Kognitive Assistenzsysteme in der Intralogistik

Künstliche Intelligenz und Augmented Reality bergen Potenziale im Kontext kognitiver Assistenzsysteme in der Intralogistik und können zu einer besseren Prozessleistung beitragen. Ein entscheidendes Kriterium hierbei ist die Menschzentrierung dieser Systeme im Sinne der Industrie 5.0. Dieser Beitrag beschreibt die Ergebnisse und Einblicke aus zwei Nutzerstudien, die für intralogistische Arbeitsprozesse (Kommissionierung und Verpackung) im Labor durchgeführt wurden. Die Usability dieser Systeme wurde dabei mittels der System Usability Scale erhoben.

Kognitive Assistenzsysteme in der Intralogistik

Assistenzsysteme tragen wesentlich dazu bei, die Durchführung und Kontrolle von Arbeitsschritten zu verbessern, Lernphasen zu verkürzen und Flexibilität im Arbeitseinsatz zu erhöhen [1]. Sie lassen sich in physische und kognitive Systeme gliedern. Physische Systeme wie Exoskelette entlasten den Menschen körperlich, während kognitive Systeme auf die Reduktion kognitiver Lasten abzielen und im Kontext der digitalisierten Industrie (Industrie 5.0) mit Augenmerk auf eine menschzentrierte, resiliente und nachhaltige Produktion an Bedeutung gewinnen [2]. Als Teil der Menschzentrierung spielt die Nutzerakzeptanz eine große Rolle. Entsprechend des Technology Acceptance Model sind hier die wahrgenommene Nützlichkeit und einfache Bedienbarkeit der Systeme entscheidend [3].

In der Intralogistik, die u.a. interne logistische Prozesse wie Wareneingangsprüfung, Kommissionierung oder Verpackung umfasst [4], kommen in verschiedenen Bereichen bereits kognitive Assistenzsysteme zum Einsatz. Sie zielen darauf ab, Fehlerquoten zu reduzieren und das Verständnis für Veränderungen in den Prozessen zu steigern, indem relevante Informationen bereitgestellt werden [5]. Hier spielt die intuitive und ergonomische Nutzung der Systeme eine tragende Rolle. Mögliche einsetzbare Technologien stellen hierbei unter anderem Augmented Reality (AR) oder KI-Chatbots dar.

AR bietet die Möglichkeit, virtuelle Informationen in die reale Welt zu integrieren, um den Nutzenden ein erweitertes Bild der Realität anzeigen zu können [6]. Verschiedene Forschungsarbeiten unterstreichen das Potenzial des Einsatzes AR-basierter Assistenzsysteme [7, 8] und der resultierenden Optimierung von Arbeitsprozessen durch Unterstützungsfunktionen in der Intralogistik [9]. Hier bestehen vielfältige Anwendungsmöglichkeiten für AR-basierte Assistenzsysteme, wie z.B. die gezielte und kontextabhängige Einblendung virtueller Informationen die optische Ergebnisprüfung mittels bildbasierter Erkennungsmethoden.

Als Schnittstelle zwischen Mensch und IT-System können KI-Chatbots bei einfachen Abfragen oder Bearbeitungsschritten Logistikprozesse unterstützen. Die Einsatzmöglichkeiten sind vielseitig und reichen vom reinen Erhalt von Informationen bis hin zur Abfrage von Warenverfügbarkeiten [10]. Mitarbeitenden kann mit KI-Chatbots dauerhaft ein virtueller Assistent zur Verfügung gestellt werden, um Aufgabenstellungen ohne Hilfe von zusätzlichen Personen effizient bearbeiten zu können [11].

Augmented Reality und KI-Chatbots in kognitiven Assistenzsystemen

AR nimmt in der Intralogistik eine wichtige Rolle ein, indem es durch mobile Bereitstellung von Informationen Arbeitsprozesse optimiert und die Fehlerquote senkt. AR-Implementierungen unterstützen insbesondere im Wareneingang durch das Erfassen und Kontrollieren von Produktinformationen, in der Kommissionierung und Verpackung, indem sie relevante Informationen wie Lagerorte und Packmuster anzeigen [7].

