Hinweis: Das Beitragsbild wurde mit künstlicher Intelligenz erzeugt.
Navigation, Routenplanung, Flottensteuerung: Diese Disziplinen gelten in der Intralogistik als weitgehend gelöst. Fahrerlose Transportsysteme und autonome mobile Roboter arbeiten in Hunderten von Lagern produktiv. Doch ein Kernprozess entzieht sich bisher der zuverlässigen Automatisierung: der Pick, das gezielte Aufnehmen einzelner Artikel aus einem Behälter oder Regal.
Warum Navigation kein Maßstab für das Greifen ist
Ein fahrerloses Fahrzeug bewegt sich in einer strukturierten Umgebung. Die Wege sind definiert, Hindernisse sind messbar, Abweichungen sind begrenzt. Das System löst ein Navigationsproblem mit bekannten Parametern.
Beim Greifen gelten andere Bedingungen. Jedes Objekt kann eine andere Form, ein anderes Gewicht, eine andere Oberfläche haben. Folienbeutel haften aneinander. Kartons sind eingedrückt. Artikel liegen schräg im Behälter. Neue Verpackungen kommen ohne Vorankündigung ins Sortiment. Kein Pick gleicht dem vorangegangenen exakt.
Für einen erfahrenen Lagermitarbeiter sind diese Variationen Routine. Für ein automatisiertes System ist jede Abweichung vom erwarteten Zustand ein potenzieller Ausnahmefall. Häufen sich diese Ausnahmen, sinkt die Anlageneffektivität, also der OEE-Wert, der das Verhältnis von tatsächlicher zu theoretisch möglicher Leistung beschreibt.
Das Problem liegt im Umgang mit Unbekanntem
Klassische Greifersysteme arbeiten mit vordefinierten Greifroutinen. Sie setzen voraus, dass Form, Lage und Beschaffenheit eines Artikels bekannt sind. In kontrollierten Produktionsumgebungen mit standardisierten Teilen funktioniert das. Im Fulfillment-Betrieb mit tausenden Artikelnummern und wechselnden Verpackungen stößt dieses Prinzip schnell an Grenzen.
Anbieter wie Locus Robotics arbeiten an Ansätzen, die den Greifer adaptiv machen. Das Prinzip: Das System passt die Greifstrategie an das Objekt an, nicht umgekehrt. Sensorik, Bildverarbeitung und Steuerungslogik müssen dabei in Echtzeit zusammenarbeiten. Die Taktzeit, also die Zeit pro Pick, darf dabei nicht nennenswert steigen, sonst rechnet sich die Investition nicht.
Datenqualität als unterschätzter Faktor
Adaptive Greifsysteme sind auf belastbare Artikeldaten angewiesen. Gewicht, Abmessungen, Verpackungstyp, Oberflächenbeschaffenheit: Fehlen diese Angaben oder sind sie veraltet, scheitert das System nicht an der Mechanik, sondern an der Datenlage. Viele Lagerbetreiber unterschätzen diesen Aufwand bei der Einführung.
Klinkhammer Intralogistics und Unitechnik Systems gehören zu den Systemintegratoren, die solche Anforderungen in der Projektplanung adressieren. Aus der Praxis zeigt sich: Die technische Integration eines Greifroboters ist oft schneller abgeschlossen als die Bereinigung und Pflege der zugehörigen Stammdaten.
Wirtschaftlichkeit hängt an der Fehlerquote
Ein Greifroboter, der 95 Prozent der Picks korrekt ausführt, klingt zunächst solide. Bei 10.000 Picks pro Schicht bedeutet das jedoch 500 Fehler. Jeder Fehler verursacht Nacharbeit, Ausnahmebehandlung oder Qualitätsprobleme beim Versand. Die Kosten für diese Ausnahmen können den Automatisierungsvorteil teilweise aufzehren.
Industriell akzeptable Fehlerquoten liegen je nach Anwendung deutlich unter einem Prozent. Diesen Wert zuverlässig zu erreichen, ist das eigentliche Ziel der Entwickler. Linde Material Handling arbeitet in diesem Kontext an Systemen, die Greifergebnisse kontinuierlich auswerten und daraus Greifstrategien ableiten.
Mensch und Maschine im gemeinsamen Betrieb
Viele Betreiber setzen heute auf hybride Modelle. Roboter übernehmen die Picks, die gut beherrschbar sind: standardisierte Kartons, definierte Lagen, bekannte Artikel. Schwierige Picks, unbekannte Verpackungen oder fragile Waren bleiben beim Menschen. Dieses Modell setzt voraus, dass das System zuverlässig erkennt, welche Aufgabe es selbst übernehmen kann und welche nicht.
Diese Entscheidungskompetenz, die sogenannte Konfidenzsteuerung, ist technisch anspruchsvoll. Greift das System zu oft über seinen Kompetenzbereich hinaus, steigen Fehlerquote und Stillstandszeiten. Ist die Schwelle zu konservativ gesetzt, sinkt die Automatisierungsrate und damit der wirtschaftliche Nutzen.
Fazit
Für Lager- und Logistikverantwortliche bedeutet das: Die Entscheidung für Greifrobotik erfordert eine nüchterne Analyse des eigenen Artikelspektrums. Wer ein stabiles, überschaubares Sortiment betreibt, kann mit heutiger Technologie wirtschaftliche Automatisierungsgrade erreichen. Wer breite Sortimente mit hoher Verpackungsvarianz bewirtschaftet, muss realistisch kalkulieren. Adaptive Systeme sind verfügbar, aber kein Allheilmittel. Datenbasis, Fehlertoleranz und Hybridstrategie entscheiden darüber, ob sich die Investition rechnet.
