Get best of the week

Der Lagerroboter lernt, nicht standardmäßige Dinge zu sortieren

In einem Lagerhaus in der Nähe von Berlin automatisiert ein neuer Roboter Aufgaben, die für Maschinen erst seit kurzem unzugänglich waren.




In einem Lagerhaus im Hinterhof Berlins rückte eine lange Reihe blauer Kisten mit Schaltern, Steckdosen und anderen Elektrogeräten entlang eines Förderbandes vor. Nachdem sie angehalten hatten, sortierten fünf Arbeiter diese kleinen Gegenstände aus und legten sie in Pappkartons aus.

Bei Obeta, einem Hersteller von Elektrogeräten, der 1901 eröffnet wurde, leisten Arbeiter seit Jahren diese monotone Arbeit.

Vor einigen Jahren trat jedoch ein neuer Mitarbeiter dem Team bei. Der Roboter hinter dem Schutzglas verwendet drei Vakuumsauger am Ende eines langen Arms und sortiert die Waren mit erstaunlicher Geschwindigkeit und Genauigkeit.

Sie werden vielleicht nicht beeindruckt sein, aber ein solcher Roboter, der Komponenten sortiert, ist ein großer Durchbruch in Bereichen wie KI und der menschlichen Arbeit, zu der Maschinen fähig sind.

Millionen von Waren passieren die Lager von Einzelhandelsgeschäften wie Amazon, Walmart usw., und ihre Niedriglohnarbeiter müssen Kisten für Kisten sichten, die alle möglichen Dinge enthalten - von Kleidung und Schuhen bis hin zu Elektronik -, damit jedes Produkt verpackt werden kann und wie angegeben senden. Und bis heute konnten Autos damit nicht umgehen.


Mehr als 80.000 solcher Kartons werden in einem Lagerhaus von Obeta in einem Berliner Vorort gelagert.

„Ich bin seit über 16 Jahren in der Logistik tätig und habe so etwas noch nie gesehen“, sagte Peter Pachwein, Vizepräsident des österreichischen Lagerautomationsunternehmens Knapp.

Die kalifornischen Ingenieure, die diesen Roboter hergestellt haben, haben die Umgebung auf Smartphones fotografiert und stehen neben dem Obeta-Lagerhaus. Sie haben mehr als zwei Jahre damit verbracht, das System bei ihrem Covariant.AI-Startup zu entwickeln, basierend auf früheren Forschungen der University of California in Berkeley.

Ihre Technologie zeigt, dass es in naher Zukunft nur sehr wenige Aufgaben in Lagern geben wird, die für Roboter zu unbedeutend oder schwierig sind. Und je mehr Aufgaben traditionell von Menschen ausgeführt werden, die Maschinen in Besitz nehmen, desto mehr gibt es Gründe, sich Sorgen zu machen, dass Lagerarbeiter aufgrund von Automatisierung ihren Arbeitsplatz verlieren.

Wirtschaftswissenschaftler glauben, dass aufgrund des rasanten Wachstums des Online-Handels - trotz der Tatsache, dass die meisten Unternehmen die neuesten Automatisierungstechnologien wahrscheinlich nicht sehr schnell beherrschen - all diese Technologien in naher Zukunft wahrscheinlich nicht zu einem starken Rückgang der Anzahl von Arbeitsplätzen in der Logistik führen werden. Die Ingenieure, die diese Technologien entwickeln, erkennen jedoch an, dass der Tag kommen wird, an dem Maschinen die meisten Aufgaben in den Lagern ausführen werden. Lebende Arbeiter müssen etwas anderes tun.

Covariant-Ingenieure sind auf einen Teilbereich der KI wie das verstärkte Lernen spezialisiert. Maschinen werden geschult, um neue Aufgaben durch eine Vielzahl von Versuchen und Irrtümern unabhängig auszuführen. Und der beste Ort, um sie zu unterrichten, ist die reale Welt.

"Wenn Sie die KI im Labor fördern möchten, können Sie dies nicht tun", sagte Peter Chen, Direktor und Mitbegründer von Covariant. "Es gibt eine große Lücke zwischen der idealen und der realen Welt."