Die bisherigen AR-Anwendungen nutzen hauptsächlich statische, textbasierte Einblendungen und fokussieren dabei nicht auf die Interaktion zwischen Nutzer und realer Umgebung [13]. Daher wird ein Teil des Potenzials von AR noch nicht ausgeschöpft. In dieser Hinsicht könnte die Interaktion und das Nutzererlebnis weiter verbessert werden [6]. Die Akzeptanz solcher Assistenzsysteme hängt dabei maßgeblich von der Gestaltung der Benutzeroberflächen und der geeigneten Hardwareauswahl ab. Entsprechende Erkenntnisse aus Laboruntersuchungen müssen jedoch noch in realen Arbeitsumgebungen validiert werden [8, 12].

Neue Entwicklungen wie das Assistenzsystem „ARpack“ bieten zudem innovative Ansätze, um die Arbeitsschritte der Verpackung intuitiver zu gestalten. Dabei werden physische Produkte innerhalb eines Pakets über eine Datenbrille als Hologramme dargestellt, was die Notwendigkeit von textbasierten Anweisungen reduziert und somit potenzielle Sprachbarrieren umgeht. Dies soll die intuitive Nachvollziehbarkeit der Informationen fördern [14].

Künstliche Intelligenz befähigt Maschinen, menschenähnliche Aktivitäten auszuführen, indem sie menschliche Eigenschaften wie Gedächtnis, Lernfähigkeit und Entwicklungsprozesse emuliert [15]. Die KI-Technologie eröffnet fortschrittliche Lösungswege für vorhandene Anwendungen und fördert insbesondere die Automatisierung in Bereichen der Planung, Entscheidungsfindung und Klassifizierung. Darüber hinaus ermöglicht KI effizientere Management-, Erschließungs- und Analyseverfahren von umfangreichen Datenmengen sowie die Simulation und Kontrolle komplexer technischer Systeme [16].

KI-Chatbots, IT-Systeme mit text- oder sprachbasierten Interfaces, erleichtern die Kommunikation zwischen Menschen und Maschinen. Sie zeichnen sich durch die Verwendung einer natürlichen Sprache in einer Benutzerschnittstelle, einem sogenannten Conversational User Interface (CUI), aus, die einen Dialog erlaubt. Wird diese Interaktion über Textnachrichten realisiert, wird das CUI als Chatbot bezeichnet [17]. Insbesondere die Einführung von ChatGPT Ende 2022 hat das weltweite Interesse an KI-Chatbots geweckt [18]. Im Rahmen von Logistikprozessen können KI-Chatbots durch Bereitstellung von Informationen und Abfragen von Warenverfügbarkeiten unterstützen und Mitarbeitenden als virtueller Assistent zur effizienteren Aufgabenbewältigung dienen [11].

Nutzerstudien mit Augmented Reality und KI-Chatbots als Assistenzfunktionen bei intralogistischen Arbeitsprozessen

Die Potenziale und Herausforderungen von AR-Assistenzsystemen und KI-Chatbots in der Intralogistik weisen auf weiteren Forschungsbedarf hin, um sie für die Praxis besser einsetzbar zu machen. In diesem Zusammenhang stellt die Benutzerfreundlichkeit (Usability) dieser Technologien im Rahmen intralogistischer Prozesse einen Erfolgsfaktor dar.

Die Forschungsfrage dieser Arbeit lautet daher: Welche Usability weisen AR-Unterstützung bzw. eine Unterstützung mittels KI-Chatbot bei der Durchführung intralogistischer Prozesse (Kommissionierung und Verpackung) auf?

Zur Untersuchung der Forschungsfrage wird methodisch in mehreren Schritten vorgegangen. Zunächst wird eine Arbeitsumgebung aufgebaut, die die realen Bedingungen der Intralogistik nachbildet, um so einen kontextualisierten Rahmen für die Durchführung der Prozesse zu schaffen. Innerhalb dieses Settings wird ein prototypisches Assistenzsystem entwickelt, welches die Mitarbeitenden bei ihren Aufgaben unterstützt. Das Assistenzsystem wird dabei als Klick-Prototyp genutzt. Anschließend folgt die Durchführung einer evaluativen Nutzerstudie. Dabei führen Teilnehmende die Arbeitsprozesse im Kontext der Kommissionierung und Verpackung mit Hilfe des Assistenzsystems aus.

Im Anschluss erfolgt die Auswertung der gesammelten Daten zur Bewertung der Usability. Es wurde je eine Nutzerstudie für AR und KI-Chatbots durchgeführt. Ziel dieser Arbeit ist somit, bezüglich ihrer Usability im gegebenen Kontext der Intralogistik sowohl AR-Assistenzsysteme als auch KI-Chatbots zu untersuchen und damit ein breites Technologiefeld abzudecken.

