Die SCHUNK GmbH & Co. KG thematisiert in Hannover den Umbruch, in dem sich das industrielle Greifen befindet. Waren Greifprozesse bislang primär auf eine hohe Produktivität und Prozesssicherheit getrimmt, rückt nun in Verbindung mit der smarten Fabrik zusätzlich die Flexibilität in den Fokus. Bislang gilt das industrielle Greifen als vergleichsweise starr: Nicht nur die Geometrie der Teile muss bekannt sein, auch die genaue Aufnahme- und Ablageposition müssen Greifsysteme kennen. Ein prozesssicherer Handhabungsprozess kann aktuell also nur auf Basis wiederholgenauer Teilezuführungen über fest vorgegebene Verfahrwege und die Vorgabe von Zielpunktkoordinaten gewährleistet werden. Im Zuge der Digitalisierung soll aber nun das hoch automatisierte, vollständig vernetzte und autonom agierende Fertigungssystem Gestalt annehmen.

Es liegt auf der Greifhand, dass in diesem Kontext der Einsatz Künstlicher Intelligenz (KI) ins Spiel kommt. Erste Anwendungen kognitiver Intelligenz im Greiferumfeld gibt es bereits in Verbindung mit Kameras, die ein intuitives Trainieren durch Werker und eine selbstständige Erledigung der Greifaufgaben durch den Roboter ermöglichen. Dabei setzen die Entwickler von SCHUNK ganz bewusst auf eine praxis-, sprich industrienahe Gestaltung der Handhabungsprozesse, indem sie die Zahl der Bauteilvariationen begrenzen und damit den Klassifikations- und Trainingsprozess verschlanken. In einem ersten Use Case, der zur Werkstück- und Greifprozessklassifikation Ansätze des Machine Learning nutzt, werden exemplarisch steckbare Bauklötze beliebig kombiniert und einem Leichtbauroboter in beliebiger Anordnung auf einer Arbeitsfläche zum Abtransport vorgelegt. Im Zusammenspiel mit 2D- oder 3D-Kameras soll es bei dem selbstlernenden System schon nach wenigen Lernzyklen zu einem rasanten Anstieg der Zugriffssicherheit kommen, weil der Greifer mit jedem Griff lernt, wie das Werkstück erfolgreich aufgenommen und transportiert werden kann.

Bereits nach wenigen Trainingsrunden soll das Netz klassifizieren, wie mit dem Wertevorrat an Werkstücken und den sich daraus ergebenden Kombinationsmöglichkeiten umzugehen ist. Der Greifer verlässt sich hier auf gelernte Erfahrungswerte, wie das Werkstück aufzunehmen und zu transportieren ist. Die intelligente Leistung des Algorithmus soll darin bestehen, dass bereits nach kurzer Trainingszeit zukünftige Kombinationen und Anordnungen der Werkstücke selbstständig klassifiziert werden können. So sei das System laut seiner Entwickler in der Lage, Teile situationsgerecht und eigenständig zu handhaben. Indem die Algorithmen fortlaufend unter Nutzung von KI-Methoden angepasst werden, soll es möglich sein, bislang unerkannte Zusammenhänge zu erschließen und den Handhabungsprozess weiter zu verfeinern.