Robotik

Dieser Beitrag zielt darauf ab, auf Basis der Darstellung des State-of-the-Art ein Modell zur Akzeptanz von RPA-Technologien zu erarbeiten. Dieses Modell dient dabei als Grundlage einer empirischen Studie zur Akzeptanz von robotergestützter Prozessautomatisierung (RPA) bei einem weltweit agierenden Technologieunternehmen. Die Ergebnisse dieser Studie werden in einer korrespondierenden Veröffentlichung „Eine empirische Analyse zur Technikakzeptanz von robotergestützter Prozessautomatisierung (RPA) (Teil 2)“ dargestellt.

Daten spielen in unserer Welt – und u. a. auch in der Produktionstechnik – eine immer größere Rolle. Unternehmen sind steigenden Kundenanforderungen und einem erhöhten Wettbewerbsdruck ausgesetzt. Weiterhin erfordert der Trend zu kleineren Losgrößen und zunehmender Variantenvielfalt eine schnelle Reaktionsfähigkeit und Agilität der Unternehmen. Um unter diesen Voraussetzungen die richtigen Entscheidungen treffen zu können, müssen Daten erzeugt und analysiert werden, um daraus Erkenntnisse abzuleiten. Oftmals sind bereits Unmengen an ungenutzten Daten im Unternehmen vorhanden, sodass eine Verarbeitung notwendig ist, um z. B. mithilfe von KI-Algorithmen Mehrwert daraus zu generieren.

Kollaborationsfähige Roboter (sog. Cobots) gelten als Zukunftstechnologie für produzierende Unternehmen, die ein neues Maß an Mensch-Technik-Interaktion in der digitalisierten Arbeitswelt ermöglicht. Allerdings bleibt die Marktdurchdringung bisher hinter den Erwartungen zurück und wirft die Frage auf, ob es sich bei Cobots in Wirklichkeit um ein bloßes Hype-Thema handelt. Die geringe Markttransparenz erschwert die Beantwortung dieser Fragestellung. Um diese Erkenntnislücke zu schließen, analysieren wir auf Basis von Sekundärdaten und von elf Experteninterviews den Markt für Cobots und thematisieren aktuelle und prognostische Entwicklungstrends sowie gegenwärtige Barrieren.

Es werden die Erwartungen und Wahrnehmungen älterer Menschen in Bezug auf Assistenzrobotik in der Altenpflege untersucht. Assistenzrobotik hat das Ziel, Selbständigkeit im Alter zu verlängern und das Pflegepersonal zu unterstützen. Die Relevanz der Technologie ist durch rasante Fortschritte in der Robotik Forschung sowie durch die demographische Situation begründet. Vor der Implementierung von Robotik müssen Einstellungen, Erwartungen und Wahrnehmungen aber auch Ängste und Unsicherheiten von älteren Menschen, dem Pflegepersonal und -managern festgestellt werden, um auf die wahren Bedürfnisse eingehen zu können. Dabei haben sich durch die qualitative Erhebung, sieben Kategorien in Bezug auf den Einsatz von Robotik in der Pflege ergeben. Das Ziel ist es eine bessere Orientierung bezüglich Assistenzrobotik in der Pflege zu ermöglichen

Der von der Politik beschlossene Ausstieg aus der Kernenergie und das Ziel, den Energiemix erheblich auf erneuerbare Energien auszurichten, beschert der Branche großes Wachstumspotenzial. Die Digitalisierung und die Technologien, die sich daraus ergeben, wie Sensorik, Robotik und Assistenzsysteme, künstliche Intelligenz sowie Virtual- und Augmented Reality unterstützen die Unternehmen dabei, das Potenzial zu realisieren. In der Studie „Industrialisierung der Windindustrie“ der TU München hat sich herausgestellt, dass die Digitalisierung auf den „Levelized Cost of Energy“ (LCOE) einen positiven Effekt haben wird.

Die Softwareentwicklung bei Industrierobotern benötigt erhebliches interdisziplinäres Wissen und viel technische Erfahrung. Vor allem die Heterogenität der herstellerspezifischen Programmiersprachen und -werkzeuge verursacht hohen Aufwand beim Einsatz von Industrierobotern, obwohl Roboter per se frei programmierbar sind und für eine Vielzahl von Aufgaben eingesetzt werden können. Um verschiedene Rollen, wie z. B. den Komponentenzulieferer, Anwendungsentwickler sowie Systemintegratoren und Endanwender, bei der Programmierung und Integration von Robotern zu unterstützen, wurde im Rahmen des Forschungsprojekts ReApp ein modellbasierter Ansatz entwickelt. Das Datenaustauschformat AutomationML wurde hierbei für die Modellierung der Roboterkomponenten und -systeme eingesetzt. Auf Basis von Domäne-Ontologien wurden die AutomationML-Modelle semantisch verarbeitet und zu einem maschineninterpretierbaren Informationsmodell umgewandelt, aus dem Quellcodes generiert werden konnten.