Embodied AI in der Industrie: KI in Maschinen, die wahrnimmt, lernt und handelt

Humanoide als Bindeglied zwischen KI und physischer Welt

Ein Baustein von Embodied AI sind Humanoide Roboter. Sie zeigen die nächste Entwicklungsstufe industrieller Robotik und könnten perspektivisch dank KI flexibel beispielsweise in Produktion, Logistik oder Serviceumfeld eingesetzt werden. Zwischen gut funktionierenden Pilot-Use-Cases und diesem Vielseitigkeitsversprechen klafft aber aktuell noch eine große Lücke. Deshalb unterstützen wir Hersteller, Endanwender und Integratoren sowohl bei der Entwicklung von Fähigkeiten und Hardware für humanoide Systeme als auch bei der konkreten Anwendungsentwicklung sowie bei strategischen Fragestellungen wie Marktabschätzungen.

Über den Link gelangen Sie zu weiterführenden Informationen.

https://www.ipa.fraunhofer.de/de/loesungen/automatisierte-intralogistik-fertigungs-und-montagesysteme/humanoide-am-fraunhofer-ipa.html

Zuverlässige KI-Sicherheitstechnik für sichere Mensch-Roboter-Kollaboration

Der Einsatz von KI in der Sicherheitstechnik scheitert häufig an der mangelnden Zuverlässigkeit. Im Projekt AISenSafe werden deshalb Methoden für den Nachweis der Zuverlässigkeit von KI genutzt und praxisnah weiterentwickelt. Zur Anwendung kommt ein entsprechend redundant ausgelegter KI-Sicherheitssensor für die Personenerkennung in der Mensch-Roboter-Kollaboration. Ergebnisse und Handlungshilfen zum Einsatz der Methodik werden zum Projektende als Leitfaden bereitgestellt.

Flexibel einsetzbare Robotik dank KI

Am Standort Heilbronn entwickelt das Fraunhofer IPA im Rahmen des Forschungs- und Innovationszentrums »KI-basierte Robotik« Technologien, die das Thema Embodied AI in der Umsetzung mit Robotern voranbringen. Dies erfolgt maßgeblich anhand zweier Forschungsschwerpunkte:

• Intelligente Mobile Manipulation: Hier entstehen Lösungen, mit deren Hilfe Robotersysteme (unter anderem Humanoide Roboter) datenbasiert beispielsweise zunächst durch Teleoperation oder mittels Lernen durch Vormachen Aufgaben ausführen können. Die Teleoperation generiert Daten, die das System dann zur autonomen Aufgabenausführung nutzen kann.
• Roboterhände: Dem Menschen nachempfundene Roboterhände sind der Schlüssel für eine vielseitige und zugleich präzise Einsetzbarkeit von Robotersystemen zum Beispiel in Produktion und Logistik. Mit ihren zahlreichen Freiheitsgraden ist eine klassische Programmierung nicht möglich. Deshalb entstehen KI-basierte Lösungen für autonome Greiffähigkeiten.

Mehr Infos unter: https://www.hnfiz.fraunhofer.de/de/leistungen/fiz-ki-basierte-robotik.html

Batterie- und Wasserstoffsysteme

Im Geschäftsbereich Batterie- und Wasserstoffsysteme setzen wir Embodied AI für sensor- und KI-gestützte Produktionsprozesse ein. Ziel sind stabilere Abläufe, höhere Qualität und effizientere Fertigung. Die folgenden Beispiele zeigen einen Ausschnitt unserer laufenden Aktivitäten im Bereich Embodied AI.

Batterie: KI in der Elektrodenfertigung

An unserer digitalisierten Beschichtungsanlage entwickeln wir KI-gestützte Qualitätsmodelle und Softsensorik für die Elektrodenfertigung. Prozessabweichungen werden früh erkannt und die Beschichtungsqualität stabilisiert. Bereits vorhanden sind vernetzte Sensorik, Datenplattformen und KI-gestützte Qualitätsmodellierung. Geplant sind Anwendungen wie Qualitäts- und Historien-Assistenten sowie KI-gestützte Instandhaltungsunterstützung.

