In Anwesenheit zahlreicher Projekt-Teilnehmer, Hochschul-Prominenz und Produkt-Entwicklern ging bei Linde Material Handling in Aschaffenburg die Ergebnispräsentation der ersten vollautomatisierten Gegengewichtsstapler über die Bühne. An vier Staplern wurde demonstriert, wie es künftig funktionieren kann.  

Bei den «echten» Flurförderzeugen ist es eben ein wenig komplexer, als bei den bereits in grosser Zahl bekannten und unbemannten «Unterfahr»-Robots, die – unter anderem via IT-Schnittstelle VDA 5050 – mit ihrem Umfeld kommunizieren. Beschleunigung, Bremsen, Lenkung und Hubmast-Steuerung, Umfeld-Erkennung und Sicherheitssysteme für den Personenschutz müssen schon mal voll digitalisiert sein, um die intelligente Gesamtsteuerung zu erlauben.

Im Entwicklungszentrum von Linde MH am Hauptstandort in Nilkheim sieht alles noch ein wenig provisorisch aus. Zwei Elektro-Gegengewichtsstapler der E20 - E30-Baureihe warten voll bepackt mit auf einem Alu-Profil auf dem Dach aneinander gereihten Sensoren, 3D-Scannern, HD-Kameras und Antennen auf ihren Einsatz.

Die CE-Zertifizierung steht noch aus, erklärt Stefan Prokosch, Initiator des Projekts «Kooperative Autonome Intralogistik-Systeme» (KAnIS). Sechs Not-Ausschalter an der linken und der rechten Aussenseite der Geräte sollen dem Publikum das Gefühl von Sicherheit vermitteln, das Kontroll-Panel ist auf der linken Seite und von aussen mit Bildschirm bedienbar angebracht. Ein Kontrollteam mit Fernsteuerung in der Hand sorgt dafür, dass hier niemand «plattgemacht» wird. Zumal in den ersten beiden Reihen neun von zehn der beteiligten Hochschul-Professoren sitzen, die bei dem von staatlicher Seite mit 2,8 Mio. Euro geförderten 5-Mio.Projekt mit sieben Studien- und 12 Bachelor-Arbeiten, sechs Master-Abschlüssen und einer Promotion in erheblichem Umfang an KAnIS teilhaben.

Die Systeme erläutert Hans-Georg Stark, Projektleiter seitens der Fakultät der Ingenieurwissenschaften an der Technischen Hochschule Aschaffenburg, müssen alle zusammen arbeiten. Bei der Kommunikation der Komponenten, deren Daten über einen Edge-Rechner zusammengeführt werden, hatte sich – wie auch andernorts – erwiesen, dass WLAN hier nicht mehr ausreichen würde. Ein 5G-Campusnetz von Ericsson ist hier mit Verzögerungs-(Latenz)-Zeiten von 11 Millisekunden bei der Datenübertragung behilflich.  Wer an der Echtzeit zweifelt, erfährt, dass eine auf dem Publikums-Monitor auftauchende ordentliche Verzögerung wesentlich grösseren Ausmasses nicht an der real mangelhaften Geschwindigkeit des Daten-Transfers, sondern an der Bildschirm-Darstellung liegt.

Beim Indoor-Auftritt der Gegengewichtsstapler geht es vor dem Premierenpublikum zunächst lediglich darum, eine Gitterbox oder Palette von A nach B zu bringen. Dabei kommt auch eine zusätzliche Kamera an den Gabelzinken zum Einsatz, die am Gabelzinken-Verstellgerät für die korrekte Einfahrsituation an den Palettentaschen sorgt.  «Bei den Outdoor-Aufgaben», so Professor Mark Hanke, «haben wir natürlich auch mit Beeinträchtigungen unseres Wahrnehmungs-Inventars zu kämpfen». Schnee, Regen, Nebel und Schmutzspritzer machen dem Instrumentarium «draussen» das Orten und Messen von Distanzen schwer.

Professor Klaus Zindler umreisst die komplexeren Modellstrecken, die auf dem Betriebsareal zurückgelegt werden. Aus Simulationen gewonnene, also modellgestützte Schätzungen der Position werden «indoor» – nicht ganz neu - durch Reflektoren ergänzt und die tatsächliche Lokalisierung fortlaufend korrigiert. Im Aussenbereich wird kontinuierlich per GPS-Referenz und LiDAR-Sensoren korreliert. Interessant die Verfolgung der jeweiligen Positionsangaben per blosser «Zustandsregelung» im Vergleich zur modellbasierten «prädiktiven» Vorausschau – und schliesslich der KI-basierten Synthese aller eintreffenden Kamera-, Sensor- und LiDAR-Daten. Mit nur einer einzelnen Datenquelle, so stellt sich heraus, könnte es auf grösseren Distanzen in der Tat zu Abweichungen bis hin zu mehreren Metern kommen.

Zwei 360°-LiDAR-Systeme zur Entfernungsmessung, 3 bildverarbeitende Systeme und 3 Safety-LiDAR-Arrays für etwaige Notfallbremsungen sind auf diese Weise zu Gange. Einiges zu tun hat also der Edge-Server, um die entsprechende Datenflut zusammen zu bringen und mit einem Programm namens YOLOv8, das Professor Konrad Doll in Kurzform auf «You only look once» auf einen Nenner bringt, sowie durch «Nachtrainieren» der KI-Software auf exakte Werte zu bringen. Die Entwickler kamen deshalb glücklicherweise auch darauf, dass nicht jede Einzelheit vom Schraubenzieher bis zur Minimaus in ihren exakten Umrissen angezeigt werden muss, sondern vor allem Fussgänger (Lager-Mitarbeitende), andere Stapler, Tor-Umrisse, Rampe und Lkws erkennbar sein sollen.

Fotos: Linde MH

Zu guter Letzt reichte es auch noch für eine sorgfältige automatische Batterie-Ladevorrichtung am Stapler, die sich mit einem Stecker per Kamera selbst positioniert und per Roboterarm in die Ladebuchse einfährt. Am Hubmast wurde die Kamera zur Positionierung der Gabelzinken sogar mit einer Reinigung der Linsen per Sprühdüsen ausgestattet.

Im Freigelände zeigt ein Dummy, dass die per Edge-Server miteinander verbundenen Erkennungs- und zahlreichen Sicherheits-Systeme einen (per Fernsteuerung) «Dahergelaufenen» auch in ungünstigen Ecke oder hinter eine Holzwand rechtzeitig erkennen. Der auf den «Pechvogel» zufahrende Stapler kann den Mitarbeitenden zwar aus seiner Position (weil verdeckt…) nicht erkennen. Ein anderer, zweiter Stapler hat jedoch freie Sicht auf den Monsieur, schickt die Daten an den Fahrenden, und veranlasst ihn damit zum Bremsen. Auch Umherstehende – wenngleich durch ein rotes Absperrband vom Geschehen getrennt – wissen den zusätzlichen Sicherheitsfaktor zu schätzen.

Autor: K.Koch

www.linde-mh.de