Dezentrale Koordination von AMR

Ein Regelwerk für autonome mobile Roboter

ZeitschriftIndustry 4.0 Science
Ausgabe42. Jahrgang, 2026, Ausgabe 3, Seite 96-105
Literatur Teilen Zitieren Download

Abstract

Die zunehmende Automatisierung der Intralogistik erfordert flexible und resiliente Steuerungskonzepte für Autonome Mobile Roboter (AMR). Während zentrale Koordinationsansätze eine stringente Steuerung ermöglichen, stoßen sie hinsichtlich Skalierbarkeit und Robustheit schnell an Grenzen. In diesem Beitrag wird daher ein Regelwerk zur dezentralen Koordination von AMR im Rahmen des Projekts ORPHEUS vorgestellt. Der Schwerpunkt liegt auf der Überführung bekannter dezentraler Entscheidungsprinzipien in eine für industrielle Materialflussszenarien konsistente Regelstruktur, die sowohl die operative Auftragsvergabe als auch sicherheitsrelevante Konfliktfälle adressiert. ORPHEUS leistet damit insbesondere einen Beitrag zur methodischen Strukturierung, Parametrierbarkeit und praktischen Übertragbarkeit dezentraler Koordinationslogiken.

Keywords

Artikel

Automatisierungslösungen des Materialtransports in der Intralogistik Die Intralogistik umfasst sämtliche innerbetrieblichen Material-, Informations- und Warenflüsse, die zur Versorgung von Produktions- und Lagerprozessen notwendig sind [1]. Fahrerlose Transportfahrzeuge (FTF) beziehungsweise Automated Guided Vehicles (AGV) bewegen sich dabei in der Regel entlang fest installierter Leitlinien oder Marker und werden zentral gesteuert [2]. Im Gegensatz dazu navigieren Autonome Mobile Roboter (AMR) mithilfe von Verfahren wie der simultanen Lokalisierung und Kartierung (eng. SLAM) frei im Raum und treffen Entscheidungen dezentral auf Basis lokaler Sensordaten [3]. Diese Fähigkeit führt zu einer deutlich höheren Flexibilität, einer …

Zugang beschränkt

Sie sind zur Zeit nicht angemeldet / noch nicht registriert.

Um diesen Inhalt vollständig lesen zu können, müssen Sie über ein entsprechendes inklusiv-Abonnement verfügen. Alternativ können Sie den Zugang auch durch Zahlung eines Einmalpreises erhalten.

Abo inklusive Einzelkauf
ohne 29,00 €
Digital 27,55 €
Expert 0,00 €
Professional 0,00 €

Lesen für einmalig 29,00 €

Alle Preise enthalten 7% Mehrwertsteuer

Nach Erwerb der Zugangsrechte werden Sie automatisch wieder zu dieser Seite zurückgeleitet.


Das könnte Sie auch interessieren

Audioimmersives Lernen in der beruflichen Weiterbildung

Audioimmersives Lernen in der beruflichen Weiterbildung

Von linearer Audiowiedergabe zu KI-gestützten und dialogischen Lernbegleitern
Tim Beichter, Vanessa Hartmann, Katharina Hölzle ORCID Icon, Manuel Kaiser
Künstliche Intelligenz rückt vermehrt in den Fokus der beruflichen Weiterbildung zur Personalisierung der individuellen Lernreisen. Gleichzeitig sind Audioformate ein wünschenswertes Format der Lernenden, das zunehmendes Interesse erhält. Ein Konzept eines KI-gestützten Audioformates, sowie Potenziale des Zusammenspiels von künstlicher Intelligenz und Audio bleiben jedoch bislang unberücksichtigt und erfordern daher eine konzeptionelle Betrachtung über die möglichen Gestaltungsmöglichkeiten.
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 5 | Seite 102-108 | DOI 10.30844/I4SD.26.5.12
Foundation-Modelle in der industriellen Robotik

Foundation-Modelle in der industriellen Robotik

Einsatzpotenziale, Tätigkeitswandel und Kompetenzanforderungen
Bernd Kuhlenkötter ORCID Icon, Daniel Syniawa ORCID Icon
Foundation-Modelle verändern zunehmend die Art und Weise, wie in der Industrie mit Robotern gearbeitet wird. Statt komplexe Programme Zeile für Zeile zu schreiben, können Programmierer künftig stärker mit KI-Systemen zusammenarbeiten, Aufgaben beschreiben und die generierten Lösungen prüfen. Damit verschiebt sich ihre Rolle von der reinen Code-Erzeugung hin zu konzeptionellen, überwachenden und validierenden Tätigkeiten. Der Beitrag zeigt, welche neuen Möglichkeiten große KI-Modelle für die Roboterprogrammierung eröffnen und welche Veränderungen dies für Arbeit und benötigte Kompetenzen in der industriellen Praxis mit sich bringt.
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 5 | Seite 16-23 | DOI 10.30844/I4SD.26.5.2
KI-Organisation als neues Arbeitsparadigma

