Industrie 4.0

Flexibel, effizient, und vor allem zuverlässig und sicher: So zeichnet sich eine einsatzfähige Personenerkennung in der Industrieproduktion aus. Im gemeinsamen Projekt PROTECT sind das Fraunhofer IKS und das Fraunhofer IGCV diesen Anforderungen einen großen Schritt näher gekommen.

Die industrielle Produktion erlebt einen tiefgreifenden Wandel. Mit rasant fortschreitenden Technologien und dem sich verändernden gesellschaftlichen Umfeld muss die Industrieautomatisierung neu gedacht werden, um flexibler auf neue Anforderungen und Herausforderungen zu reagieren – Stichwort adaptive Produktion.

Die Fähigkeit eines Produktionssystems, sich autonom an veränderte Bedingungen anzupassen, verspricht Effizienzsteigerungen und Kostenvorteile. Dies gilt ebenso für nachträgliche Änderungsaufträge im Produktionsprozess – ein Fall für das neue Tool-Set des Fraunhofer IKS, das eine flexible und resiliente Produktion ermöglicht.

Seit November 2020 ist Lena Heidemann Teil des Fraunhofer IKS. Zunächst kam sie als studentische Mitarbeiterin ans Institut. Seit November 2021 ist sie wissenschaftliche Mitarbeiterin im Bereich Industrial Sensing Systems. In die Forschung brachte sie ihre Neugier, Offenheit und die Bereitschaft, neue Dinge einfach mal auszuprobieren.

Sehen und gesehen werden – das zählt nicht nur auf dem gesellschaftlichen Parkett, sondern auch bei der effizienten und verlässlichen Zusammenarbeit von Mensch und Roboter in der industriellen Produktion. Worum es dabei im Speziellen geht, zeigt das Fraunhofer IKS auf der Automatica Ende Juni in München unter dem Motto: »Dinge dürfen einfach sein«.

Kann KI die Produktionssteuerung revolutionieren? Eine Antwort auf diese Frage soll das Forschungsprojekt MBO-KISS (Methoden zur Bewertung und Optimierung KI-generierter Steuerungsanwendungen basierend auf der physikalischen Simulation von Maschinen und deren Sollverhalten) geben. Das Projekt startete Anfang 2025 mit einer Laufzeit von drei Jahren. Ziel ist es, die Möglichkeiten von Large Language Modellen (LLMs) zur Generierung und sicheren Anwendung von Steuerungsanwendungen in der Industrieproduktion zu untersuchen.

Die vorherigen drei Teile unserer Serie sind auf die Technologien »unter der Motorhaube« von DEEP, der Machine-Learning-Toolkette des Fraunhofer IKS, eingegangen. Hier nun folgt mit den Prozessschritten des DEEP-Verfahrens der Blick auf das »große Ganze« – wie man DEEP einsetzen kann, um die Probleme beim Einsatz von Maschinellem Lernen (ML) für zukünftige flexible Qualitätsinspektion in den Griff zu bekommen.

DEEP ist eine Machine-Learning-Toolkette des Fraunhofer IKS für die zuverlässige KI-gestützte Automatisierung von Qualitätsinspektions-Systemen. Hierzu kombiniert DEEP selbstständig verschiedene spezifische Fraunhofer-IKS-Technologien. Dieser Teil der Blogpost-Serie geht auf die konkreten Inhalte des Modular Concept Learning ein.

Was sind die wichtigsten Ideen, die die aktuelle Automatisierungslandschaft prägen? Lesen Sie hier drei Erkenntnisse, die sich aus den Diskussionen der Teilnehmer des Safe Intelligence Day 2025 am Fraunhofer IKS ergeben haben.

DEEP, die Machine-Learning-Toolkette des Fraunhofer IKS, ermöglicht die Automatisierung von Qualitätskontrollen in der Produktion, und das auch bei komplexen Anforderungen. Wesentliche Bestandteile dieser Lösung sind die ebenfalls vom Fraunhofer IKS entwickelten Technologien FAST und Robuscope.

Qualitätssicherung ist einer der, wenn nicht der entscheidende Wettbewerbsfaktor für Industrieunternehmen. Deutsche Unternehmen haben das längst erkannt und in der Regel nicht mit Qualitätsproblemen zu kämpfen. Aber das hat seinen Preis. Jetzt soll Künstliche Intelligenz in der Qualitätssicherung zum Game Changer werden. Wie das funktioniert, erläutert Dr. Niels Syassen, Vorstand Technology & Digitalization der SICK AG.

Machine Learning (ML) gilt als Hoffnungsträger für die Automatisierung von Qualitätskontrollen in der Produktion, und das auch bei komplexen Anforderungen. Allerdings erfordern ML-Ansätze genügend große Datensätze, um das System zu trainieren, die häufig nicht zur Verfügung stehen. Die ML-Toolkette DEEP (Data Efficient Evaluation Platform) des Fraunhofer IKS schafft hier Abhilfe.

Qualiätsprüfung per Hand in der Produktion stößt schon heute an ihre Grenzen. Kann Künstliche Intelligenz (KI) hier einspringen? Die Lösungen des Fraunhofer IKS zeigen wie – und wie das auch mit wenig Daten funktioniert.

