idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
Staatssekretärin Katrin Schütz zeichnet „Automated-Item-Picking-Lösung“ der Hochschule Karlsruhe als einen von „100 Orten für Industrie 4.0 in Baden-Württemberg“ aus
Bereits zweite offizielle Auszeichnung einer Einrichtung der Hochschule in dieser Landesinitiative
Am 3. Dezember 2019 zeichnete Wirtschaftsstaatssekretärin Katrin Schütz im Stuttgarter Schloss 15 baden-württembergische Leuchtturmprojekte für die Produktion der Zukunft als aktuelle Preisträger des Wettbewerbs „100 Orte für Industrie 4.0 in Baden-Württemberg“ aus. Einer von diesen ist die „Automated-Item-Picking-Lösung“ der Hochschule Karlsruhe – Technik und Wirtschaft, für die Projektleiter Prof. Dr. Christian Wurll, Professor für Automatisierung und Robotik an der Fakultät für Wirtschaftswissenschaften und Leiter des dortigen Robogistics-Labors, den Preis entgegennehmen konnte.
Mit dem Wettbewerb sucht die „Allianz Industrie 4.0 Baden-Württemberg“ nach innovativen Konzepten aus der Wirtschaft, die mit der intelligenten Vernetzung von Produktions- und Wertschöpfungsprozessen erfolgreich sind. Die Expertenjury bewertet neben dem Innovationsgrad auch die konkrete Praxisrelevanz für Industrie 4.0. „Die prämierten Lösungen zeigen den Pioniergeist Baden-Württembergs bei der Umsetzung von zukunftsweisenden Technologien wie der Künstlichen Intelligenz“, so Schütz. „Mit der Preisverleihung zeichnen wir Innovationen zum Anfassen aus. Wir wollen Lösungen aus Baden-Württemberg, die Mehrwerte schaffen, noch bekannter machen. Industrie 4.0-Pionieren bietet sich somit die Chance zur Anerkennung ihrer Leistung und anderen Unternehmen eine breite Basis von Anwendungsfällen zur Inspiration.“
Die an der Hochschule Karlsruhe entwickelte Automated-Item-Picking-Lösung lässt sich in vielen Prozessen zur Erkennung und zum Greifen von Objekten einsetzen. Ein Prototyp konnte im hochschuleigenen Labor Robogistics exemplarisch für den Umgang mit Sportartikeln wie Schuhkartons und Kleidungsstücken hergestellt werden. Aktuell werden die Erkenntnisse auf weitere Branchen wie beispielsweise die Kosmetik- oder die Automobil-Ersatzteilbranchen übertragen.
„Unsere Lösung zeichnet sich insbesondere durch die Nutzung von tiefen neuronalen Netzen aus“, so Projektleiter Prof. Dr. Christian Wurll. „Als ‚Machine-Learning-Verfahren‘ wird das System über Trainingsdaten ‚geschult‘ und kann so die Aufgabenstellung bewältigen. Im Vergleich zu klassischen Bildverarbeitungsverfahren können mit dieser Methode Objekte in wesentlich komplexeren Szenen lokalisiert werden. Um eine ausreichende Anzahl an Trainingsdaten in kurzer Zeit und zu annehmbaren Kosten zu erhalten, forscht unser Team am Training der neuronalen Netze mittels virtuell generierter und automatisierter Bilddaten.“
Im Vergleich zu herkömmlichen Verfahren lassen sich durch den Einsatz von Deep Learning (Künstliche Intelligenz durch tiefe neuronale Netze) und Transfer Learning (z. B. Generierung virtueller Trainingsdaten) Objekte in sehr komplexen und chaotischen Szenen sicher erkennen und greifen. Darüber hinaus können spezielle Zustände der Objekte (z. B. geöffneter Karton) zuverlässig identifiziert und behandelt werden (z. B. Ausschleusen des Kartons). Den zeit- und kostenintensivsten Teil des Machine Learning stellt in der Regel die Erzeugung der Trainingsdaten dar. Durch die Nutzung von virtuellen Trainingsdaten lässt sich dieser Prozess enorm verkürzen und damit wesentlich günstiger und flexibler gestalten.
„Durch die Nutzung von Robotern und künstlicher Intelligenz kann menschliche Arbeit in den stark repetitiven und ermüdenden Tätigkeiten des Item-Pickings ersetzt werden“, so Prof. Dr. Björn Hein, Professor für Intelligente Produktion mit Schwerpunkt Cloud-Robotics an der Hochschule Karlsruhe, über die Vorteile des neuen Verfahrens. „Für einen Großteil der auftretenden Artikelarten und -anordnungen erreicht das AIP-System eine Zykluszeit auf dem Niveau eines heutigen Mitarbeiters. Neben potenziellen Kostenvorteilen sind insbesondere hohe Zuverlässigkeit und Skalierbarkeit des Systems bedeutende Vorteile dieser automatisierten Lösung.“
Neben der Auszeichnung als einer von „100 Orten für Industrie 4.0 in Baden-Württemberg“ verbindet sich dies für die Hochschule Karlsruhe auch mit der Aufnahme in den Kompetenzatlas der „Allianz Industrie 4.0 Baden-Württemberg“. „Damit wird auch nach außen einmal mehr sichtbar“, so Prof. Dr. Franz Quint, Prorektor für Forschung, Kooperationen und Qualitätsmanagement an der Hochschule, „welche Qualität wir in angewandter Forschung, Technologietransfer, Hochschullehre und Weiterbildung erreicht haben und warum wir diese Felder auch in unserer strategischen Zielsetzung ständig weiterentwickeln.“
Bereits im Mai 2017 hatte Staatssekretärin Katrin Schütz das „Gläserne Labor“ der Hochschule Karlsruhe als einen von „100 Orten für Industrie 4.0 in Baden-Württemberg“ ausgezeichnet. Die jetzige Auszeichnung der Automated-Item-Picking-Lösung ist für die Hochschule also schon die zweite einer Einrichtung der Hochschule in dieser Landesinitiative.
https://www.hs-karlsruhe.de/presse/staatssekretaerin-katrin-schuetz-zeichnet-aut...
Bei der Verleihung (v. l. n. r.): Staatssekretärin Katrin Schütz, Prof. Dr. Christian Wurll, Prof. D ...
Martin Storz
None
Moritz Weisenböhler und Luisa Hornung beim Einlesen von Trainingsdaten in die Automated-Item-Picking ...
Sarah Haser
None
Merkmale dieser Pressemitteilung:
Journalisten, jedermann
Elektrotechnik, Informationstechnik, Maschinenbau, Wirtschaft
überregional
Forschungs- / Wissenstransfer, Wettbewerbe / Auszeichnungen
Deutsch
Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.
Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).
Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.
Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).
Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).
