26. Juni 2024. Wie KUKA und Swisslog KI-Modelle für die Roboter-Programmierung oder die richtige Artikel-Zusammenstellung in Großlagern nutzen und warum ein KI-Modell durch viel Training nicht unbedingt besser wird: Im virtuellen Pressegespräch ging es um den Einsatz Künstlicher Intelligenz (KI) in den eigenen Produkten und Lösungen. Das Ziel: Kunden den Zugang zu Automatisierung so einfach wie möglich zu machen und die Wertschöpfung zu steigern.
Kategorien
Schlagworte
Aktuell dreht sich alles um Chatbots. Mit ChatGPT ist das Thema Künstliche Intelligenz (KI) in kürzester Zeit gesellschaftlich relevant und viel diskutiert worden. In der Industrie wird bereits seit mehreren Jahren dazu geforscht. Ein Schwerpunkt: Die Roboter-Programmierung. „Einen Roboter für eine Aufgabe zu programmieren, ist in weiten Teilen immer noch Expertinnen und Experten vorbehalten“, sagt Roland Ritter, Platform Program Manager Simulation bei KUKA. „Genau deswegen arbeiten wir an einem KI-Chatbot, der einen einfachen Sprachbefehl in einen Programmiercode übersetzt.“ Aus ‚Greife die Bauteile nacheinander und lege sie in einer U-Form auf den Tisch‘ generiert das KI-Modell dann den Code, der den Roboter dazu bringt, genau das zu tun.
Aktuell passiert das alles noch in einer simulierten Umgebung. „Wir könnten zwar den KI-generierten Code auf die Robotersteuerung überspielen, das ist aber aktuell noch zu unsicher. Da ist sich die gesamte Industrie einig“, erklärt Ritter. Der Digitale Zwilling des Roboters springt solange ein, um zu überprüfen, ob das KI-generierte Roboterprogramm fehlerfrei ist.
Der KI-Chatbot wurde von KUKA mit unzähligen Daten gefüttert. Die gibt es zu Genüge, da das Augsburger Unternehmen die hauseigene Programmiersprache ‚KUKA Robot Language (KRL)‘ seit Jahrzehnten im Markt hat. Mit all diesen Roboterprogrammen wird das KI-Modell trainiert. Im nächsten Schritt arbeitet KUKA daran, den KI-Chatbot an Kunden weiterzugeben, damit Erfahrungen gesammelt werden können, wie Kunden einen Sprachfehl an den Roboter formulieren.
„Interessant ist, dass KI-Modelle mit mehr Training nicht zwingend besser werden. Hier gilt es, die richtige Balance zu finden, damit die Trainingsdaten qualitativ auf einem hohen Level bleiben“, erklärt Roland Ritter, Platform Program Manager Simulation bei KUKA.
Lebensmittelkonzerne wie REWE, Drogerie-Riesen wie DM oder Unternehmen aus der Pharmaindustrie gehören zu den Kunden von Swisslog, KUKAs Schweizer Intralogistik-Unternehmen.
Im Durchschnitt haben diese Kunden mehrere 10.000 verschiedene Produkte in ihren Sortimenten, verpackt in Tüten, Kartons oder auch ohne Umverpackung. „Jeden Tag müssen diese unterschiedlichen Artikel kommissioniert, also für einen Kunden- oder Auslieferungsauftrag zusammengestellt werden – und das möglichst fehlerfrei“, sagt Niklas Goddemeier. Er ist Head of Research & Development des Robogistic Product Centers bei Swisslog. „Damit die einzelnen Produkte richtig zusammengestellt werden und keine Reste von Verpackungen ihren Weg zum Kunden finden, haben wir ein KI-Modell so trainiert, dass es nicht nur Müll erkennen, sondern auch Shampoo- von Duschgel-Flaschen unterscheiden kann“.
Doch das KI-Modell allein schafft das nicht. Zum Einsatz kommt das Swisslog Produkt ItemPiQ. ItemPiQ ist ein KI- und Kamera-gestützter Artikelkommissionier-Roboter. Er kann seinen Greifer autonom wechseln und sich so den verschiedenen Verpackungen und Produkten anpassen. Swisslog arbeitet schon seit einiger Zeit daran, mit Hilfe von KI-Modellen die Griff-Qualität zu verbessern.
Für bildgestützte Robotersysteme bietet sich eine KI-Unterstützung natürlich an. Die Frage, die sich aktuell nur noch stellt, ist: Wie lasse ich solche Systeme weiterlernen? Im Sommer hat der Kunde wahrscheinlich viele Produkte in Tüten, im Winter in Kartons. Wie schafft man es dann, dass die KI den Sommer über nicht verlernt, wie der Greifer am Roboterarm im Winter Kartons greifen muss? Dieses Thema der „Modell-Updates“ treibt aktuell noch Viele um.
– – – – –
Foto: Kuka