Künstliche Intelligenz (KI) ist ein allgegenwärtiges Thema, nicht zuletzt wegen des aktuellen Hypes um Large-Language-Modelle und Generativer KI zur Generierung von Text, Bild und Ton. Auch in der Industrie ist das Thema bereits angekommen.

Die Erweiterung von etablierten Automatisierungssystemen für neuartige Anwendungen soll den Weg ebnen zur Automatisierung der Zukunft. Das Fraunhofer IKS erforscht, wie der Wandel dorthin im Einzelnen aussieht. Welche Rolle Prototypen dabei spielen und welche Erkenntnisse sie liefern, lesen Sie in diesem Beitrag.

Anstatt Arbeitende einfach nur zu ersetzen, zielen moderne Fertigungskonzepte darauf ab, menschliches Fachwissen und Automatisierung zu kombinieren. Dies führt zu einer Produktionsanordnung, die die Qualität erhöht, ohne die Effizienz zu beeinträchtigen. Wie funktioniert das im Einzelnen?

Sichere und intelligente Produktion: Das ist das Motto des ersten Safe Intelligence Day am Fraunhofer IKS, der sich ganz dem Thema Automatisierung widmet. Hier dreht sich alles darum, wie Unternehmen ihre Produktionsprozesse fit machen können für die Herausforderungen der Zukunft.

Die Produktionstechnologie entwickelt sich stetig weiter und Unternehmen geraten in Zugzwang. Erfahren Sie hier, was sich derzeit in der industriellen Automatisierung ändert und warum es lohnt, sich darauf einzulassen.

Dr. Gereon Weiß forscht in seiner Arbeit an der Automatisierung von Produktionsprozessen. Seine Aufgabe und die seines Teams liegt darin, neue wissenschaftliche Erkenntnisse mit anwendbaren Lösungen zu verbinden. Dadurch können sich Industrien in eine Richtung entwickeln, in welcher der Mensch und seine Stärken in der Produktion im Vordergrund stehen.

Künstliche Intelligenz (KI) in der Industrie 4.0 stößt noch auf technologische Hindernisse, die den KI-Einsatz erschweren. Das Fraunhofer IKS entwickelt daher ein Framework, das den Daten- und KI-Lebenszyklus unterstützt, optimiert – und so die Wertschöpfung durch KI in der Produktion deutlich steigert.

Kooperative, heterogene Roboter in unstrukturierten Umgebungen allein zu lassen, ist keine gute Idee. Erst eine KI-gestützte Management-Lösung versetzt sie in die Lage, komplexe Aufgaben zu lösen, ohne Schaden anzurichten. Das Fraunhofer IKS arbeitet an einem solchen System.

Die internationale Fachkonferenz EAI IC4S verleiht den Preis für den besten Fachbeitrag an das Fraunhofer IKS. Thema des Papers ist ein Konzept für die sichere und effiziente Zusammenarbeit Autonomer Mobiler Roboter (AMR) mit Menschen in gemeinsam genutzten Bereichen.

In der modernen Lagerlogistik ist Geschwindigkeit ein entscheidender Erfolgsfaktor. Dafür sorgen unter anderem autonome mobile Roboter (AMR). Um ihre Aufgaben zu erfüllen, müssen sie möglichst flexibel auf neue Umgebungsbedingungen und Lagerwaren reagieren. ResilientSOA, das Framework des Fraunhofer IKS, schafft die Voraussetzungen dafür. Wie das genau funktioniert, erläutert Projektleiter Florian Wörter im Interview.

Cyber-Physical Systems (CPS) kombinieren Software-Algorithmen und physische Strukturen. Um mehr zu bieten als die einfachen eingebetteten Systeme von heute, müssen weiterentwickelte CPS insbesondere Eigenschaften wie Anpassungsfähigkeit, Resilienz und Sicherheit aufweisen. Lean Management von CPS mit resilienten Architekturen erfüllt diese Anforderungen durch die Kombination von Datenverteilung mit dienstorientierten Strukturen. Ein Beispiel aus der Praxis: ein mobiler Roboter in einem Lager.

Seit vergangenem Jahr diskutieren Unternehmen und Verbände das Thema Resilienz in der industriellen Fertigung. Ziel ist es, Produktionsausfälle deutlich zu reduzieren. Aber: Hält Resilienz, was sie verspricht? Und was steckt eigentlich hinter dem Konzept Resilienz in der Produktion? Fünf Antworten auf fünf entscheidende Fragen!

Was machen KI-Forscherinnen und Forscher eigentlich in ihrem Labor? Wir nehmen Sie mit in unser Living Lab und zeigen Ihnen, wie die angewandte Forschung an sicheren Kognitiven Systemen aussieht.

Einen neuen Middleware-Ansatz für autonome Systeme verfolgt die ROS2-Plattform (Robot Operating System 2). Ein Überblick über Architektur, Funktionen und Vorteile.

Herkömmliche Schutzeinrichtungen für Menschen in der industriellen Fertigung gehen regelmäßig auf Kosten der Effizienz. Kognitive Produktionssysteme, die Ansätze von adaptive safety verfolgen, sorgen für Sicherheit und reduzieren Einschränkungen der Produktion deutlich.

Schrittweise öffnen sich die Hersteller von Industriesteuerungen der Datenwolke. Mit dem Ansatz einer Cloud-basierten, serviceorientierten Steuerung peilt das Fraunhofer-Institut für Kognitive Systeme IKS die nächste Stufe der Entwicklung an.