz Deutschland hatte der Landesregierung zuvor elf Projekte aus 44 Einreichungen beim Leitmarktwettbewerb IKT.NRW zur Förderung empfohlen. Das Projekt WeRoKIt mit RIF-Beteiligung hatte dabei in Konkurrenz mit innovativen Vorhaben in den Bereichen Energie, Produktion, Mobilität, Logistik, Gesundheit oder Arbeit der Zukunft gestanden.

Bislang sind Produktwechsel in der Automatisierten Fertigung noch sehr teuer. Eine zentrale Schwierigkeit stellt die Objekterkennung dar. Damit Roboter neue Werkstücke – z.B. mithilfe einer Kamera oder anderer bildgebender Sensoren – richtig erkennen können, benötigen sie künstliche, standardisierte Umgebungsbedingungen, etwa eine definierte Beleuchtung, sowie mathematische Beschreibungen der zu erkennenden Werkstücke. Die Software zur Steuerung der Roboter wird auf diese Parameter hin maßgeschneidert, so dass Anpassungen bei Änderungen, etwa für neue Werkstücke, nur von Experten vorgenommen werden können. Idee von WeRoKIt ist es, diese Programmierung mittels künstlicher Intelligenz zu vereinfachen und zu beschleunigen. Dazu werden Neuronale Netze trainiert mit Daten, die Digitale Zwillinge im Rahmen einer Simulation liefern. Dazu werden 3D-Modelle der Werkstücke aus CAD-Daten abgeleitet und dann mit einer simulierten Kamera aufgenommen. Die dabei entstehenden simulierten Tiefenbilder der Werkstücke werden anstelle real aufgenommener Tiefenbilder für das Training der Netze eingesetzt. Das Wissen zur Erkennung der Werkstücke aus Tiefenbildern kann über eine Cloud zur Verfügung gestellt werden. Der Zugriff darauf erfolgt ohne besondere Programmierkenntnisse per App anhand vor Ort verfügbarer Daten zu einem neuen Werkstück, beispielsweise CADDaten. Individuelle Fertigungsprozesse mit kleinen Losgrößen könnten auf diese Weise deutlich schneller, einfacher und wirtschaftlicher werden.

An dem Projekt unter Federführung von RIF sind die Vathos GmbH, Düsseldorf, und die Arthur Bräuer GmbH & Co. KG, Kirchhundem sowie assoziierte Partner beteiligt. Im Rahmen des Projekts wird ein Demonstrator aufgebaut, mit dem reale Anwendungen des cyberphysischen Systems in Anwendungsfällen der assoziierten Partner aus den Bereichen Produktion und Logistik erprobt werden. Das Projekt ist Anfang 2020 gestartet und auf drei Jahre angelegt.

RIF Institut für Forschung und Transfer e.V.

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