Use Cases

Use Case 1: Be- und Entladen von LKWs und autonomen Transport


Dieser Use Case umfasst den gesamten Prozess des Be- und Entladens von LKWs, das Stapeln von Ladungsträgern sowie den autonomen Außentransport. Ziel ist es, Lösungen zu entwickeln, die eine zuverlässige Wahrnehmung, Navigation in offenen oder nicht standardisierten Umgebungen und eine sichere Bewegung von teilweise ineinander verschachtelten Paletten in engen Arbeitsbereichen ermöglichen.

Herausforderungen:

  • Automatisiertes Be- und Entladen von LKWs: Traditionelle Systeme erfordern bauliche Anpassungen an Laderampen und spezielle LKW-Anhänger, sind kostenintensiv und wenig flexibel.
  • Autonome Palettenhandhabung in Lagern und Produktionsstätten: Begrenzter Platz erfordert das Zwischenstapeln von Paletten während der Handhabung.
  • Autonomer Außentransport: Fahrzeuge müssen sich in unstrukturierten und dynamischen Umgebungen bewegen können. Hierbei sind präzise Lokalisierung und Hinderniserkennung essenziell, um einen sicheren Transport zu gewährleisten.

Durch den Einsatz fortschrittlicher Sensorik, intelligenter Algorithmen und einer nahtlosen Integration in bestehende Prozesse bietet dieser Use Case zukunftsweisende Lösungen, welche für den breiten Einsatz geeignet sind.

Use Case 2: Kommissionieren und Kitting


Dieser Use Case umfasst das Kommissionieren einzelner Artikel und das Palettieren sowohl in der Lagerlogistik als auch in der Produktion. Der Fokus liegt auf der Automatisierung dieser Prozesse in unstrukturierten Umgebungen mit einer großen Vielfalt an zu verarbeitenden Teilen.

Herausforderungen:

  • Kommissionieren und Palettieren im Warenlager: Derzeit erfolgt die Entnahme und Platzierung von Waren oft noch manuell, was zu hoher körperlicher Belastung und hoher Fluktuation bei den Mitarbeitern führt. Bestehende automatisierte Lager sind häufig unflexibel und können sich nicht an schwankende Durchsatzanforderungen anpassen.
  • Kommissionieren und Palettieren in der Produktion: Auch in der Fertigung werden diese Prozesse meist noch manuell ausgeführt, da automatisierte Systeme derzeit nicht die gleiche Geschwindigkeit und Flexibilität wie Menschen erreichen. Ziel ist es, intelligente Greif- und Sortieralgorithmen zu entwickeln, die eine effiziente und wirtschaftliche Automatisierung ermöglichen.

Durch fortschrittliche Sensorik, maschinelles Lernen und intelligente Greifsysteme soll die Automatisierung dieser Prozesse verbessert werden, um Effizienz, Flexibilität und Ergonomie in Lager- und Produktionsumgebungen zu steigern.

Use Case 3: Automatisierung der Produktion


Dieser Use Case befasst sich mit der Automatisierung von Produktionsprozessen mit geringer Stückzahl und hoher Variantenvielfalt (High-Mix, Low-Volume). Ziel ist die Entwicklung multifunktionaler Roboterassistenten, die Standardaufgaben übernehmen und durch natürliche Interaktion oder selbstständiges Lernen neue Aufgaben erlernen können.

Herausforderungen:

  • Multifunktionsroboter für industrielle und logistische Handhabungsaufgaben: Die steigende Anzahl an Kleinserien und unstrukturierten Umgebungen erfordert flexible Robotersysteme. Besonders in Labor- und Produktionsumgebungen müssen Roboter in der Lage sein, kleine und fragile Objekte sicher zu handhaben und mit begrenzten Stammdaten auszukommen.
  • Robotersysteme für die Reinigung von Produktionsanlagen in der Pharmaindustrie: Reinigungsvorgänge erfolgen oft noch manuell, was hygienische Standards beeinträchtigt und zu Engpässen führt. Automatisierte Systeme müssen unterschiedliche Geometrien erkennen, optimale Greifpositionen finden und effektive Reinigungsstrategien anwenden.
  • Multifunktionale Roboterzellen für die Präzisionsmontage: Die Montage kleiner und empfindlicher Elektronikkomponenten ist hochkomplex. Herausforderungen sind die Handhabung empfindlicher Bauteile, das exakte Platzieren sowie die sichere Erfassung von Teilen mit spiegelnden oder transparenten Oberflächen.
  • Multifunktionale Roboterzellen für Schweißprozesse: Bestehende Lösungen für adaptives Schweißen sind oft ungeeignet für große Werkstücke. Roboter müssen in der Lage sein, die ihre sowie die Position von Werkstücken zu erfassen, präzise Schweißnähte zu lokalisieren und kollisionsfrei in der Umgebung zu navigieren.

Durch KI-gestützte Wahrnehmung, fortschrittliche Greifstrategien und optimierte Bewegungsplanung sollen die Automatisierungspotenziale in diesen Bereichen maximiert und neue wirtschaftliche Lösungen geschaffen werden.

Use Case 4: KI-gestützte Inbetriebnahme


Dieser Use Case konzentriert sich auf den Einsatz von KI zur Beschleunigung und Kostensenkung bei der Inbetriebnahme und Neukonfiguration von Robotersystemen. Ziel ist eine variantenflexible und wirtschaftliche Automatisierung der Produktion.

Herausforderungen:

  • Inbetriebnahme/Teachen neuer Anwendungsfälle für Produktion & Logistik:
    Derzeit ist spezialisiertes Fachwissen erforderlich, um Roboter flexibel für Manipulationsaufgaben einzusetzen. Simulationen lassen sich oft nicht direkt in die Realität übertragen, da z. B. kollaborative Roboter eine geringere Steifigkeit aufweisen. Zudem sind angepasste Programme meist nur für statische Szenarien geeignet.
  • Inbetriebnahme und Optimierung von Bewegungsprozessen in statischen Multi-Robotersystemen:
    Die Planung solcher Systeme ist zeitaufwändig und kostenintensiv, da komplexe Modellierungsprozesse umfangreiches Expertenwissen erfordern.
  • KI-gestützte Systemkonfiguration und Sicherheit:
    Die größte Hürde für kleine und mittlere Unternehmen bei der Automatisierung liegt oft in der Auswahl und Integration von Robotern sowie der Peripheriegeräte und nicht erst bei der Code-freien Programmierung der Anlagen. Ziel ist es die Effizienz und Benutzerfreundlichkeit auch in der frühen Phase der Entwicklung zu erhöhen.

Durch den Einsatz von KI können die bisherigen manuellen und ressourcenintensiven Prozesse erheblich optimiert und damit die Hürden für eine flexible Automatisierung gesenkt werden.