Autonome Systeme in der Produktion

Im Bereich Mobilität sind in den vergangenen Jahren enorme Innovationssprünge zu verzeichnen. Die Leistungsfähigkeit von Assistenzsystemen, besonders im Automobilsektor, wird immer mehr zu einem zentralen Verkaufsargument und erfährt eine zunehmende mediale Aufmerksamkeit sowohl im wissenschaftlichen als auch im nichtwissenschaftlichen Bereich. Die Umsetzung von autonomen Fahrzeugen erfordert die Weiterentwicklung und Integration modernster Technologien, die bspw. eine Situationserkennung und Entscheidungsfindung ermöglichen. Experteneinschätzungen über die Umsetzbarkeit solcher autonomen Systeme in der nahen Zukunft divergieren stark und werden durch gesellschaftliche bzw. ethische Fragestellungen begleitet [1].

Neben dem autonomen Fahren existieren weitere Anwendungsbereiche für autonome Systeme, die einen ebenso großen gesellschaftlichen Wandel auslösen können, allen voran die industrielle Produktion. Als Motor für den Wohlstand in Deutschland ist es von enormer Wichtigkeit, die Einsatz- und Nutzenpotenziale autonomer Systeme für die industrielle Produktion zu erkennen und die Umsetzung entsprechender Systeme systematisch zu planen. Die Entwickler solcher Systeme stehen dabei vor der Herausforderung, die steigende Komplexität im Entwicklungsprozess zu beherrschen.

Autonome Systeme für die Produktion

Der digitale Wandel im Maschinen- und Anlagenbau ist durch einen zunehmenden Einsatz von Informations- und Kommunikationstechnik geprägt. Es entstehen neue Möglichkeiten zum einen für die Verbesserungen einzelner Maschinen und Anlagen, zum anderen für die Leistungssteigerung kompletter Wertschöpfungsprozesse. Die Vernetzung der technischen Systeme sowie die Verschmelzung von virtueller und physikalischer Welt werden dabei im Kontext der industriellen Produktion unter dem Begriff CyberPhysical Systems (CPS) zusammengefasst.

CPS sind offene, vernetzte Systeme, die mittels Sensorik Daten über den Zustand der physikalischen Welt erfassen, diese interpretieren und für digitale Dienste verfügbar machen. Über Aktoren können die Systeme direkt auf Prozesse in der physikalischen Welt einwirken und damit das Verhalten von Komponenten, Anlagen und Diensten steuern [2]. Durch den zunehmenden Einsatz von CPS in der industriellen Produktion vollzieht sich derzeit ein tiefgreifender Wandel. Der Begriff Industrie 4.0 steht für diesen Wandel und bezeichnet eine neue Stufe der Organisation und Steuerung komplexer Wertschöpfungsnetzwerke [3]. CPS sind dabei die wesentlichen Wegbereiter, deren konsequente Weiterentwicklung in der Umsetzung von autonomen Systemen mündet.

Notwendig werden solche Systeme unter anderem aufgrund der zunehmenden Nachfrage nach kundenindividuellen Produkten bei gleichzeitig sinkenden Fertigungskosten, welche sich nur mithilfe einer wandelbaren und flexiblen Fertigung umsetzen lassen. Das Ziel sind intelligente und vernetzte Fabriken, die in dynamischen Wertschöpfungsketten agieren und sich laufend selbst optimieren und so trotz individualisierter Produktion eine Senkung der Kosten ermöglichen. Solche intelligenten Fabriken werden auf den Einsatz autonomer Systeme und deren enger Verzahnung angewiesen sein.