Wasserstoff: Sensorgestütztes Stacking

Beim automatisierten Stacking von Brennstoffzellenkomponenten erfassen Sensoren die Geometrie einzelner Bauteile. Die Komponenten werden dem geometrisch am besten passenden Stack zugeordnet. Dadurch entstehen höhere Passgenauigkeit, geringere Qualitätsverluste und skalierbare Lösungen für die automatisierte Stackmontage. Ein Demonstrator für Bipolarplatten ist bereits vorhanden.

EAI in Lackierprozessen: Von der Analyse über die Empfehlung zur aktiven Prozesssteuerung

Im Projekt »pAInt Behaviour« wurden zentrale Grundlagen für den Einsatz von Embodied AI in industriellen Beschichtungsprozessen bereits gelegt. Intelligente KI-Systeme analysieren Prozessdaten und generieren gezielte Handlungsempfehlungen zur Optimierung der Beschichtungsqualität. Perspektivisch entwickelt sich die KI vom Assistenzsystem zur aktiven Instanz und könnte künftig die Prozess- und Anlagenführung entlasten und sogar die Steuerung von Lackierprozessen übernehmen.

Auf dem Weg zu autonomen Dispergierprozessen  

Prozessintegrierte Qualitätskontrolle, Datenanalyse und KI-Integration sind aktuell zentrale Bestandteile der Forschung und Entwicklung auch im Bereich der Dispergiertechnik. Im Dispergiertechnikum wird die KI zunächst vorbereitend trainiert, um verlässliche Empfehlungen zur Optimierung von Mischprozessen zu generieren. Dazu gehören beispielsweise Parameter wie die Viskosität. In einem Modellprozess wird validiert, ob die KI angemessen auf Rezepturmodifikationen reagiert und tatsächlich zur Verbesserung der Qualität beiträgt. Der darauf folgende Entwicklungsschritt ist perspektivisch die Integration im industriellen Produktionsumfeld mit realen Daten und Prozesseinflüssen. Hier besitzt die KI die Eigenschaft, sich autonom und kontinuierlich weiterzuentwickeln. 

Digitalisierung und KI für adaptive Produktionssysteme

Der Geschäftsbereich gestaltet digitale Geschäfts‑ und Wertschöpfungssysteme entlang der gesamten Datenwertschöpfungskette. Schwerpunkt sind datengetriebene Lösungen, die darauf abzielen industrielle Prozesse durch optimale Datennutzung, moderne Analyseverfahren und KI‑basierte Ansätze zukunftsfähig weiterzuentwickeln.

Aktuelle Topthemen wie Agentic AI, Generative AI, Datenräume und digitale Ökosysteme werden dabei gezielt adressiert. Auch Embodied AI spielt eine zentrale Rolle, um KI nicht nur softwareseitig, sondern direkt in Maschinen und physische Produktionssysteme zu integrieren.

Embodied AI Demonstrator in der Additiven Fertigung

Im Geschäftsbereich entsteht aktuell ein Demonstrator, der Embodied‑AI‑Technologien in eine additive Fertigungsmaschine überführt. Ziel ist es, neueste Ansätze wie Weltmodelle, Agenten‑Frameworks, multimodale In‑Situ‑Sensorfusion und Industrial Machine Learning an industriell relevanten, schnell umsetzbaren Anwendungsfällen zu zeigen.

Drei Bausteine im Demoaufbau

1. Intelligentes Auftragsmanagement / Nesting: Für die Planung von Baujobs werden eine Vielzahl an Parametern (MES‑Daten, Geometriedaten), KI‑gestützt ausgewertet und bereitgestellt, um Planungsentscheidungen datenbasiert zu verbessern.
2. EAI – additive Fertigungsmaschine: Zur Druckoptimierung werden Weltmodelle in ein Agenten‑Framework integriert, das Prozessparameter im laufenden Betrieb anpasst. So erkennt die Maschine fehlerhafte Bauteile und optimiert die Fertigung auf Basis ihres Prozessverstandnisses.
3. Quality first mit Emboided AI: Zur Verbesserung der Qualitätsprüfung werden multimodale In‑Situ‑Sensorfusion, ein Agentenframework und IML in den Demonstrator integriert. So wird eine situationsbewusste, interventionsfähige und selbstlernende Prüfung ermöglicht.

