Zum Inhalt gehen
Supplier HUB_Website Header Banner

Robotik in der Automobilindustrie: So weit ist die Technologie heute

12/22

Die moderne Robotik verspricht, dass Roboter gemeinsam lernen, immer neue digitale Services aus der Cloud nutzen und Dienste nach Zeit oder pro Stückzahl abgerechnet werden.

Warum die neue Generation der Roboter auch in der Automobilbranche, die ohnehin die führende Branche in Sachen Robotik ist, eine wichtige Rolle spielen wird, darauf gehen die Experten Peter Findl und Daniel Stock in diesem Beitrag ein.

Die Robotikbranche boomt. Nach aktuellen Zahlen der International Federation of Robotics (IFR) legt die Branche in den letzten fünf Jahren weltweit um jährlich durchschnittlich 11 Prozent zu. In 2021 wurden insgesamt mehr als dreimal so viele Roboter in Unternehmen installiert als zehn Jahre zuvor. Traditionsgemäß rangiert die Autobranche in Deutschland weit vorne, aktuell mit knapp 9.000 Neuinstallationen von klassischen Industrierobotern. Doch wächst die Bedeutung etwa von kollaborativen Systemen und sogenannten derzeit besonders stark – um 50 bzw. 37 Prozent. Diese junge Klasse der flexiblen Roboter erbringt beispielsweise in der Fertigung spezialisierte Dienstleistungen abseits des klassischen Robotikeinsatzes, etwa wenn es ums Saugen, Transportieren von Bauteilen, Aufräumen von Werkzeug oder Montieren geht. „Roboter lassen sich heute per Drag & Drop programmieren, sie lernen gemeinsam und Dienste können über die Cloud auch über Unternehmensgrenzen hinweg genutzt werden“, erläutert der Managing Solution Architect von Capgemini Daniel Stock das Potenzial von Servicerobotern. Klar ist: Roboter werden kleiner, flexibler und einfacher in der Handhabung – und schon heute ist mehr als jeder fünfte eingesetzte Roboter in Unternehmen ein Serviceroboter und diese werden für die Automobilindustrie immer wichtiger.

Roboter als digitale Produktionsassistenten: Die Entscheidungen kommen aus der Cloud

„Der moderne Roboter ist keine riesige starre Maschine mehr, die hinter einem Schutzzaun arbeitet, repetitive Tätigkeiten ausführt und nur von Experten zu bedienen ist“, sagt Peter Fintl, Vice President Technologie und Innovation bei Capgemini: „Er arbeitet im gemeinsamen Umfeld mit Menschen, lässt sich ohne großen Trainingsaufwand für neue Aufgaben einsetzen, verfügt über eine präzise Kraftsteuerung und wird so zum digitalen, feinfühligen Produktionsassistenten.“ Letztlich bestehen die innovativen Helferlein oft aus einem Roboterarm, Software und manchmal noch einer mobilen Plattform, die ihn intelligent macht. „Die Entscheidungen kommen aus der Cloud“, so Fintl, der vom „Kognitionsanteil“ spricht. Unternehmen wie Universal Robots aus dem Robotik-Mekka Odense in Dänemark oder Franka Emika aus München zeigen, dass sich einfache Automatisierungsaufgaben per Plug & Play erledigen lassen. In einem Video von Franka Emika ist beispielsweise zu sehen, wie ein Roboter in wenigen Minuten lernt, Ringe zu greifen und in dafür bereitstehende Boxen zu legen. Die nötigen Anwendungen werden per Drag & Drop auf dem Bildschirm eines Laptops zusammengestellt. Programmierkenntnisse sind dafür nicht erforderlich. „Viele unterstützende Tätigkeiten können robotische Systeme in Fabriken heute schon erledigen, etwa Bauteile zu Montagestationen zu bringen, Gebinde ver- und entsorgen oder Arbeitsmittel bereitstellen und sortieren“, sagt Capgemini-Experte Fintl.

Roboter as a Service in der Automobilindustrie: Überkopfarbeiten mit Hilfe eines Exoskeletts

Serviceroboter haben in diversen Branchen weltweit ein großes Wachstumspotenzial: Der Logistik- und Transportbereich ist im vergangenen Jahr um 45 Prozent gewachsen, der Medizinbereich um 23 Prozent und der Gastronomiebereich um 85 Prozent. Ob Servicerobotik zum Erfolg wird, hängt auch vom Geschäftsmodell ab. „As-a-Service-Modelle werden hier sicher künftig eine wichtige Rolle spielen“, kann sich Capgemini-Experte Stock vorstellen.