Ein prominentes Beispiel sind fahrerlose Transportsysteme, die eine bedarfsgerechte und effiziente Bereitstellung von Waren ermöglichen. Durch die Integration von maschinellen Lernverfahren und Ansätzen wie der Schwarmintelligenz werden diese Systeme zukünftig auch ohne zentrale Leitstellen auskommen und ihre Aufgaben vollständig autonom und dezentral abwickeln können. Durch eine dynamische Vernetzung der einzelnen Teilsysteme (Maschinen und Anlagen, Transport- und Wartungssysteme, Auftragsabwicklungssysteme etc.) ohne die Notwendigkeit von menschlichem Eingreifen, wird der Weg zu einer vollständig autonomen und standortübergreifenden industriellen Fertigung im Sinne der intelligenten Fabrik geebnet.

Ein weiteres Anwendungsbeispiel für autonome Systeme in der Produktion sind Maschinen und Anlagen, die laufend den eigenen Zustand sowie die Umgebungsdaten erfassen und auf Basis von Datenanalyse- und maschinellen Lernverfahren die Fertigungsprozesse bedarfsgerecht rekonfigurieren und optimieren können, um so flexibel auf eingehende Aufträge zu reagieren. Ein reales Beispiel aus der industriellen Anwendung sind Industriezentrifugen, sog. Separatoren. Separatoren dienen zur mechanischen Trennung von mehreren Phasen mit unterschiedlichen Dichten im zugeführten Rohprodukt.

Im Projekt „Separator i4.0“, an dem das Fraunhofer IEM als Forschungspartner beteiligt war, wurde ein solcher Separator von einem mechatronischen System zu einem intelligenten, technischen System weiterentwickelt, welches bereits Grundzüge von Autonomie umsetzt. Dieses Projekt dient im folgenden Beitrag als Anwendungsbeispiel für die Konzeption und Umsetzung autonomer Systeme in der industriellen Produktion.

Entwicklungsstufen technischer Systeme hin zu autonomen Systemen in der Produktion

Im Kontext der technischen Systeme erfordert der Begriff der Autonomie eine genauere Erläuterung. Autonome Systeme bezeichnen Systeme, die Aufgaben selbstständig und in weiten Teilen ohne menschliche Eingriffe ausführen können. Von heutigen automatisierten Systemen unterscheiden sich autonome Systeme durch ihre hohe Anpassungsfähigkeit.

Hierzu zählen neben Robotern auch Fahrzeuge, Produktionsanlagen, Gebäude und Softwaresysteme. Abhängig von der Häufigkeit der notwendigen Eingriffe und Entscheidungen durch einen Menschen, kann zwischen verschiedenen Entwicklungsstufen unterschieden werden [4]. Das Spektrum reicht dabei von ferngesteuerten Systemen, bei denen der Mensch alle Entscheidungen trifft, bis hin zu vollautonomen Systemen, die auch über lange Zeiträume die selbstständige Aufgabenerfüllung und Anpassung an wechselnde Umgebungen und Situationen aufrechterhalten können [5]. Bild 1 stellt die einzelnen Einwicklungsstufen für technische Systeme hin zu autonomen Systemen dar.

Im Kontext der industriellen Produktion sind technische Systeme, analog zu einzelnen Fahrzeugen im Straßenverkehr, immer Teil von übergeordneten Systemen. Diese übergeordneten Produktionssysteme werden im Zuge der Digitalisierung immer komplexer und die Systemgrenzen (unter einer Systemgrenze versteht man eine Abgrenzung zwischen dem System und seinem Umfeld) müssen weiter gefasst werden. Gründe sind der steigende Vernetzungsgrad, die Integration externer Datenverarbeitungssysteme und die Einbindung digitaler Dienste.

Bestand ein Produktionssystem früher nur aus den einzelnen Anlagen einer Produktionslinie und ggf. einer übergeordneten Steuerung, erweitern sich die Systemgrenzen zukünftiger flexibler Produktionsanlagen durch die Aufnahme zusätzlicher Sensorik, lokaler und externer Datenverarbeitung, angebundener Logistiksysteme sowie ggf. global verteilter Fertigungsanlagen. Die Flexibilität erfordert den Einsatz von Systemen mit höheren Entwicklungsstufen bzw. von autonomen Systemen, um eine Koordination der Systeme und einen reibungslosen Ablauf zu gewährleisten.

