AIIndustry 4.0Industrial MachineryAPI IntegrationMid-Sized Business

Der Roboter ist der leichte Teil: Physische KI in der Intralogistik, vom Lagersystem aus gesehen

Eine AWS-Umfrage unter 4.420 Startups zeigt: Physische KI besteht meist nicht aus humanoiden Robotern, und Deutschland hat den höchsten Anteil an Entwicklern. Im Lager holt ein Roboter nur dann die richtige Kiste, wenn das System dahinter weiß, welche die richtige ist. An dieser Schicht werden Pilotprojekte hängen, und eine EU-Maschinenverordnung ab Januar 2027 verlangt Nachweise vom ersten Pilot an.

Foto: Google Gemini · AI-generated

Neu im Thema? Hier anfangen

Begriffe in diesem Beitrag

Physische KI
Software, die die physische Welt wahrnimmt und über eine Maschine in ihr handelt: ein Roboter, ein Fahrzeug, ein Kamerasystem.
Intralogistik
Alles, was Waren innerhalb eines Standorts bewegt: Wareneingang, Einlagerung, Kommissionierung, Verpackung und Versand.
Autonomer mobiler Roboter (AMR)
Ein Roboter, der selbstständig durch ein Gebäude fährt und Hindernissen ausweicht, ohne feste Spur.
LVS (Lagerverwaltungssystem)
Die Software, die weiß, was wo lagert, welche Aufträge offen sind und was als Nächstes kommissioniert wird. Manchmal ist sie Teil des ERP.
UDI (Unique Device Identification)
Ein Code auf dem Etikett eines Medizinprodukts, der das Produkt und je nach Produkt auch Charge oder Seriennummer kennzeichnet.
Benannte Stelle
Eine unabhängige, von einem EU-Staat benannte Prüfstelle, die bestätigt, dass ein Produkt die EU-Vorgaben erfüllt, bevor es verkauft werden darf.

Vorab lesen

Die meiste Lagersoftware, die wir gebaut haben, hat nie einen Roboter gesehen. Sie läuft auf einem Handscanner. Für einen Softwarehersteller, der eine Erweiterung für Sage 100 verkauft, haben wir eine Windows-CE-Lager-App durch eine native Android-App ersetzt: Wareneingang, Umlagerungen, Versand, Produktionsbuchungen. Schwierig waren nicht die neuen Bildschirme. Schwierig war, dass jeder Scan weiterhin genau die richtige Buchung im ERP ergibt, so wie vorher. Nur so konnten die Kunden des Herstellers die Geräte wechseln, ohne ihre Abläufe im Lager zu ändern.

An dieses Projekt haben wir beim Lesen über physische KI oft gedacht.

Physische KI besteht meist nicht aus Humanoiden

Im Oktober hat AWS zusammen mit Strand Partners eine Umfrage unter 4.420 Startups in 20 Ländern veröffentlicht. Etwa jedes siebte entwickelt physische KI, also Software, die die physische Welt wahrnimmt und in ihr handelt. Nur 12 Prozent dieser Entwickler arbeiten an humanoiden Robotern. Die übrigen bauen mobile Roboter, Roboterarme, die neben Menschen arbeiten, Kameras und Sensoren. Deutschland hat in der Umfrage den höchsten Anteil an Entwicklern, nämlich 24 Prozent. Der wichtigste Grund, warum deutsche Kunden solche Systeme einsetzen, ist fehlendes Personal. In Logistik, Lager und Handel haben 47 Prozent der Entwickler bereits Systeme im kommerziellen Einsatz.

Zwei Einschränkungen. AWS hat die Umfrage finanziert, und befragt wurden die Startups, nicht die Unternehmen, die bei ihnen kaufen. Wer so etwas baut, ist von Natur aus optimistisch. Umso mehr sagt ein Ergebnis, das von den Optimisten selbst kommt: Nur etwa jeder vierte hält den eigenen Markt für bereit. Und auf die Frage, welche Rollen sie brauchen werden, nennen 48 Prozent die Systemintegratoren, die diese Maschinen aufstellen und mit allem anderen verbinden.