Ein Fabrikarbeiter arbeitet mit einem Roboter. Bisher automatisiert der Roboter nur die Verpackungsstation.

Lager sind bereits hoch automatisiert. In diesem Lagerhaus in der Nähe von Berlin, in einem eingezäunten Raum, der größer als ein Fußballfeld ist, werden seit langem andere Roboter eingesetzt, um große Kisten aus hohen Regalen zu entfernen.

Diese Aufgabe für das Auto ist jedoch relativ einfach. Ingenieure können den Roboter so programmieren, dass er dieselbe Bewegung wiederholt. Alle Boxen sind gleich. Der Roboter kann sie jedes Mal ausführen, wenn er dieselbe Bewegung ausführt.

Das Sortieren von Körben mit zufälligen Gegenständen ist eine andere Sache. Ihre Form und Oberfläche variieren. Einige Schalter können verdeckt liegen, während andere umgekehrt sein können. Ein anderes Produkt kann in einer Plastiktüte verpackt werden, die das Licht so reflektiert, wie es der Roboter noch nie zuvor erlebt hat. Dies erforderte menschliche Beteiligung.

Es ist unmöglich, den Roboterarm so zu programmieren, dass er mit jeder Situation umgehen kann, indem viele Regeln in das Programm geschrieben werden. Seit vielen Jahren versuchen Knapp Pachwine und seine Partner, einen Roboter mit der richtigen Geschicklichkeit und Flexibilität zu entwickeln, und sind gescheitert.


Pachwain Knapp versucht seit vielen Jahren, einen Robotersortierer zu erfinden

Covariant hat in Zusammenarbeit mit Knapp ein Programm entwickelt, das durch Ausprobieren lernen kann. Zunächst wurde das System mithilfe einer digitalen Simulation einer Aufgabe trainiert - eines virtuell neu erstellten Korbs mit zufälligen Objekten. Als Chen und seine Kollegen das Programm auf einen Roboter übertrugen, war er in der Lage, Dinge in der realen Welt aufzunehmen.

Der Roboter kann weiter lernen, während er Dinge sortiert, die noch nie zuvor gesehen wurden. Laut Covariant kann ein Roboter aus einem deutschen Lager über 10.000 verschiedene Artikel mit einer Genauigkeit von 99% auswählen und sortieren.

Dies ist ein Zeichen für bedeutende Veränderungen in Bereichen wie Online-Handel und Logistik.

Ende letzten Jahres veranstaltete der internationale Roboterhersteller ABB einen Wettbewerb. Er lud 20 Unternehmen ein, Software für seine Robotermanipulatoren zu entwickeln, mit der zufällige Objekte von Würfeln bis zu Plastiktüten mit anderen Objekten sortiert werden können.


Roboter auf Schienen suchen nach der notwendigen Fracht, um sie zum Verpacken zu schicken.

Zehn Unternehmen kamen aus Europa und die andere Hälfte aus den USA. Die meisten und haben die Aufgabe nicht abgeschlossen. Einige waren in der Lage, fast alle Aufgaben zu erledigen, konnten aber die schlauesten Beispiele nicht bewältigen. Das einzige Unternehmen, das alle Aufgaben so schnell und effizient wie die Menschen bewältigen konnte, war Covariant.

"Wir haben versucht, Schwächen zu finden", sagte Mark Segura, Geschäftsführer der Serviceroboterabteilung bei ABB. "Das Erreichen eines bestimmten Niveaus in diesen Tests ist recht einfach, aber es ist sehr schwierig, keinen einzigen Schwachpunkt aufzuzeigen."

Knapp, der zur Implementierung des Systems in der Nähe von Berlin beigetragen hat, und ABB glauben, dass diese Technologie in anderen ähnlichen Lagern eingesetzt werden kann.

Ingenieure von Covariant glauben, dass ihre Roboter, die ständig üben, die Aufgaben besser bewältigen können. Während der Roboter in einem der Lagerhäuser bequemere Methoden zum Heben bestimmter Objekte lernt, gelangen diese Informationen in das von Covariant gesteuerte zentrale Gehirn, sodass die Maschinen noch besser arbeiten können.