Bei unserem Industriebeispiel wurde ein Separator, der in die Stufe 1 eingeordnet werden konnte (vollständig manuelle Einstellung durch Bediener, keine eigenständige Anpassung im Betrieb) so weiterentwickelt, dass er eigenständig erkennt, wenn ein suboptimaler Betriebszustand vorliegt. Der Separator wurde hierzu mit Sensorik ausgestattet und die Messwerte durch eine selbst entwickelte Software ausgewertet. Abhängig vom erfassten Betriebszustand kann der Separator nun eigenständig die Betriebsparameter anpassen, um den optimalen Betriebspunkt einzustellen. Der so modifizierte Separator entspricht nun der Stufe 3, da er vorgegebene Handlungsabläufe selbstständig durchführen kann.

Bis zu dieser Stufe ist eine Integration mit weiteren Systemen in der Prozesskette noch nicht zwingend erforderlich. Das System umfasst den mechanischen Aufbau, die Elektronikkomponenten sowie die Software (für den Fall einer lokalen Datenverarbeitung). Spätestens für einen teilautonomen Betrieb wird eine Vernetzung mit angrenzenden Systemen aus der Wertschöpfungskette erforderlich. Im Fall des Separators werden Daten über die vorgeschalteten Prozesse benötigt, um eine bedarfsgerechte und proaktive Anpassung des Betriebszustands zu ermöglichen. Wird der Separator zum Beispiel in einem Brauprozess eingesetzt, so könnte bedarfsgerecht die Leistung reduziert werden, wenn die vorgeschalteten Prozesse nicht vollständig ausgelastet sind.

Mit der Einführung teilautonomer Systeme in die Wertschöpfung nimmt die Komplexität des Gesamtsystems signifikant zu: Es reicht nun nicht mehr aus, ein einzelnes System wie den Separator im Prozess zu betrachten. Eine isolierte Umsetzung von autonomen Systemen in der Produktion wäre insofern auch nicht zielführend, da der zu erwartende Leistungszuwachs in keiner Relation zum Aufwand stünde. Erst durch eine integrierte Weiterentwicklung eines Gesamtsystems bzw. eines Systemverbundes können die Potenziale autonomer Systeme für die Produktion ausgeschöpft werden. Dies erfordert entsprechende Vorgehen und Methoden im Rahmen der Entwicklung, die eine Handhabbarkeit der hohen Komplexität ermöglichen.

Planung von autonomen Systemen

Der Wandel technischer Systeme erfolgt nicht adhoc und einheitlich für alle Systeme. Vielmehr werden sich die Systeme im Zuge einer schrittweisen Transformation verändern, die sukzessive entlang der zuvor beschriebenen Entwicklungsstufen verläuft (Bild 1). Dabei erschließt sich der Nutzen nicht erst mit der höchsten Entwicklungsstufe, sondern bereits entlang sämtlicher Leistungsstufen. Eine strukturierte Leistungssteigerung erfordert eine systematische Planung, die drei wesentliche Schritte umfasst: Leistungsbewertung, Zieldefinition und Leistungssteigerung (Bild 2). Dieser Planungsprozess ist essenziell, um bei jeder Entwicklungsstufe bereits die richtigen Maßnahmen für aufbauende Stufen zu treffen.

Ausgangspunkt einer systematischen Planung von autonomen Systemen ist die Leistungsbewertung, d. h. eine objektive Bemessung des Ausgangszustands. Hierzu erfolgt zunächst eine Systemanalyse, im Rahmen derer der Betrachtungsgegenstand festgelegt (z. B. Separator) und sämtliche Informationen darüber beschafft werden. Hilfreiche Informationsquellen sind u. a. Systemmodelle, Stücklisten, Zeichnungen oder Schaltpläne. Daraus lassen sich Aussagen über die bestehende Sensorik und Aktorik, die Leistungsfähigkeit der Informationsverarbeitung oder vorhandenen Kommunikations- und Mensch-Maschine-Schnittstellen treffen.