Die Zukunft der Laborarbeit: Flexible Robotik für die Unterstützung im Arbeitsalltag

Durch KI-Methoden zur Objekterkennung, Greif- und Bewegungsplanung können Roboter prozessrelevante Objekte handhaben und somit verschiedene Routineaufgaben im Laboralltag übernehmen.

Am Fraunhofer IPA wurde eine neue Methode für das Erkennen von Probenbehältern und das Dosieren der Inhalte mittels alltäglicher Werkzeuge (z.B. Spatel, Pipette) realisiert.

Am Fraunhofer IPA forschen wir schon lange an flexibler Laborautomatisierung per Roboter. Durch EAI eröffnen sich neue Möglichkeiten, die praktischen Helfer mit umfassenderen kognitiven Fähigkeiten, insbesondere der flexiblen Erkennung und Handhabung von Objekten und Materialien auszustatten. Umgesetzt wird dies nun beim Dosieren von Feststoffen und Flüssigkeiten. In vielen Laboren müssen täglich Grundstoffe bereitgestellt werden, die sowohl unterschiedlich gelagert als auch unterschiedlich verpackt sind und unterschiedliche Eigenschaften bei der Entnahme haben – für den Menschen kein Problem, für den Roboter vor EAI schon, da die Handhabung für jedes Material zeitaufwendig programmiert werden musste. Für kleine Stückzahlen unmöglich. Daher wurden bisher nur Hochdurchsatz-Aufgaben wie das Pipettieren von Flüssigkeiten mit Liquid-Handlern automatisiert. Unser Robotersystem beschreitet neue Wege und kann Substanzen per Umschütten oder über etablierte Hilfsmittel wie Spatel und Pipette handhaben und lässt sich vor Ort einfach an neue Prozesse anpassen. 

Vorteile ergeben sich insbesondere durch zwei Aspekte: Einerseits können Experimente und Arbeitsplätze so vorbereitet werden, dass Mitarbeiter ohne große Laufwege ihr Tagesgeschäft verrichten können. Andererseits können Analysen nachts und über das Wochenende automatisch bearbeitet werden. Iterative Versuchsreihen, bei denen jeweils leicht veränderte Versuchsprotokolle getestet werden, laufen so ohne manuelle Eingriffe ab. Daraus folgt eine effektive Auslastung der vorhandenen Infrastruktur und reproduzierbare Versuchsreihen mit hoher Datenqualität. Des Weiteren kann eine geringere Exposition gegenüber Gefahrstoffen und eine allgemeine Entlastung von Routineaufgaben erreicht werden. Wir hoffen, so einen Beitrag zu leisten, indem wir den Labormitarbeitern einen tatkräftigen Kollegen an die Seite stellen.

Zukünftige Weiterentwicklungen richten sich auf eine automatische Anpassung an neue Substanzen und Laborbedingungen. Mitarbeiter sollen das System selbstständig für schwierige Stoffe wie stark zähflüssige Proben oder für Milligramm-genaue Dosierungen konfigurieren können. Damit schaffen wir eine modulare Plattform, die sowohl den einfachen Routinebetrieb als auch komplexe Anwendungen unterstützt.

Embodied AI für die Kreislaufwirtschaft: Das Projekt PAnDA

Mit dem Forschungsprojekt PAnDA zeigt das Fraunhofer IPA, wie Embodied AI künftig zu einem Schlüssel für automatisierte Demontage, ressourceneffiziente Rückführung und skalierbare Kreislaufwirtschaft wird – und damit industrielle Nachhaltigkeit operativ umsetzbar macht. 