Nutzerstudie 1: Augmented Reality

Arbeitsumgebung/Szenario: Die Umgebung für den Kommissionierprozess besteht aus einem Regalsystem, welches mit mehreren beschrifteten Kleinladungsträgern ausgestattet ist. Sie enthalten die vorgesehenen Kommissionierobjekte, darunter z. B. Schrauben, Glühlampen und Batterien. Die Teilnehmenden erhalten die Informationen über die zu entnehmenden Objekte und die entsprechende Menge anhand des Assistenzsystems auf Basis eines Tablets. Es unterstützt zudem die Entnahme der Objekte sowie die Überprüfung der korrekten Entnahme (siehe auch Bild 2).

Für den Verpackungsprozess umfasst die Versuchsumgebung bereitstehende Kartons verschiedener Größen, Verpackungsmaterial sowie zu verpackende Objekte. Da die verschiedenen Objekte beim Verpackungsprozess individuelle Packmuster erfordern um mögliche Beschädigungen zu verhindern, bietet das Assistenzsystem (ebenfalls auf Tablet-Basis) Hilfestellung bei der Positionierung unter der Verwendung adäquaten Packmaterials. Bild 1 skizziert die entsprechenden Arbeitsstationen.

Assistenzsystem: Bei der Kommissionierung werden die zu entnehmenden Artikel und deren Mengen durch das Assistenzsystem hervorgehoben und strukturiert dargestellt, um Fehler bei der Entnahme zu minimieren. Im Verpackungsprozess gibt das System die Reihenfolge und Position für das Verpacken der Objekte vor und zeigt an, welches Packmaterial für einen sicheren Transport genutzt werden sollte. Farbliche Hervorhebungen erleichtern durch Einblendungen die Identifizierung der korrekten Fächer, Objekte und Füllmaterialien. Bild 2 zeigt exemplarisch Ansichten des verwendeten Assistenzsystems.

Nutzerstudie: Insgesamt haben 20 Personen an der Nutzerstudie teilgenommen. Jeweils zehn Teilnehmende durchliefen sowohl eine einfache oder eine schwierige Version der Kommissionier- und Verpackungsaufgaben. Die Schwierigkeit ergibt sich durch die Anzahl an einbezogenen (unterschiedlichen) Objekten, die kommissioniert oder verpackt werden sollen. Für den Verpackungsprozess wurde zudem die Anzahl an verwendeten Verpackungsmaterialien variiert.

Ergebnisse: Die Usability des Assistenzsystems wurde von den Teilnehmenden der Gruppe „einfache Aufgaben“ im Durchschnitt mit einer Usability Score von 82 bewertet (Standardabweichung: 11,7) – unter Verwendung des Fragebogens zur System Usability Scale [19]. Der Durchschnittswert des Usability Scores beträgt 91,5 für die Gruppe „schwere Aufgabe“ (Standardabweichung: 5,5). Damit liegen die Usability Scores im Bereich exzellenter Usability (>80) [20].

Nutzerstudie 2: KI-Chatbot-Assistenz

Arbeitsumgebung/Szenario: Der Aufbau der Arbeitsumgebung entspricht in weiten Teilen des Aufbaus für Nutzerstudie 1. In Bild 3 sind die Arbeitsstationen dargestellt. Die Teilnehmenden durchlaufen analog zur Nutzerstudie 1 den Kommissionier- und Verpackungsprozess unter Verwendung des Assistenzsystems, bestehend aus einem KI-Chatbot (Texteingabe) sowie einer visuellen Prozessführung. 

Assistenzsystem: Der KI-Chatbot wurde unter Verwendung von Botsonic erstellt. Diese Software basiert auf ChatGPT-3 und ergänzt dieses um verschiedene Funktionen zur Inhaltsgenerierung. Botsonic ermöglicht so die Erstellung von KI-Chatbots mit personalisierten Antworten, indem der KI-Chatbot mit eigenen Dokumenten trainiert wird. Somit konnte der KI-Chatbot für diese Nutzerstudie spezifische Antworten entsprechend der zu bearbeitenden intralogistischen Aufgaben geben.

