Remmert und Fraunhofer IOSB-INA automatisieren das Langguthandling mit KI-Robotik
Vollautomatische Vereinzelung unsortierter Langgüter ohne Offline-Programmierung – vorgestellt auf dem Remmert Experience Day
In der gezeigten Anwendung greift PickFLEX verpackte Materialien aus einer Kassette und platziert sie in einer weiteren Kassette, die über eine Fördereinrichtung zur Kommissionierung bereitgestellt wird.
Der erste Remmert Experience Day im September war gleichzeitig die Eröffnung des neuen Experience Center, das speziell für Kundenpräsentationen aufgebaut wurde.
Dr. Ing. Sebastian Wrede lehrt am CoR-Lab der Universität Bielefeld im Bereich kognitive Robotik und ist Senior Researcher am Fraunhofer IOSB-INA Institut in Lemgo.
Produktmanager Fabian Gries von Remmert erläutert dem Publikum das Konzept der PickFLEX Robotik
Das Kommissionieren von Langgütern gehört zu den letzten weitgehend manuellen Schritten in ansonsten hoch automatisierten Produktionen. Aluminiumprofile wiegen je nach Länge bis zu 30 Kilogramm. Einzelne Stangen aus dem Bündel zu entnehmen, ist körperlich belastend und meist nur zu zweit möglich – Zählfehler bei der Auslieferung sind eine häufige Folge. Gemeinsam mit dem Fraunhofer IOSB-INA hat Remmert mit PickFLEX eine Lösung entwickelt, die genau diesen Prozess automatisiert. Vorgestellt wurde sie auf dem Remmert Experience Day am 3. September 2026. „Zwischen Lager und Produktion klafft in vielen Betrieben bis heute eine Lücke, die niemand geschlossen hat – ausgerechnet an der Stelle, an der die Arbeit am schwersten ist“, sagt Fabian Gries, Product Manager bei Remmert. „Mit PickFLEX schließen wir diese Lücke. Und weil das System lernt, statt programmiert zu werden, wächst es mit den Anforderungen unserer Kunden mit.“
Greifen ohne Vorsortierung
Anders als klassische Robotikanwendungen benötigt PickFLEX keine vorsortierte Ware mit festen Koordinaten. Kameras und KI-gestützte Bildverarbeitung erfassen die tatsächliche Lage der Teile in der Kassette, der Industrieroboter greift entsprechend zu. Neue Materialien werden angelernt, nicht programmiert.
Wie anspruchsvoll das technisch ist, erläuterte Dr.-Ing. Sebastian Wrede, Senior Scientist Robotics am Fraunhofer IOSB-INA: Langgüter sind hochvariabel und liegen nur halbstrukturiert im Lager. Reflektierende, glänzende oder dunkle Oberflächen erschweren die 3D-Erfassung. Dennoch ist Millimetergenauigkeit über meterlange Objekte hinweg gefordert. Hinzu kommen verkippte und verdrehte Teile, bei denen sichere Greifpunkte schwer zu bestimmen sind, sowie große Kollisionsvolumen, Durchbiegung und Schwingungen beim Transport durch die Zelle.
Vier Bausteine der Architektur
Die gemeinsam entwickelte Steuerungsarchitektur umfasst eine KI-Perception mit nachtrainierbaren Vision-Modellen, eine vollständige Szenenrekonstruktion inklusive Kassetten und Trennelementen, eine autonome Entscheidungsfindung über Entnahme- und Ablageposition sowie eine Online-Bahnplanung. Alle Bewegungen werden zur Laufzeit berechnet – ein manuelles Teachen entfällt. Die Entwicklung erfolgte in Simulationsumgebungen wie KUKA.Sim und NVIDIAs Isaac Sim. Greifertests liefen real in der SmartFactoryOWL. Die Integration über ROS 2, KUKA.RSI und OPC UA hält das System herstelleroffen.
Skalierbar und in das Lagerportfolio integrierbar
Über Vakuum- oder Magnetgreifer lässt sich PickFLEX an unterschiedliche Materialien anpassen, die Traglast reicht von rund 50 bis 300 Kilogramm. Kombinieren lässt sich das System mit den Lagersystemen von Remmert. Typische Einsatzfelder sind die Auftragskommissionierung vor dem Versand und die Materialversorgung von Sägen oder Fensterbaumaschinen. Remmert rechnet mit einer schnellen Amortisation, da das System im Mehrschichtbetrieb die Arbeit von rund anderthalb Personen pro Schicht übernimmt.
Neueste Trends in die Praxis überführen
Für Sebastian Wrede ist das Projekt ein gutes Beispiel für die Zusammenführung verschiedener technischer Trends in eine praktische Anwendung: zum einen der Übergang von starren Regeln zu KI-Modellen, die Wahrnehmung, Greifen und Bewegung aus Daten lernen. Zum anderen sichern Trainingsdaten aus einem digitalen Zwilling das System ab, bevor die reale Maschine zum Einsatz kommt.
Generalistische Vision-Language-Action-Modelle, die Fähigkeiten zwischen Aufgaben übertragen, werden laut Wrede für industrielle Präzisionsanforderungen aber noch ein Forschungsthema bleiben. Vielversprechend ist auch kontinuierliches Lernen aus Erfahrung und menschlichem Feedback – in der Fraunhofer-Forschung steigerten rund 20 menschliche Korrekturen die Erfolgsquote einer Montageaufgabe von 20 auf nahezu 100 Prozent. Mit diesem Ansatz ließen sich künftig etwa verklemmte Langgüter beherrschen. Sein Fazit: KI-Robotik ersetzt die klassische Automatisierung nicht, sondern ergänzt Modelle, Regelung und Engineering-Wissen um Wahrnehmung, Anpassung und Lernfähigkeit.
Den digitalen Zwilling nutzt Remmert über den PickFLEX-Roboter hinaus bereits, um die Steuerungslogiken komplexer Lagersysteme zu emulieren. Dadurch reduzieren sich beispielsweise die Inbetriebnahmezeiten der Hochregallager deutlich.
Neuigkeiten automatisch in Ihr Postfach
Halten Sie sich über Neuigkeiten von Remmert auf dem Laufenden. Mit unserem Email-Newsletter erhalten Sie die neuesten Produktentwicklungen und Success Stories von Remmert direkt in Ihr Postfach.