Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
45 2025 www markttechnik de 33 Beim Bin Picking ermöglicht KI die zuverlässige Erkennung selbst unbekannter oder verdeckter Teile Deep-Learning-Modelle analysieren das Bildmaterial in Echtzeit und berechnen automatisch die passenden Greifpunkte auch bei unregelmäßiger Anordnung Der Cobot passt sich flexibel an wechselnde Bedingungen an und lernt das Sehen und Greifen ohne aufwändiges Teachin Auch bei chaotischer Sortierung oder variablen Lichtverhältnissen bleibt die Performance stabil Besonders wertvoll ist die Fähigkeit zur Vorhersage und Vermeidung von Fehlern bekannt als Prediction Avoidance Statt den Prozess zu stoppen greift das System rechtzeitig korrigierend ein Welche Chancen und Risiken bringt KI in der kollaborativen und mobilen Robotik für Safety und Security mit sich? Wie lassen sich jeweils die Chancen nutzen und die Risiken minimieren? Chancen KI kann kritische Situationen frühzeitig erkennen und präventiv eingreifen Sicherheitsabstände lassen sich automatisch an Geschwindigkeit Nähe und Umgebung anpassen In der Mensch-Roboter-Kollaboration reagiert das System situativ auf Bewegungen im direkten Umfeld KI hilft zudem bei der vorausschauenden Wartung indem sie Muster in sicherheitskritischen Zuständen identifiziert Nicht zuletzt verbessern lernfähige Algorithmen kontinuierlich die Sicherheitsstrategien im laufenden Betrieb Risiken Ein zentrales Risiko liegt in der sogenannten Black-Box-Problematik Die Entscheidungswege vieler KI-Systeme sind nicht transparent was die formale Zertifizierung deutlich erschwert Auch unsichere oder manipulierte Datenquellen stellen ein Risiko dar Sie können zu Fehlklassifizierungen führen die kritisches Fehlverhalten auslösen Zusätzlich sind lernende Systeme anfällig für Cyberangriffe deren Erkennung und Bewertung komplex ist Ohne eindeutige Kontrollmechanismen bleibt oft unklar wie das System im Ernstfall reagiert Maßnahmen Ein effektiver Sicherheitsansatz kombiniert klassische funktionale Sicherheit mit intelligenter Überwachung durch KI Explainable AI trägt dazu bei Entscheidungen nachvollziehbar zu machen und lückenlos zu dokumentieren Weil die Datenmengen zu groß für eine manuelle Auswertung sind übernimmt auch hier eine KI die Überwachung und Analyse Zertifizierungsprozesse müssen auf KI-Systeme ausgeweitet werden dabei aber einfach und praxisnah bleiben Robuste Trainingsverfahren sichere Datenquellen und Fail-Safe-Mechanismen sind essenzielle Voraussetzungen für einen sicheren Betrieb Was kann Machine Learning in der kollaborativen und mobilen Robotik leisten? Machine Learning kann Roboterbewegungen automatisch anpassen und damit Prozesse effizienter gestalten Das System erkennt Muster im Bedienverhalten und optimiert die Interaktion mit Nutzern Bei Greifaufgaben verbessert es die Hand-Auge-Koordination und passt sich flexibel an neue Objektlagen an Lokalisierung Mapping und Pfadplanung funktionieren auch unter unstrukturierten Bedingungen zuverlässig Darüber hinaus ermöglicht ML eine autonome Fehlerdiagnose und unterstützt Predictive Maintenance Roboterverhalten lässt sich damit auf individuelle Arbeitsplätze oder wechselnde Anforderungen abstimmen Inwieweit engagiert sich Ihr Unternehmen beim Thema KI in der kollaborativen und mobilen Robotik? Welche Lösungen bietet es diesbezüglich an? Delta entwickelt KI-Erweiterungen für Cobots über das »Cognibot Kit« Im Fokus stehen Bildverarbeitung automatische Objekterkennung Greifoptimierung und intelligentes Prozesszeitmanagement Trainingsdaten werden mithilfe digitaler Zwillinge im Nvidia Omniverse simuliert was den Aufbau robuster KI-Modelle erheblich beschleunigt In der mobilen Robotik setzt Delta auf eine eigene Navigationslösung auf Basis von Navitrol Ergänzt wird sie durch das Flottenmanagementsystem Navithor 3 0 das eine zentrale Steuerung ermöglicht und VDA-5050-kompatibel ist Zudem bringt Delta die Serie »D-Bot MAR« als neue Generation autonomer mobiler Roboter auf den Markt – keine Prototypen sondern seriennahe Systeme Der Start erfolgt mit einem 500-kg-Modell inklusive optionaler Paletten-Rails später folgen Varianten mit 250 kg und 1500 kg Nutzlast Ein weiteres System ist der »Dynamic D-Bot« der sich als mobiler Arbeitsplatzhelfer mit integriertem Akkupack bis zu acht Stunden netzunabhängig betreiben lässt Die Ladeoptionen sind flexibel manuell oder induktiv Durch Partnerschaften mit Neura Robotics und Nvidia lassen sich neue KI-Technologien schnell skalieren KI wird dabei gezielt dort eingesetzt wo sie echten Mehrwert für Anwender Prozesse und Produkte bringt Kristian Kassow Kassow Robots und Ingo Rathmann project Group » KI steigert die Effizienz« Michael Mayer-Rosa Delta Electronics „ Machine Learning kann Roboterbewegungen automatisch anpassen und damit Prozesse effizienter gestalten “ KI beschleunigt die Programmierung von Robotern und verbessert die Objekterkennung und Positionierung Kristian Kassow CEO von Kassow Robots ApS und Ingo Rathmann CEO der project Service Produktion GmbH erläutern die Hintergründe Markt Technik Was kann Machine Learning in der kollaborativen und mobilen Robotik leisten? Kristian Kassow KI hat das Potenzial die Effizienz erheblich zu steigern Einige unserer Ecosystem-Partner profitieren von der Geschwindigkeit der Roboterprogrammierung während die schnelle Entwicklung von Kassow Robots CBun Module von Drittanbietern die unsere Software verbessern Gerätehersteller unterstützen würde Ebenso würde eine schnellere Roboterprogrammierung die Nutzererfahrung für Endkunden verbessern Letztendlich geht es darum Zeit zu sparen – und Zeit ist Geld KI wird eine Schlüsselrolle bei der Beschleunigung dieser Prozesse spielen