So hat ein bekannter Werkzeugmaschinenhersteller beispielsweise gerade ein Pay-per-Part-Modell für den Einsatz seiner Laserschneidemaschinen vorgestellt. Kunden bezahlen dem Unternehmen künftig für jedes geschnittene Blechteil einen vereinbarten Preis. Vorteil für die Kunden des Unternehmens: Sie brauchen sich nicht auf große Stückzahlen festlegen und gehen damit weniger ins Risiko, sollte sich das Marktumfeld plötzlich verändern. Anderes Beispiel: Exoskelette in der Autoindustrie. In der Kabelmontage unterstützen sie Facharbeiter darin, Kabelbäume in den Karosserien zu montieren. Die Herausforderung liegt darin, diese Tätigkeiten auch überkopf ausführen zu müssen, was für die Arbeiter sehr anstrengend ist. Entsprechende Anzüge könnten per Miete angeboten werden. „Generell geht es bei dem Einsatz von Cobots darum, Menschen bei schweren oder repetitiven Arbeiten, die eine gewisse Fertigkeit erfordern zu unterstützen und sie letztlich zu entlasten, auch damit sie sich kreativeren Tätigkeiten widmen können“, sagt Stock. Bestes Beispiel dafür ist auch der „Griff in die Kiste“, ein Projekt, in dem Forscher vom Fraunhofer-Institut für Produktionstechnik und Automatisierung (IPA) gezeigt haben, dass ein Leichtbauroboter es schafft, in einer Kiste, in der Teile kreuz und quer herumliegen, zu greifen. „Deep Grasping“ nennen die Fraunhofer-Forscher laut Stock das Verfahren, in dem der Roboter gar nicht erst angelernt werden muss, um Objekte zu erkennen und an die passende Stelle zu sortieren. Noch liegt die Zuverlässigkeit oder Nachvollziehbarkeit von KI-gestützten Ansätzen oft nicht hoch genug, um sie Kunden in kritischen Anwendungen anbieten zu können. Doch liegen mögliche Berechnungsgrundlagen für ein As-a-Service-Modell auf der Hand, etwa ein Fixpreis für das Einsortieren von 1.000 Teilen.

Von vordefinierten Aufgaben zur Generalisierung von Funktionen

Aktuell besteht die Herausforderung oft noch darin, Robotern ein „umfassendes Verständnis der Umgebung zu geben“, wie Capgemini-Experte Fintl meint. Kürzlich stellte Elon Musk seinen neuen Roboter Optimus vor. Er zeigt, wie Optimus eine Gießkanne greift, zur Pflanze hingeht und ihr Wasser gibt. Diese Aufgabe ist komplexer als sie aussieht: Der Roboter muss wissen, wie er die Gießkanne greift, welche Pflanze Wasser braucht und wie viel, wo die Pflanze gegossen werden soll, wo er neues Wasser herbekommt, wo die Gieskanne abgestellt werden soll. „Auch wenn die Tätigkeiten in den Einzelschritten beherrschbar sind – ohne ein umfassendes Wissen über seine Umgebung und bewährte Arbeitsweisen ist es für eine KI äußerst schwierig, solche Aufgaben menschenähnlich durchzuführen“, meint Fintl. Abgesehen von der Frage, zu was der neue Tesla-Bot in absehbarer Zeit wirklich in der Lage sein wird, sieht der Capgemini-Experte augenblicklich einen Riesensprung in der Entwicklung: „Wir kommen weg von der Programmierung einzelner vordefinierten Schritte hin zur Generalisierung von Funktionen. Die enormen Fortschritte in auf künstlicher Intelligenz basierenden Methoden sowie der enorme Zuwachs an effizienter Rechenkapazität ermöglichen Robotern deutlich besser ihre Umgebung zu verstehen und auch „unscharfe“ Aufgaben zu erledigen.“ Systeme werden es also immer häufiger schaffen, ohne individuelles Training Lösungen zu finden – auch für komplexe Unteraufgaben.

Egal, ob ein Serviceroboter per Drag & Drop für einfache Aufgaben oder künftig selbstlernend in komplexen Umfeldern eingesetzt wird: „Unternehmen, auch aus der Automobilindustrie, werden nicht drumherum kommen, die Entwicklungen genau zu verfolgen“, sagt Fintl – „sei es, um später den Ausfall oder Mangel von Mitarbeitern überbrücken oder aber die Lieferkette aufgrund von Engpässen flexibel anpassen zu können.“

Die News-Plattform für Automotive-Supplier