KI-Organisation als neues Arbeitsparadigma

Implikationen für individuelle und organisatorische Veränderungen
Katharina Hölzle ORCID Icon, Leonie Krauch, Wolfgang Beinhauer ORCID Icon, Carsten Schmidt, Josephine Hofmann ORCID Icon
Reicht es aus, Mitarbeitende im Umgang mit KI-Werkzeugen zu schulen oder erfordert die KI-Organisation völlig neue Kompetenzen? Der Beitrag stellt ein Digital-Enablement-Modell mit drei Kompetenzdimensionen vor und zeigt anhand eines am Fraunhofer IAO erprobten Upskilling-Programms, wie Organisationen die KI-Adoptionslücke nachhaltig überwinden können.
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 5 | Seite 94-100 | DOI 10.30844/I4SD.26.5.11
KI-Zertifizierung wirksam gestalten

KI-Zertifizierung wirksam gestalten

Erkenntnisse aus etablierten Zertifizierungsfeldern für die Normierung humanzentrierter KI
Katharina Morsch ORCID Icon
Zertifizierungen für humanzentrierten KI-Einsatz gewinnen an Bedeutung – als Differenzierungsmerkmal im Wettbewerb, als Antwort auf regulatorische Erwartungen und als Instrument zur Gestaltung eines menschgerechten Arbeitsumfelds. Doch woran lässt sich erkennen, ob ihre Anforderungen wirklich ankommen? Auf Basis von Experteninterviews aus etablierten Zertifizierungsfeldern zeigt dieser Beitrag: Die entscheidende Frage wird nicht im Audit beantwortet, sondern in der Zeit zwischen den Audits. Nicht das Zertifikat entscheidet, sondern die Bereitschaft von Führung und Organisation, sich dem Prozess ernsthaft zu stellen.
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 5 | Seite 86-92 | DOI 10.30844/I4SD.26.5.10
Datengestützte Lieferantenauswahl in der Industrie 4.0

Datengestützte Lieferantenauswahl in der Industrie 4.0

Auf dem Weg zu einer industriellen Plattform für Auswahl und Konfiguration
Purushothaman Ganesh ORCID Icon, Baris E. Albayrak ORCID Icon, Jörg Franke ORCID Icon, Till Sindel ORCID Icon, Jens Fürst, Sebastian Lang ORCID Icon
Industrielle Lieferketten müssen ihre Beschaffungsstrategien als Reaktion auf Störungen immer wieder neu ausrichten, doch Informationen über die Leistungsfähigkeit von Lieferanten sind nach wie vor uneinheitlich und lassen sich nur schwer operativ umsetzen. Bisherige Forschungsarbeiten behandeln Lieferantenauswahl, Simulation und Interoperabilitätsstandards getrennt voneinander und betrachten die Erfassung, Bewertung und Optimierung als voneinander getrennte Schritte, die eine manuelle Datentransformation erfordern. Dieser Beitrag stellt ein Rahmenkonzept für eine datengesteuerte industrielle Plattform vor, die drei Komponenten integriert: Lieferantenprofile auf Basis der Asset Administration Shell, strukturiert durch eine Actor-Service-Ontologie zur semantischen Identifikation von Lieferanten, automatische Generierung von Simulationsmodellen für diskrete Ereignisse (Discrete-Event Simulation) aus Layoutdaten zur Leistungsbewertung sowie KPI-gesteuerte Konfiguration mithilfe von ...
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 4 | Seite 50-61 | DOI 10.30844/I4SD.26.4.6
Open Source als Wegbereiter für intelligente Datenökosysteme

Open Source als Wegbereiter für intelligente Datenökosysteme

Wie Zusammenarbeit Souveränität prägt und Interoperabilität in industriellen Anwendungen
Anna Maria Schleimer ORCID Icon, Julia Pampus ORCID Icon
Von Lieferketten in der Automobilindustrie bis hin zu intelligenten Fabriken – Datenökosysteme versprechen eine nahtlose Zusammenarbeit über Unternehmensgrenzen hinweg. Doch wie können Branchen die erforderliche Infrastruktur aufbauen, ohne neue Abhängigkeiten zu schaffen? Dieser Artikel untersucht, wie Open-Source-Software als Grundlage und wirkungsvolles Instrument für souveräne, interoperable Technologien und Standards dienen kann. Allerdings ist Open-Source-Software kein Allheilmittel; vielmehr stellt sie die digitale Souveränität in aufstrebenden Datenökosystemen vor Herausforderungen.
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 4 | Seite 6-13 | DOI 10.30844/I4SD.26.4.1