Die Prozessführung wurde als Klickprototyp erstellt und ist in Bild 4 beispielhaft dargestellt. Der Benutzer kann mittels der interaktiven blauen Pfeil-Schaltflächen zwischen den einzelnen Arbeitsschritten navigieren und die Häkchen-Funktion nutzen, um erledigte Aktionen zu markieren. Das Botsonic-Symbol am Ende des Satzes weist darauf hin, dass es in diesem Arbeitsschritt sinnvoll ist, mit dem KI-Chatbot zu kommunizieren. Die violetten Markierungen dienen als Hilfestellung, um geeignete Fragen zu formulieren.

Nutzerstudie: Insgesamt haben 15 Personen an der Nutzerstudie teilgenommen. Die Nutzerstudie bestand aus einer Einführungspräsentation, der eigentlichen Studie und einer Befragung in Form von drei Fragebögen. Die Teilnehmenden durchliefen nacheinander beide Prozesse (Kommissionierung und Verpackung). Für die Bearbeitung der für alle Personen gleichen Aufgaben mussten dabei wiederholt Fragen an den KI-Chatbot gestellt werden, um relevante Informationen zur Aufgabenerledigung zu erhalten, z. B. zur Auswahl einer Kommissionierbox geeigneter Größe oder zur Abfrage von Verpackungshinweisen.

Ergebnisse: Die Usability des Assistenzsystems wurde von den Teilnehmenden mit einem Usability Score von 90,8 bewertet (Standardabweichung: 5,4); unter Verwendung des System Usability Scale-Fragebogens [19]. Damit liegt der Usability Score im Bereich exzellenter Usability (>80) [20].

Ausblick: Potenziale bestätigt, weitere Nutzerstudien notwendig

In einer empirischen Nutzerstudie wurde die Usability von Augmented Reality (AR) zur Unterstützung von intralogistischen Prozessen summativ analysiert. Die Usability Scores deuten darauf hin, dass der Einsatz von AR zu einer effizienten Anleitung der Probanden führte. Dies war bei der Kommissionierung besonders bei der Auswahl ähnlicher Objekte, wie Schrauben, von Nutzen, indem die Notwendigkeit zur manuellen Unterscheidung verschiedenartiger Ausführungen reduziert wurde.

Im Kontext des Verpackungsprozesses erwies sich die AR-Technologie ebenfalls als förderlich, indem sie präzise Hinweise zu Packmustern und der Auswahl adäquater Packmaterialien lieferte. Jedoch wurden Probleme bei der räumlichen Orientierung und der Handhabung des Tablets im Verhältnis zum betrachteten Objekt identifiziert, was als limitierender Faktor der AR-Anwendung aufgefasst wird. Die Verwendung von statischen Bildern anstelle eines dynamischen Kamerabildes infolge der Verwendung eines Klick-Prototypen erwies sich hierbei als hinderlich, da die Nutzer anfangs Zusatzaufwand für die räumliche Zuordnung der virtuellen Informationen benötigten.

Bezüglich der Nutzung eines KI-Chatbots wurde in einer zweiten empirischen Nutzerstudie ebenfalls eine hohe Benutzerfreundlichkeit festgestellt, die sich in einem guten Usability Score widerspiegelt. Die während und nach der Durchführung geäußerten Kommentare unterstrichen den wahrgenommenen Mehrwert durch den Einsatz von KI-Chatbots.

Beide Technologien erscheinen insgesamt in verschiedenen Bereichen der Intralogistik zur Prozessverbesserung einsetzbar. Die durchgeführten Studien geben erste Hinweise auf damit verbundene Potenziale und Herausforderungen. Nachfolgende Forschungsarbeit soll die prototypischen Assistenzsysteme funktional umsetzen. In diesem Zusammenhang wären weitere Nutzerstudien im Kontext von realen intralogistischen Prozessen in Unternehmen wünschenswert.

Die Autoren danken der Universität Bremen für die Förderung des eigenständigen Postdoc-Projekts „Human Factors in Hybrid Cyber-Physical Production Systems“ durch die Zentrale Forschungsförderung der Universität Bremen.