In den Bereichen Automotive, Konsumprodukte und Elektrogeräte werden Produktanalysen durchgeführt, um eine hersteller- und branchenübergreifende Methodik für nachhaltige Produktentwicklung und Automatisierungslösungen zu erarbeiten.

Intelligente Robotersysteme nehmen ihre Umgebung wahr, interpretieren unbekannte Produktausprägungen, treffen kontextabhängige Entscheidungen und passen ihre Handlungen in Echtzeit an – beispielsweise bei der Demontage variantenreicher Altprodukte oder beim sortenreinen Trennen wertvoller Komponenten.

Weitere Informationen: https://www.ipa.fraunhofer.de/de/presse/presseinformationen/digitale-kreislaufwirtschaft-und-aufbau-einer-dezentralen-kreislauffabrik-fuer-nachhaltige-produkte.html

Vom virtuellen Lernen zur realen Produktion

Im Industrial Metaverse können digitale Fabrikmodelle entstehen, die Planungsdaten aus verschiedenen Quellen bündeln und als realitätsnahe Lernumgebung für Embodied AI dienen. KI-Systeme können ihr Verhalten sicher im virtuellen Raum trainieren und erproben, bevor sie in der realen Produktion eingesetzt werden. Ein konkreter Anwendungsfall ist die Matrixproduktion. Da sich Layouts und Stationen dort regelmäßig verändern, kann das Metaverse als vorgelagerter Trainingsraum dienen, in dem geplante Umstrukturierungen zunächst simuliert und die KI vorab trainiert wird.

KI@PPS: Decision Intelligence für Embodied AI

KI@PPS / Decision Intelligence bildet die Entscheidungs- und Orchestrierungsebene für Embodied AI in der Produktion. Während Embodied AI Intelligenz in physisch handelnde Systeme wie Anlagen, mobile Roboter oder humanoide Roboter bringt, sorgt KI@PPS dafür, dass diese Akteure koordiniert, zielgerichtet und robust zusammenwirken.

Mit zunehmend intelligenten Produktionsressourcen verändern sich klassische Planungs- und Steuerungslogiken. Ressourcen sind nicht mehr nur fest disponierte Kapazitäten, sondern bringen eigene Fähigkeiten, Zustände, Restriktionen und situative Einschätzungen in den Produktionsprozess ein. Besonders humanoide Roboter werden damit zu flexiblen, kompetenz- und kontextabhängigen Ressourcen.

Der Nutzen von KI@PPS / Decision Intelligence liegt darin, diese dezentrale Intelligenz systemweit nutzbar zu machen. Aufgaben, Ressourcen, Prioritäten und Restriktionen werden dynamisch abgestimmt, sodass Produktion auch bei Unsicherheit, Störungen und wechselnden Rahmenbedingungen adaptiv und resilient gesteuert werden kann. 

Embodied AI macht Produktionsressourcen handlungs- und entscheidungsfähig. KI@PPS / Decision Intelligence sorgt dafür, dass daraus ein koordiniertes, adaptives und robustes Produktionssystem entsteht.

Embodied AI als Schlüssel für intelligente Reinräume

Embodied AI ermöglicht im Reinraum den Übergang von reiner Messdatenerfassung zu handlungsfähigen Systemen: Sensorinformationen zur Reinheit der Produktionsumgebung (z. B. Partikel, gasförmige Verunreinigungen, Feuchte) werden kontinuierlich zusammengeführt und zur frühzeitigen Erkennung von Abweichungen ausgewertet. Darauf aufbauend werden geeignete Gegenmaßnahmen abgeleitet und automatisiert umgesetzt, etwa durch Anpassung von Lüftung, Filtrationsgrad oder Entfeuchtung. Ergebnis ist eine stabile kontrollierte Reinheit der Fertigungsumgebung bei zugleich hocheffizientem Einsatz von Energie und Ressourcen.

