Hinweis: Das Beitragsbild wurde mit künstlicher Intelligenz erzeugt.
Maschinen melden ihren Zustand in Echtzeit, ERP- und MES-Systeme sind vernetzt, Produktionskennzahlen werden laufend visualisiert. Trotzdem wissen viele Fertigungsbetriebe nicht, warum Material fehlt, Stapler warten oder Werkstücke mehr Zeit mit Transport verbringen als mit Bearbeitung. Imago Technologies aus Friedberg in Hessen hat zusammen mit Forschern des Fraunhofer IOSB-INA in Lemgo eine Antwort auf dieses Problem entwickelt.
Das blinde Feld zwischen den Maschinen
Dr.-Ing. Holger Flatt, Gruppenleiter Intelligente Sensorsysteme am Fraunhofer IOSB-INA, benennt das Problem präzise: Engpässe entstehen nicht an einzelnen Maschinen, sondern zwischen den Prozessen. Suchzeiten, unnötige Wege und Wartezeiten bleiben in klassischen Kennzahlensystemen unsichtbar. Wer nur auf OEE schaut, also die Gesamtanlageneffektivität, sieht nicht, dass ein Mitarbeiter täglich mehrere hundert Meter zwischen Lager, Produktion und Qualitätssicherung zurücklegt.
Genau hier setzt der Ansatz von Imago Technologies an. Kameras mit integrierter KI erfassen kontinuierlich, wer und was sich wo in der Fabrik bewegt. Die ermittelten Positionsdaten fließen in Echtzeit an einen Omlox-Hub.
Omlox als offene Basis
Omlox ist ein offener Industriestandard für Echtzeit-Ortung in Produktionsumgebungen. Er wurde unter Beteiligung von Trumpf und weiteren Industriepartnern entwickelt und vom Branchenverband VDMA mitgetragen. Der Standard erlaubt es, verschiedene Ortungstechnologien wie UWB, RFID oder Kamera über eine einheitliche Schnittstelle anzubinden.
Imago Technologies nutzt Omlox als Drehscheibe. Die Kamerasysteme liefern ihre Positionsdaten im Omlox-Format an einen zentralen Hub. Von dort lassen sich die Informationen mit anderen Datenquellen zusammenführen, etwa mit Maschinenzustandsdaten oder Auftragsinformationen aus dem MES.
Erprobt in der SmartFactoryOWL
Das System wurde in der SmartFactoryOWL in Lemgo erprobt. Die Testumgebung wird gemeinsam vom Fraunhofer IOSB-INA und der Technischen Hochschule OWL betrieben. Dort erfassen die Kameras laufend Personen, Transportmittel und Materialien. Die KI klassifiziert die erkannten Objekte und ordnet ihnen Positionen zu, ohne dass an den Objekten selbst Transponder oder Tags angebracht werden müssen.
Das ist ein wesentlicher Unterschied zu herkömmlichen RTLS-Lösungen, also Echtzeit-Lokalisierungssystemen, die auf aktiven oder passiven Markierungen basieren. Der Installationsaufwand sinkt. Gleichzeitig lassen sich auch Objekte verfolgen, die keine Elektronik tragen, etwa Paletten oder Behälter.
Was die Analyse liefert
Aus den gesammelten Bewegungsdaten lassen sich Materialflusskarten erstellen. Sie zeigen, welche Wege tatsächlich zurückgelegt werden, wo Wartezeiten entstehen und an welchen Punkten Staus auftreten. Planungsdaten aus dem ERP lassen sich mit dem realen Geschehen abgleichen. Abweichungen werden sichtbar.
Für Produktions- und Logistikleiter bedeutet das: Sie erhalten eine objektive Grundlage für Layoutentscheidungen, Schichtplanungen oder die Überprüfung von Transportrouten. Bauchgefühl und Stichproben werden durch kontinuierliche Messung ersetzt.
Kein Eingriff in die bestehende IT nötig
Ein praktischer Aspekt für den Mittelstand: Die Kameras arbeiten autonom. Die KI läuft direkt auf dem Gerät, sogenannte Edge-Verarbeitung. Daten verlassen das Gerät erst nach der Auswertung, in anonymisierter oder aggregierter Form. Das reduziert Bedenken beim Datenschutz und entlastet das Netzwerk.
Die Omlox-Schnittstelle stellt sicher, dass die Positionsdaten mit anderen Systemen kompatibel bleiben. Ein Wechsel einzelner Sensortypen erfordert keine Neuintegration der nachgelagerten Software.
Fazit
Viele Betriebe kennen ihren Maschinenpark gut, aber nicht die Bewegungsströme dazwischen. Eine Kameralösung auf Omlox-Basis schließt diese Lücke ohne tiefe IT-Integration und ohne Markierungspflicht an jedem Objekt. Für Unternehmen, die ihre Materialflüsse analysieren wollen, ist das eine Option mit überschaubarem Installationsaufwand.