Auf Basis der Informationen kann nun eine Systembewertung durchgeführt werden, in der das System in die Entwicklungsstufen eingeordnet wird. Zur Bewertung ist die Anwendung eines Reifegradmodells (z. B. [6]) empfehlenswert, die eine objektive und vergleichbare Aussage über die aktuelle Leistungsfähigkeit des betrachtenden Systems ermöglicht. Das Resultat der Leistungsbewertung für den Separator war die Leistungsstufe 1 „Ferngesteuerte Systeme“, da diese zwar umfassende Betriebsdaten erfasst, diese aber weder für Auswertungen noch für eine selbstständige Entscheidungsfindung nutzt.

Nach Abschluss der Systembewertung folgt die Zieldefinition. Die anzustrebende Entwicklungsstufe ist nicht zwangsläufig die maximal mögliche. Vielmehr ist die Zielleistungsstufe an konkreten Verbesserungszielen für das System auszurichten. Verbesserungsziele beschreiben konkrete Absichten, zu welchem Zweck die Leistungssteigerung dienen soll. Beispielhafte Ziele für den Separator sind die Erhöhung der Systemverfügbarkeit, die Reduzierung von Ausschuss sowie die Verbesserung der Dienstleistungseffizienz.

Aus einer Reihe möglicher Verbesserungsziele werden die wichtigsten Ziele ausgewählt und priorisiert. Anhand der festgelegten Ziele kann nun die anzustrebende Entwicklungsstufe ausgewählt werden. Für den Separator wurde die Zielleistungsstufe 3 „Teilautomatisierte Systeme“ ausgewählt, die den Separator dazu befähigen soll, vorgegebene Handlungsabläufe, wie z. B. die Einstellung des Zulaufdrucks und der Drehzahl, selbstständig vorzunehmen.

Die dritte Phase (Leistungssteigerung) hat das Ziel, die Lücke zwischen der derzeitigen Leistungsfähigkeit und dem ermittelten Zielreifegrad zu schließen. Dazu gilt es zunächst, die Systemelemente zu identifizieren, die eine hohe Relevanz für die Erreichung der Verbesserungsziele haben. Beispielsweise waren für den Separator die Verbesserung der Informationsverarbeitung, der Sensorik und der Aktorik von besonderer Bedeutung, um die angestrebte Leistungsstufe zu erreichen.

Weniger bedeutend war an dieser Stelle das Kommunikationssystem, da eine Vernetzung mit anderen Systemen entlang des Prozesses noch nicht im Fokus stand. Die einzelnen Schritte zur Verbesserung des Systems sind anschließend in eine zeitliche Reihenfolge zu bringen. Dies erfolgt in Form einer Roadmap, die neben der Reihenfolge auch die Wechselwirkungen zwischen den Systemelementen darstellt. Das Resultat aus der letzten Phase ist nun ein konkreter Plan für die schrittweise Weiterentwicklung des Separators hin zu einem autonomen System (Bild 3).

Erfolgsfaktor Systems Engineering

Die Autonomie beeinflusst nicht nur zukünftige Systeme, sondern auch die Art und Weise, wie diese entstehen. Es verändern sich Prozesse, Methoden, Organisationstrukturen und die Form der Zusammenarbeit, da der Entwurf autonomer Systeme das Zusammenwirken zahlreicher Fachdisziplinen voraussetzt. Die stark ausgeprägte Interdisziplinarität stellt für klassisch strukturierte Organisationen eine große Herausforderung dar. Die Umsetzung autonomer Systeme erfordert darüber hinaus, sehr vielen Entwicklungsaspekten wie Funktionalität, Verhalten, Resilienz, Security, Sustainability, Usability, Herstellbarkeit, Wartbarkeit etc. gerecht zu werden.

