Projekt KAnIS: Automation, next Level

Meilenstein auf dem Weg zum autonomen Outdoor-Stapler

Maximal sichere Warenflüsse, optimaler Einsatz von Beschäftigten, Fachkräftemangel, nachhaltige Sicherung der Wettbewerbsfähigkeit: Das Thema Automation steht nicht von ungefähr ganz oben auf der Agenda zahlreicher Logistikverantwortlicher. Und deren Wunschliste endet selbstredend nicht bei den vielerorts bereits etablierten selbstfahrenden Niederhubwagen und Co.

Für Linde Material Handling als Innovationstreiber ein klarer Auftrag, die Entwicklung autonomer Gegengewichtsstapler intensiv voranzutreiben: Stapler also, die vollkommen fahrerlos in Innen- und Außenbereichen unterwegs sind, Waren aufnehmen und transportieren sowie Lkw be- und entladen und vieles mehr. Ein hochkomplexes Aufgabenfeld mit verschiedenen Teildisziplinen, für die konkrete Lösungsansätze entwickelt wurden. Diese präsentierte Linde nach knapp vierjähriger Forschungsarbeit mit der Technischen Hochschule Aschaffenburg (TH AB) im Rahmen des Projekts KAnIS (Kooperative Autonome Intralogistik-Systeme).

Automatisierung und Außenbereich: Eine anspruchsvolle Kombination

Was die Entwicklung autonomer Stapler so anspruchsvoll gestaltet, hat vor allem mit den klassischen Einsatzszenarien solcher Geräte zu tun; schließlich erstrecken sich diese häufig auch auf Außenbereiche wie Betriebshöfe oder Blocklager. Dort sind die Umgebungsbedingungen im Gegensatz zu klar abgegrenzten Indoor-Sektionen weitaus dynamischer: Schlaglöcher müssen sicher umfahren, Gefälle oder Steigungen bewältigt und unterschiedlichste Verkehrsteilnehmer berücksichtigt werden. Zusätzlich beeinflussen unebene Böden und Fahrbahnprofile das Fahrverhalten. Und hinzu kommt die gesamte Palette der Witterungseinflüsse wie Nebel, Regen oder Schnee, die die verbaute Sensorik vor enorme Herausforderungen stellt. Mit anderen Worten: eine Vielzahl an Variablen – und für die KAnIS-Projektpartner eine Vielzahl an Aufgaben, denen man sich in mehreren Teilprojekten widmete.

Mit Klick auf Play akzeptieren Sie die Datenschutzrichtlinien von YouTube.

Aufmerksam, reaktionsschnell und vorausschauend

Mit diesen „Tugenden“ sollten menschliche Staplerfahrer im Idealfall ans Werk gehen – und autonome Fahrzeuge soft- und hardwaretechnisch konzipiert sein! Daher legten die KAnIS-Forschenden einen Schwerpunkt ihrer Arbeit auf die Aspekte: Umgebungswahrnehmung und Interaktion mit anderen Verkehrsteilnehmern. Eine wichtige Rolle spielen hochentwickelte 3D-Laserscanner und HD-Kameras. Während sich Letztere besonders gut eignen, um etwa Farbinformationen aufzunehmen und Objekte mit Hilfe von KI-Algorithmen zu erkennen und zu klassifizieren, sind Laserscanner die Technik der Wahl bei der Ermittlung der Entfernung zu den klassifizierten Objekten. Ergebnis: Der Stapler weiß, was in seinem Umfeld geschieht, und kann situationsgerecht handeln.

Doch was, wenn sich zum Beispiel eine Person aus einem nicht einsehbaren Bereich plötzlich auf den Stapler zubewegt? Für solch kritische Situationen setzen die Forschenden einerseits auf das Thema Kooperation – frei nach dem Motto: „Ich sehe was, was du nicht siehst“. Hat ein anderer Stapler die Person erfasst, fließt diese Information per ultraschnellem (und im Rahmen des Projekts eigens aufgebauten) privaten 5G-Netz an einen Server, der sie wiederum an alle anderen Stapler weiterleitet. Und wenn kein zweiter Stapler in der Nähe ist? Auch hier haben Linde Material Handling und die TH AB vorgesorgt: in Gestalt stationärer 3D-Laserscanner, die an neuralgischen Punkten platziert werden und ihre Daten ebenfalls an den zentralen Server übermitteln.

Viel Forschungsarbeit für den Arbeitseinsatz

Natürlich gehört noch weit mehr dazu, um aus einem autonom fahrenden Stapler einen rundum verlässlichen, produktiven Logistikhelfer zu machen. So müssen Gegengewichtsstapler - als „Schweizer Taschenmesser“ unter den Flurförderzeugen – bekanntermaßen mit einer Vielzahl an Ladungsträgern zurechtkommen. Die Voraussetzung für deren Erkennung und Aufnahme schaffen die Projektbeteiligten durch die Installation einer verfahrbaren, zwischen den Gabelzinken montierten Kamera. Sie vermisst den jeweiligen Lastträger, damit die Zinken über den Seitenschieber entsprechend positioniert werden können. Stichwort Position: Während die Stapler sich in Indoor-Bereichen über Laserscanner lokalisieren, kommt bei Außeneinsätzen ein besonders exaktes Differential-GPS zum Einsatz. Ebenfalls im Lastenheft des Forschungsteams standen Themen wie vorausschauende Wartung, automatisches Lademanagement sowie Möglichkeiten zur automatischen Reinigung bodennaher Sensoren mittels Druckluft.

Vier autonome Stapler machen den Anfang

Von Projektbeginn an war für Linde und die TH AB klar: KAnIS sollte nicht nur theoretische Ergebnisse liefern, sondern einsatzfähige Prototypen. Konkret handelt es sich bei den aufgebauten Technologieträgern um vier Fahrzeuge auf Basis der Elektro-Gegengewichtstapler Linde E20, Linde E25 und Linde E30. Geplant ist, diese im Laufe des Jahres 2024 weiterzuentwickeln und die Praxistauglichkeit weiter zu verbessern, damit sie zukünftig unter Realbedingungen im Aschaffenburger Werk zum Einsatz kommen können.

Indoor wie Outdoor sollen die Hightech-Geräte dort beispielsweise Gitterboxen, palettierte Batterien oder Fahrzeugrahmen transportieren, dabei Steigungen von bis zu 8 Prozent absolvieren sowie mit anderen Personen und FTS-Systemen interagieren. Und: Sie werden Linde weitere wertvolle Erkenntnisse liefern, damit aus der anwendungsorientierten Forschung am Ende ein marktfähiges Produkt für die Kunden wird.

 

KAnIS - Eckdaten eines wegweisenden Projekts

Projektname

Kooperative Autonome Intralogistik Systeme

Laufzeit

1. März 2020 bis 31. Dezember 2023

Partner

Linde Material Handling und die Technische Hochschule Aschaffenburg

Projektvolumen

Rund 2,8 Millionen Euro Fördersumme im Rahmen des Programms “Informations- und Kommunikationstechnik” des Freistaats Bayern

Umsetzung

Vier Prototypen auf Basis der neuesten Generation elektrischer Gegengewichtsstapler Linde E20, Linde E25 und Linde E30.

Sonstiges

KI-basierter Laderoboter, privates 5G-Netz, Infrastruktursensorik, Differential-GPS mit eigener Basisstation (Global Positioning System). Cloud Computing via Edge-Server