Der Roboter weiß nur, was das System weiß

Ein mobiler Roboter kann zu Fach C-14-03 fahren und eine Kiste aufnehmen. Ob die Kiste in C-14-03 die richtige ist, weiß er nicht. Dieses Wissen steckt im ERP oder im Lagerverwaltungssystem: welcher Auftrag offen ist, was in welches Fach gebucht wurde, welche Charge gesperrt ist, welches Etikett auf das Paket gehört. Hat jemand letzte Woche Ware ins falsche Fach gebucht, merkt ein Mensch beim Kommissionieren, dass etwas nicht stimmt, und sucht. Ein Roboter fährt zum falschen Fach, schnell und jedes Mal.

Der größte Teil der Arbeit in einem Roboter-Pilotprojekt liegt deshalb nicht beim Roboter. Er liegt in der Schnittstelle zwischen der Flottensoftware des Roboters und den Systemen mit Aufträgen und Beständen: Wer schickt den Auftrag, wer bestätigt ihn, und was passiert mit der Buchung, wenn eine Entnahme auf halbem Weg scheitert? Darunter liegen die Daten. Für einen Medizinproduktehersteller haben wir das Etikettensystem gebaut, das Lagerfach-Etiketten und UDI-Etiketten aus den Produktstammdaten druckt. Genau solche Etiketten liest der Scanner oder die Kamera eines Roboters. Sind die Stammdaten falsch, ist das Etikett falsch, und der Roboter handelt danach, ohne zu zögern.

Software für einen Roboter haben wir noch nicht gebaut, und wir tun auch nicht so. Die Schicht darunter haben wir mehrfach gebaut. Dort werden die meisten Pilotprojekte ins Stocken geraten, nach unserer Einschätzung selten wegen der Hardware.

Ein Datum für die Nachweise: Januar 2027

Die Studie erwähnt es nicht, aber Käufer in der EU sollten es kennen. Die neue EU-Maschinenverordnung gilt ab dem 20. Januar 2027. Sie enthält eigene Anforderungen an autonome mobile Maschinen, darunter eine Überwachungsfunktion, mit der ein Mensch die Maschine beobachten und anhalten kann. Maschinen und Sicherheitsbauteile, deren Sicherheitsfunktionen auf selbstlernendem Verhalten beruhen, brauchen eine Prüfung durch eine benannte Stelle, nicht nur die eigene Erklärung des Herstellers.

Wer als Hersteller gilt, wenn ein Roboter in einen bestehenden Standort eingebaut wird, ist eine Frage für die Rechtsberatung. Für die Software ist die praktische Folge einfacher. Dokumentieren Sie vom ersten Pilot an, welche Softwareversion lief, was geändert und was getestet wurde. Diese Historie nachträglich zu rekonstruieren ist viel schwerer, als sie von Anfang an zu führen.

Dieselbe Frage im Krankenhaus

Manche Krankenhäuser setzen schon Roboter ein, die Wäsche, Essen und Material transportieren. Es gilt dasselbe wie im Lager. Ein Roboter bringt nur dann den richtigen Artikel, wenn die Artikeldaten stimmen, und bei Medizinprodukten beginnt das mit der UDI auf dem Etikett. Der Spielraum für Fehler ist nur kleiner.

Steht ein Roboter-Pilot auf Ihrer Liste für das nächste Jahr, beginnen Sie mit einer Frage, die nichts mit Robotern zu tun hat: Stimmen die Lagerplätze und Bestandsbuchungen in Ihrem System heute? Lautet die ehrliche Antwort „meistens“, ist das Ihr erstes Projekt. Sprechen Sie mit uns, wenn Sie es mit jemandem gemeinsam ansehen möchten.

Weiterlesen

Quellen

  1. AI Gets Physical: The Global Startups Readiness Index, AWS, mit Strand Partners (Englisch)Umfrage unter 4.420 Startups in 20 Ländern, von AWS finanziert. Quelle für alle Zahlen im zweiten Abschnitt.
  2. Studie: Deutschland führend bei Physischer KI, onvista (dpa)Unabhängige deutschsprachige Berichterstattung über dieselbe Studie.
  3. Verordnung (EU) 2023/1230 über Maschinen, Amtsblatt der Europäischen Union
  4. Machinery Regulation: main changes from Annex I of the Directive to Annex III of the Regulation, CEN-CENELEC (Englisch)Listet die neuen Anforderungen an autonome mobile Maschinen und die Überwachungsfunktion.
  5. Product risk radar: Machinery Regulation, Baker McKenzie (Englisch)Geltungsbeginn und die Kategorien mit maschinellem Lernen, die eine benannte Stelle brauchen.