Leistung des Fraunhofer IPA

• Konzept & Zielbild: Entwicklung einer Gesamtarchitektur, wie KI im Reinraum Messdaten aufnimmt, Entscheidungen ableitet und Maßnahmen sicher auslöst, ausgerichtet an Reinheits- und Effizienzzielen.
• Anbindung von Mess- und Stelltechnik: Integration von Sensoren (Messen von Kontaminanten wie Partikel, Ausgasung, Temperatur, Feuchte) und Anlagenkomponenten (Steuern) sowie robuste, lokale Datenverarbeitung vor Ort und Übergabe an bestehende Systeme (Edge-/On‑Prem‑Datenpipeline) Eine Edge-/On-Prem-Datenpipeline ist die lokale Ende‑zu‑Ende‑Kette, die Reinraum‑ und Anlagendaten erfasst, sicher überträgt, am Edge vorverarbeitet, on‑prem speichert und für Monitoring, KI und Regelung bereitstellt. Mit niedriger Latenz, hoher Verfügbarkeit und Datenhoheit, ohne Cloud‑Speicherung. 
• Intelligente Auswertung & automatische Reaktion: Methodik zur Erkennung von Trends und Auffälligkeiten bezüglich des Kontaminationsverhaltens zur Eingrenzung möglicher Ursachen und zur Ableitung nachvollziehbarer Maßnahmen, einschließlich Bewertung der Wirksamkeit.

Prüf- und Zertifizierungsleistungen für industrielle KI-Systeme

Mit den Förderprojekten »AI-Matters« und »KIRR-Real« entwickelt das Fraunhofer IPA auf wissenschaftliche, industrietaugliche Prüf- und Zertifizierungsleistungen für KI-Systeme in der Industrieproduktion. Hierzu gehören Prüfstände, Software-Systeme und weitere Technologien. Eingeschlossen darin sind umfangreiche Leistungen für Embodied AI. Dokumentiert werden die Leistungen mit Prüfberichten, Prüfbescheinigungen und Prüfurkunden.

Zukunftstechnologien für industrielle Prozesse

Der Geschäftsbereich entwickelt Lösungen für komplexe industrielle Prozesse in Automation, Digitalisierung und Nachhaltigkeit. Aufbauend auf Kompetenzen in spanender Fertigung, additiven Verfahren und Leichtbau werden neue Technologien gezielt in Maschinen und Prozesse integriert. Künstliche Intelligenz spielt dabei eine zentrale Rolle. Ein Ansatz wie Embodied AI kann Maschinen um adaptive und autonome Fähigkeiten erweitern.

Autarke Sägemaschinen durch Embodied AI

Sägemaschinen sind ein zentraler Bestandteil vieler industrieller Prozessketten. Trotz hoher technischer Qualität bleibt ihr Optimierungspotenzial häufig ungenutzt: Fachkräftemangel, Kostendruck und die komplexen Wechselwirkungen zwischen Maschine, Werkzeug und Werkstoff erschweren eine effiziente Parameterauswahl und Prozessüberwachung im laufenden Betrieb.

Ein ausstehendes Forschungsprojekt adressiert diese Herausforderung durch die Entwicklung einer Embodied AI, die direkt in die Steuerung von Kreis- und Bandsägemaschinen integriert wird. Die KI erfasst kontinuierlich Prozess- und Umgebungsdaten über Sensoren, lernt aus realen Bearbeitungssituationen und passt ihr Verhalten selbstständig an.

Ziel ist ein autonom agierendes Assistenzsystem, das Sägemaschinen befähigt, Prozessparameter zu optimieren, Werkzeugzustände zu überwachen und Entscheidungen eigenständig umzusetzen. Damit wird der Grundstein für eine adaptive, robuste und langfristig selbstoptimierende Sägetechnik gelegt. 

Projektbegleitender Ausschuss: Beteiligung interessierter Partner

Für das Projekt werden interessierte Unternehmen für einen projektbegleitender Ausschuss gesucht. Ansprechpartner ist der Projektleiter Sascha Stribick. Seine Kontaktmöglichkeiten sind unter dem folgenden Link zu finden.

Mehr Informationen: https://www.ipa.fraunhofer.de/de/loesungen/spanende-fertigungstechnik-additive-verfahren-und-leichtbau/trenn-und-saegetechnik.html