Humanoide Roboter : Warum Nvidia für Semperits Roboterpläne wichtig wird
Humanoider Roboter im Test beim Kautschukhersteller Semperit: Muss die Nvidia-basierte Edge-Computing-Infrastruktur im eigenen Haus stehen oder kann sie mit Partnern geteilt werden?
- © SemperitAktive Mitgliedschaft erforderlich
Das PRIME Digital-Jahresabo gewährt Ihnen exklusive Vorteile. Jetzt PRIME-Mitglied werden!
Sie haben bereits eine PRIME Mitgliedschaft?
Bitte melden Sie sich hier an.
Wenn Andreas Raml über humanoide Roboter spricht, geht es ihm nicht um die bekannten Videos aus dem Netz. Nicht um Maschinen, die tanzen, springen oder als technologische Machtdemonstration über Messebühnen laufen. Der Director Group IT von Semperit interessiert sich für einen deutlich nüchterneren Einsatzfall: körperlich belastende Tätigkeiten in der industriellen Produktion, die schwer zu automatisieren sind und für die Unternehmen immer schwieriger Personal finden.
Humanoide Roboter: Europas letzte Chance?
Bei Semperit läuft dazu ein Projekt, das noch nicht als großflächige Einführung zu verstehen ist, wohl aber als ernsthafter Versuch, die Technologie auf konkrete Anwendungen am Shopfloor zu bringen. Raml beschreibt das Vorhaben als schrittweisen Aufbau von Fähigkeiten: zuerst einfache Handgriffe, dann komplexere Abläufe, am Ende möglicherweise Tätigkeiten, die bisher menschliche Flexibilität erfordern.
Nie mehr die wichtigsten News aus Österreichs Industrie verpassen? Abonnieren Sie unser Daily Briefing: Was in der Industrie wichtig wird. Täglich um 7 Uhr in ihrer Inbox. Hier geht’s zur Anmeldung!
„Es geht um konkrete Anwendungsfälle, wo wir humanoide Roboter am Shopfloor einsetzen wollen“, sagt Raml. Der Ausgangspunkt sei nicht die Faszination an der Technologie allein, sondern eine sehr praktische Frage: Welche Tätigkeiten in bestehenden Fabriken sind so gestaltet, dass klassische Automatisierung nur schwer oder teuer greift - und wo könnte ein neuartiger Roboter einen Nutzen bringen?
Wo klassische Automatisierung an Grenzen stößt
Raml verweist auf eine Grundstruktur vieler bestehender Produktionsumgebungen. Fabriken seien über Jahrzehnte um Menschen herum gebaut worden. Arbeitsplätze, Wege, Maschinenzugänge und Handgriffe seien nicht zwingend so standardisiert, wie es klassische Industrierobotik verlangen würde. Gerade dort, wo Platz fehlt, wo Tätigkeiten auf engem Raum stattfinden oder wo die Umgebung nicht vollständig reproduzierbar ist, steigt der Aufwand für konventionelle Automatisierung.
Ein Beispiel aus dem Semperit-Umfeld betrifft die Produktion von Hydraulikschläuchen. Dabei werden Schläuche mit Drahtgeflechten verstärkt. In entsprechende Webmaschinen müssen Spindeln eingesetzt werden. Diese Spindeln wiegen laut Raml rund 15 bis 18 Kilo. Die Tätigkeit erfordert Genauigkeit, findet auf engem Raum statt und ist körperlich belastend. Mit Kranunterstützung sei sie machbar, angenehm sei sie nicht.
Ein weiterer Anwendungsfall betrifft Mischanlagen. Dort werden Industriekautschuk und Chemikalien in Prozesse eingebracht, abgewogen und weitertransportiert. Es sei laut Raml warm und körperlich anstrengend. „Es ist einfach nicht schön, dort zu arbeiten“, sagt er.
Semperit sucht also den Roboter als Ersatz für jene Bereiche, in denen die Kombination aus körperlicher Belastung, Arbeitsumgebung und Personalsuche schwierig ist.
Der Begriff „humanoider Roboter“ ist für Raml nur bedingt präzise. Entscheidend sei nicht, ob eine Maschine zwingend zwei Beine habe. Wichtiger sei die Fähigkeit, sich in einer nicht vollständig standardisierten Umgebung zurechtzufinden und Entscheidungen zu treffen. Raml spricht daher lieber von polyfunktionalen Robotern
- © SemperitDer Roboter als lernendes System
Der Begriff „humanoider Roboter“ ist für Raml nur bedingt präzise. Entscheidend sei nicht, ob eine Maschine zwingend zwei Beine habe. Wichtiger sei die Fähigkeit, sich in einer nicht vollständig standardisierten Umgebung zurechtzufinden und Entscheidungen zu treffen. Raml spricht daher lieber von polyfunktionalen Robotern.
Der Unterschied zur klassischen Automatisierung liegt für ihn im Umgang mit Abweichungen. Eine Spindel komme in der Maschine nicht immer an derselben Stelle zum Stehen. Der Roboter müsse erkennen, wo das nächste Teil einzusetzen ist, es greifen, den Draht nehmen und einfädeln. Solche Abläufe seien mit klassischer Automatisierung grundsätzlich lösbar - allerdings nur, wenn die Umgebung stark standardisiert werde. Genau das sei in bestehenden Produktionsumgebungen häufig nicht gegeben.