Die Absicherung dieser Aspekte im Entwurf stellt sicher, dass die tatsächlichen Systemeigenschaften mit den geforderten Eigenschaften übereinstimmen und das System in allen Betriebssituationen in der Zielumgebung verlässlich funktioniert. Für autonome Systeme ist das eine noch ungeklärte Fragestellung, da nicht alle Situationen zur Entwicklungszeit vollständig antizipiert werden können. Die durchgehende Validierung der Systeme erhöht zusätzlich die Komplexität und schafft die Notwendigkeit der Absicherung auch über den Entstehungsprozess hinweg.

Ein Ansatz der den genannten Herausforderungen im Anspruch gerecht wird, ist das Systems Engineering. Systems Engineering hat das Ziel, Disziplinen, Entwicklungsaufgaben und vielfältige Aspekte zu integrieren und die Akteure in der Entwicklung komplexer Systeme zu orchestrieren. Es versteht sich als durchgängige, fachdisziplinübergreifende Disziplin zur Entwicklung multidisziplinärer Systeme. Systems Engineering hat seinen Ursprung in der Systemtheorie und hat sich stetig weiterentwickelt. Auslöser war stets ein Komplexitätszuwachs in der Problemstellung. Systems Engineering bildet eine fundierte Ausgangsplattform für eine zwingend erforderliche, ganzheitliche Produktentstehungsmethodik für autonome technische Systeme und kann nach Klärung aller technologischen Herausforderungen der entscheidende Erfolgsfaktor in der Entwicklung von autonomen Systemen werden. 

Das könnte Sie auch interessieren

Serious Games als Trainingsinstrument Spielmechanische Gestaltung zur Förderung Resilienz Annika Lange , Thomas Knothe

Unvorhergesehene Ereignisse fordern produzierende Unternehmen zunehmend heraus. Resilienz zur Bewältigung von Krisen wird dabei zur Schlüsselkompetenz. Durch Serious Games (SG) kann Resilienz Aufbau transparenter werden. Der folgende Beitrag leitet spezifische Anforderungen an SG aus den einzelnen Resilienzphasen ab und zeigt, wie diese spielmechanisch umgesetzt werden können, um so Resilienz effektiv zu trainieren.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 2 | Seite 98-104

Lernfabriken für die Zukunft der Fertigung in Brasilien Förderung der Industrie durch Technologie und Kompetenzentwicklung

Fertigungsunternehmen in Entwicklungsländern stehen vor der Herausforderung, Produktivitätslücken zu schließen und gleichzeitig Industrie-4.0-Technologien einzuführen. Lernfabriken sind ein hilfreicher Ansatz, um diesen Herausforderungen zu begegnen. Ein Beispiel hierfür ist die Lernfabrik „Fábrica do Futuro“ in São Paulo, Brasilien, die Studierende einbindet, die Kompetenzentwicklung fördert und mit der Industrie in der angewandten Forschung zusammenarbeitet.

Serious Gaming und die Energiewende Kollaborativ Wissen erzeugen und interaktiv komplexe Zusammenhänge begreifen Janine Gondolf , Gert Mehlmann, Jörn Hartung, Bernd Schweinshaut, Anne Bauer

Die Vermittlung der Komplexität und Vielschichtigkeit der Energiewende an ein breites Publikum ist eine Herausforderung. Dieser Beitrag zeigt auf, wie interaktive Serious Games auf einem Multitouch-Tisch dazu beitragen können, Zusammenhänge erfahrbar und begreifbar zu machen. Spiele und Tisch wurden in verschiedenen Gesprächskontexten eingesetzt. Diese werden hier in drei Fallvignetten dargestellt, die auf teilnehmender Beobachtung der unterschiedlichen Einsätze, situierter und gemeinsamer Reflexion basieren. Die Vignetten zeigen, wie Interaktion epistemische Prozesse anstoßen, Perspektivwechsel ermöglichen und kollektives Denken fördern kann, das für gesamtgesellschaftliche Zukunftsgestaltung notwendig ist.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 2 | Seite 62-69 | DOI 10.30844/I4SD.26.2.62