Dirk Jandura, Geschäftsführer von Obeta, sagte, dass solche Unternehmen sehr aktiv an der Verbesserung der Effizienz beteiligt sind. Automatisierung ist der Schlüssel zur Abfallreduzierung.

Wie viele Lagerbetreiber hatte Obeta Probleme, Arbeiter zu finden, die eintönige Arbeit leisten wollen. Jeder Sortierer verarbeitet ungefähr 170 Bestellungen pro Stunde, ungefähr drei pro Minute und acht Stunden pro Tag. Im Sommer übersteigt die Temperatur im Lager 38 Grad. Es ist schwierig, Arbeitnehmer länger als sechs Monate zu halten.

Für Obeta ist der neue Roboter die perfekte Lösung. Die Arbeit von drei Personen wird von einem Roboter ausgeführt, der keine Müdigkeit kennt.

"Er geht nicht rauchen, ist immer gesund, plaudert nicht mit Nachbarn, macht keine Pausen auf der Toilette", sagte Zhandura. "Er ist effektiver."

Knapp erwägt auch Lagerprojekte, bei denen Roboter anstelle von Menschen arbeiten, was eine dichtere Platzierung von Paketen ermöglicht, die Roboter dann abholen.

"Neue Lager werden mit Blick auf KI-Roboter gebaut, nicht auf Menschen", sagte Pachwain.

Knapp will es Unternehmen schwer machen, sich zu weigern, Menschen durch Roboter zu ersetzen. Pachwain sagte, sie würden den Unternehmen den Betrag abnehmen, der immer unter dem Gehalt eines Arbeiters liegen würde. Wenn das Unternehmen dem Arbeiter 40.000 Dollar pro Jahr zahlt, wird Knapp 30.000 Dollar nehmen, sagte er.

"Wir gehen einfach runter", sagte er. - Dies ist unser Geschäftsmodell. Und es wird dem Kunden leicht fallen, eine Entscheidung zu treffen. “


Peter Chen und Peter Abbeel, Gründer von Covariant.AI

Beth Gutelius, die erste stellvertretende Direktorin des Zentrums für Stadtwirtschaftsentwicklung an der Universität von Illinois in Chicago, die die Auswirkungen der Automatisierung auf die Arbeit untersuchte, sagte, dass eine solche Technologie in naher Zukunft wahrscheinlich keine Veränderungen auf dem Arbeitsmarkt hervorrufen werde.

Sie sagte, dass ein ernsthafteres Problem darin bestehen würde, dass Menschen, die mit Robotern zusammenarbeiten, anders beurteilt werden. "Nachdem wir begonnen haben, die Geschwindigkeit und Effektivität von Menschen mit Robotern zu vergleichen, werden ganz neue Gesundheits- und Sicherheitsprobleme auftreten", sagte sie.

Peter Abbil, Professor aus Berkeley und Mitbegründer, Präsident und Chefwissenschaftler von Covariant, sagte, dass die Menschen in solchen Lagern weiterhin mit Maschinen zusammenarbeiten werden. Er räumte jedoch ein, dass sich der Arbeitsmarkt durch ein verbessertes maschinelles Lernen erheblich verändern wird.


Laden von Waggons in Obetas Lager in Deutschland

„Wenn dies in 50 Jahren geschieht, hat das Bildungssystem genügend Zeit, um sich über die Lage auf dem Arbeitsmarkt zu informieren “, sagte er.

In einem deutschen Lagerhaus sortiert eine Frau in einem weiten T-Shirt fleißig Waren in Kisten, blickt gelegentlich auf englischsprachige Besucher, macht Fotos vom Roboter und bewundert seine Wirksamkeit.

Ein Ingenieur aus Covariant trat an die Gruppe heran, um Informationen darüber auszutauschen, wie der Roboter in der letzten Stunde mehr als 200 Bestellungen ausgeführt hat. Wenn es sich um einen Menschen handeln würde, würde er einen Bonus erhalten.

More articles:


All Articles