Der Projektansatz bei Semperit sieht deshalb eine Staffelung der Aufgaben vor. Der Roboter soll nicht sofort an die komplexeste Tätigkeit herangeführt werden. Zunächst geht es um einfachere Schritte, etwa das Handling einer Spindel und das Einsetzen in eine Art Reinigungsanlage. Wenn dieses Grundhandling funktioniert, können darauf weitere Schritte aufbauen.
Die Hardware allein sei dabei nicht der entscheidende Kostentreiber, sagt Raml. Einfache Roboterplattformen seien vergleichsweise erschwinglich, Modelle mit höherer Tragfähigkeit könnten teurer sein, aber der eigentliche Aufwand liege im Training der künstlichen Intelligenz.
Warum Nvidia zum Investitionsthema wird
An dieser Stelle kommt Nvidia ins Spiel. Raml beschreibt Nvidia als zentralen Technologielieferanten für die KI- und Trainingsumgebung solcher Systeme. „Das Gehirn an sich ist in der Regel von Nvidia“, sagt er. Nvidia sei aus seiner Sicht der Goldstandard bei KI-Lernalgorithmen.
Der Lernprozess beginnt laut Raml nicht mit hunderttausenden realen Wiederholungen, sondern mit einer Kombination aus Demonstration und Simulation. Ein Mensch führt die Bewegung mit dem Roboter wiederholt aus – etwa das Greifen einer Spindel und das Aufstecken auf eine Metallsäule. Raml spricht von 200 bis 300 Wiederholungen als Basis. Danach könne der Roboter die Tätigkeit in Simulation weitertrainieren. Experte sagen dazu, der Roboter „träume“ die Bewegung weiter.
Genau dafür braucht es Rechenleistung. Der Roboter lernt nicht nur eine Bewegung, sondern Varianten derselben Bewegung in unterschiedlichen Situationen. Je komplexer der Use Case, desto höher der Bedarf an Simulation und Rechenleistung. Für ein ernsthaftes Setup nennt Raml eine Größenordnung von rund einer halben Million Euro für die notwendige Hardware. Gemeint ist die die Recheninfrastruktur, mit der Modelle trainiert werden.
Für Semperit stellt sich damit eine strategische Frage: Muss diese Nvidia-basierte Edge-Computing-Infrastruktur im eigenen Haus stehen? Oder kann sie mit Partnern geteilt werden? Die Intellectual Property jedenfalls liege im trainierten Modell für die konkrete Produktionsumgebung. Das Edge-Computing selbst wäre aus seiner Sicht "mit Partnern teilbar".
Der Wunsch nach geteiltem Risiko
Raml spricht davon, dass die Anfangsinvestition für Mittelständler eine Hürde ist. Semperit versucht deshalb, sich mit anderen Unternehmen zusammenzuschließen. Gesucht wäre ein Modell, bei dem die teure Rechenleistung gemeinsam genutzt werden kann, während jedes Unternehmen seine eigenen Trainingsdaten und Modelle behält.
Der Partner Neoalp aus Wien ist laut Raml vor allem Enabler und Unterstützer beim Aufbau von Trainingsdaten. Das Ziel von Semperit ist jedoch, das entsprechende Know-how mittelfristig intern aufzubauen. Neoalp soll beim Technologietransfer helfen, nicht zwingend jede weitere Anwendung entwickeln müssen. Skalierbarkeit ist eine Voraussetzung dafür, dass sich die Investition überhaupt rechnet. Ein einzelner Roboter oder ein einzelner Handgriff würde den Aufwand kaum rechtfertigen.
Zwischen Innovationsdruck und Investitionsdisziplin
Der Anstoß für das Projekt kam laut Raml aus zwei Richtungen. Einerseits hätten ihn die Videos leistungsfähiger Roboter beeindruckt - nicht wegen ihres Showcharakters, sondern weil sie zeigten, dass komplexe Bewegungen technisch trainierbar sind. Andererseits gebe es in den Gesprächen mit Werksleitern immer wieder die Rückmeldung, dass für bestimmte Tätigkeiten kaum noch Personal zu finden sei.
Vor rund einem halben Jahr stellte Raml die Projektidee auf einer Leadership-Konferenz im Unternehmen vor. Seine Erwartung sei gewesen, dass die Idee als technologische Spinnerei der IT abgetan werde. Das Gegenteil sei passiert: Mehrere Standorte hätten Interesse signalisiert, die Technologie bei sich zu testen. Die Rückendeckung vom Vorstand im Unternehmen ist nach Ramls Darstellung vorhanden. Gleichzeitig ist die eigentliche Hauptinvestition noch Gegenstand interner Diskussionen. Das Projekt sei in Meilensteine gegliedert, die jeweils mit größeren Investitionsentscheidungen verbunden sind. Nun gehe es darum, „wirklich Geld in die Hand zu nehmen“.
Für den Return on Investment nennt Raml interne Berechnungen mit unterschiedlichen Szenarien. Konservativ gerechnet liege die Amortisation bei fünf bis sechs Jahren. Weniger konservativ könne sie bei zwei bis zweieinhalb Jahren liegen.
Die zentrale Frage lautet daher: jetzt investieren, um früh Know-how aufzubauen – oder noch zwei bis drei Jahre warten, bis Modelle, Hardware und Anbieter reifer sind? Raml selbst tendiert zum frühen Einstieg. „Ich bin nach wie vor davon überzeugt, dass jetzt der richtige Zeitpunkt ist“, sagt er. Gleichzeitig verweist er auf die Notwendigkeit, Investitionen sorgfältig zu prüfen.