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

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

Kollegin KI? Kompetenzanforderungen und -vermittlung bei KI-Nutzung in der Industrie Swetlana Franken

Künstliche Intelligenz verändert Aufgaben, Rollen und Kompetenzen in (Industrie‑)Unternehmen grundlegend. Sie agiert zunehmend als Kollegin, die Entscheidungen vorbereitet, Prozesse unterstützt und mit Menschen interagiert. Der Beitrag beleuchtet zentrale Kompetenzanforderungen für die KI-Nutzung in der Industrie, stellt ein integriertes Kompetenzmodell vor und zeigt praxisnahe Strategien zur Kompetenzvermittlung auf. Ziel ist es, Unternehmen und Beschäftigte auf eine menschengerechte, kompetenzorientierte Implementierung von KI vorzubereiten, die technologische Effizienz mit menschlicher Kreativität und Urteilskraft verbindet.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 2 | Seite 78-86

Operationalisierung ethischer KI mit tachAId Validierung eines interaktiven Beratungstools in zwei Anwendungsfällen aus der Fertigungsindustrie Pavlos Rath-Manakidis, Henry Huick, Björn Krämer , Laurenz Wiskott

Die Integration künstlicher Intelligenz (KI) in Arbeitsprozesse verspricht erhebliche Effizienzsteigerungen, doch Unternehmen stehen dabei vor zahlreichen ethischen Herausforderungen, die den Beteiligten zunächst oft nicht bewusst sind – von Intransparenz in der Entscheidungsfindung über algorithmische Verzerrungen bis hin zu Risiken einer verfrühten Automatisierung. Dieser Beitrag stellt das Design und die Validierung von tachAId vor, einem interaktiven Beratungstool, das darauf abzielt, menschenzentrierte ethische Überlegungen in die Entwicklung von KI-Lösungen einzubetten. Es wird eine Validierungsstudie vorgestellt, die für zwei unterschiedliche industrielle KI-Anwendungen mit variierendem KI-Reifegrad durchgeführt wurde. tachAId lenkt die Aufmerksamkeit gezielt auf kritische ethische Überlegungen im gesamten Lebenszyklus von KI-Lösungen, die bei einer technisch orientierten Entwicklung möglicherweise übersehen werden. Die Ergebnisse zeigen jedoch auch eine zentrale ...

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 1 | Seite 50-59 | DOI 10.30844/I4SD.26.1.50

Digital Competence Lab (DCL) für die Logopädie Konzeption einer Lernplattform zur Förderung digitaler Handlungskompetenzen Anika Thurmann , Antonia Weirich , Kerstin Bilda, Fiona Dörr , Lars Tönges

Die digitale Transformation des Gesundheitswesens verändert die logopädische Versorgung nachhaltig. Smarte Technologien und Künstliche Intelligenz (KI) eröffnen neue Möglichkeiten, um die Qualität der Therapie zu sichern, Versorgungsengpässe zu adressieren und Patienten stärker in Übungsprozesse einzubinden. Gleichzeitig erweitern diese Entwicklungen das Rollenverständnis von Logopäden, die neben ihrer therapeutischen Kernaufgabe zunehmend digitale Systeme als unterstützende Werkzeuge einsetzen. Aufbauend auf einer Machbarkeitsstudie zur KI-gestützten Anwendung ISi-Speech-Sprechen im Realsetting der Parkinson-Komplextherapie (PKT) werden in diesem Beitrag zentrale Herausforderungen der Implementierung smarter Technologien skizziert.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 1 | Seite 110-118 | DOI 10.30844/I4SD.26.1.110

Angewandte KI für die menschenzentrierte Montage Ein ethisch fundierter Ansatz zur Gestaltung von Arbeitsplätzen Tadele Belay Tuli , Michael Jonek , Sascha Niethammer, Henning Vogler, Martin Manns

Künstliche Intelligenz (KI) kann die Montage verbessern, indem sie menschliche Bewegungen vorhersagt und den Arbeitsplatz entsprechend gestaltet. Mithilfe probabilistischer Modelle wie der Gaußschen Mischmodelle (GMMs) antizipieren KI-Systeme die Bewegungen des Bedieners, um die Koordination mit Robotern zu verbessern. Diese Vorhersagesysteme werfen jedoch ethische Bedenken hinsichtlich Sicherheit, Fairness und Datenschutz gemäß EU AI Act auf. Dieser Artikel stellt eine Methode vor, die probabilistische Bewegungsmodellierung mit ethischer Bewertung mittels Z-Inspection® integriert. Eine Fallstudie unter Verwendung des Werkerassistenzsystem zeigt, wie multimodale Sensorik (Bewegung, Blick) und interpretierbare Modelle eine vorausschauende Unterstützung ermöglichen. Der Ansatz geht von der ethischen Bewertung zu einer ethisch informierten Arbeitsgestaltung über und liefert übertragbare Prinzipien sowie eine konfigurierbare Bewertungsmatrix.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 1 | Seite 60-68 | DOI 10.30844/I4SD.26.1.60