Digitale Zwillinge in Produktion und Logistik erleben Die fischertechnik® Lernfabrik 4.0 als Entwicklungsplattform für mögliche Ausbaustufen Deike Gliem , Sigrid Wenzel , Jan Schickram, Tareq Albeesh

Die fischertechnik® Lernfabrik 4.0 hat sich als geeignete Experimentierumgebung zur Erprobung Digitaler Zwillinge erwiesen. Abhängig vom angestrebten Reifegrad reichen die Funktionen eines Digitalen Zwillings von der reinen Zustandsüberwachung über Prognosen bis hin zur operativen Steuerung von Produktions- und Logistiksystemen. Zur systematischen Einordnung dieser Funktionen wird in diesem Beitrag ein Reifegradmodell vorgestellt, das als Orientierungsrahmen für den Aufbau eines Digitalen Zwillings dient. Darauf aufbauend werden ausgewählte Anwendungsfälle in einer Test- und Entwicklungsumgebung umgesetzt, die auf einer Systemarchitektur mit mehrstufiger Schichtlogik basiert. Anhand erster Umsetzungen werden Einsatzzwecke, relevante Methoden sowie typische Herausforderungen und Potenziale für den Transfer in reale Fabrikumgebungen aufgezeigt.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 2 | Seite 30-37 | DOI 10.30844/I4SD.26.2.30

Im Braunfeld zur Industrie 4.0 Lernfabriken als Schulungs- und Testumgebung für die digitale Transformation Jakob Weber, Sven Völker

Die digitale Transformation produzierender Unternehmen erfordert Ingenieure mit der Fähigkeit, den Übergang zur Industrie 4.0 praktisch zu gestalten. Dieser Beitrag stellt das Konzept einer Lernfabrik vor, die selbst einer kontinuierlichen digitalen Transformation unterliegt und damit eine Umgebung für die Entwicklung von Transformationskompetenzen schafft. Das Konzept für die digitale Transformation basiert auf digitalen Werker-Assistenzsystemen und Multiagentensystemen zur Produktionssteuerung. Sie ermöglichen eine schrittweise Integration vorhandener Ressourcen. Die Lernfabrik wird den Studierenden nicht als fertige Lösung präsentiert, sondern im Rahmen von studentischen Projekten kontinuierlich weiterentwickelt. Damit adressiert sie direkt den Mangel an qualifiziertem Personal für die Realisierung der Industrie 4.0.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 2 | Seite 88-96

Einsatz von kollaborationsfähigen Robotern in Produktionsumgebungen Mitarbeiterqualifikation und Akzeptanz für die Mensch-Maschine-Interaktion Tobias Wienzek, Mathias Cuypers

Die Einführung neuer Technologien stellt insbesondere für kleine und mittlere Unternehmen (KMU) eine große Herausforderung dar. Gleichzeitig müssen sich KMU dieser Herausforderung stellen, um technologisch und wirtschaftlich Schritt halten zu können. Hierbei stellt die Akzeptanz der Beschäftigten eine wichtige Größe dar, wenn Technologieeinführung und dauerhafte Nutzung erfolgreich sein sollen. Zentralen Einfluss auf die Schaffung von Akzeptanz gegenüber diesen neuen Technologien hat der Einführungsprozess. Anhand der Implementierung kollaborationsfähiger Robotik wird dieser Einführungsprozess beispielhaft aufgearbeitet, um die wesentlichen Einflussfaktoren auf die Akzeptanz der Beschäftigten und die Bedeutung von Trainingsmaßnahmen herauszuarbeiten. Der Beitrag macht deutlich, wie der Einführungsprozess und die Qualifikation der Beschäftigten dabei nahtlos ineinandergreifen und sich gegenseitig beeinflussen.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 2 | Seite 14-21 | DOI 10.30844/I4SD.26.2.14