Veranstaltungsprogramm

Bildverarbeitung und Computer Vision sind in Bereichen wie Sicherheit, Automobil und Industrie unerlässlich, insbesondere für Qualitätskontrolle und Prozessoptimierung. Zentrale Anwendungen umfassen die Re-Identifikation von Personen, sowie deren Detektion, Verfolgung und Zählung. Zum Einsatz kommen sowohl klassische Methoden (ISM, SIFT) als auch KI-basierte Algorithmen wie YOLO und Faster R-CNN. Fischaugenobjektive und die FRIDA-Datenbank unterstützen dabei. Der YOLO-Algorithmus wird speziell für die Personendetektion aus der Vogelperspektive verwendet. Im Projekt "Wildauer Smart Production" wird YOLO eingesetzt, um Personen automatisch zu erkennen. Zwei Kameras, ein Raspberry Pi und ein lokaler Rechner kommen zum Einsatz. YOLO detektiert und zählt Personen, Objektverfolgung misst Strecken und Abstände. Die Analyse ermöglicht Rückschlüsse auf Aufenthaltsdauer, optimiert Prozesse und identifiziert Wartungsbedarf. Auswertungen zeigen Prozesseffizienz, Interaktionen und Engstellen. Statistiken umfassen Laufgeschwindigkeit und Verweildauer. Ziel ist die Erstellung von Heatmaps für Laufwege und die Bereitstellung von Informationen für AR-Brillen. Tracking-Daten dienen der Prognose, Effizienzsteigerung und Verbesserung der Sicherheit.

Viele Hersteller unterstützen die SPS-Programmierer heute mit einem KI-Assistenten zur Erzeugung von Code im Strukturierten Text. Diese KI-Systeme auf Basis von Large Language Models (LLM) erleichtern dem Programmierer zwar die Arbeit, führen aber zu einer rein textbasierten Software, die für den Betreiber weitgehend unverständlich ist ähnlich wie der frühere maschinennahe Code der Anweisungsliste (AWL).

In dieser Arbeit wird untersucht, wie die KI trainiert und gepromptet werden muss, um einen Scriptcode zu generieren, der die SPS-Software mit grafischen Programmiersprachen (CFC, SFC) erzeugt und so die Anforderungen an Transparenz und Änderungsfreundlichkeit erfüllt. Der Scriptcode ist zwar auch sehr unverständlich, er erzeugt aber automatisch eine verständliche und transparente SPS-Software.

Außerdem wird untersucht, inwieweit es sinnvoll ist, neuronale Netze in der SPS selbst laufen zu lassen. Am Beispiel eines Wärmetauschers wird das Prozessverhalten durch ein neuronales Netz in der Cloud modelliert und eine Regelungsstrategie erlernt und getestet. Nach erfolgreichem Test werden die dabei ermittelten Gewichte und Biases im neuronalen Zwilling in der SPS verwendet, so dass sein Verhalten dem erlernten Verhalten entspricht. Somit entsteht ein vertrauenswürdiger und echtzeitfähiger neuronaler Regler in der SPS.

Anhand der beiden Use Cases wird diskutiert, wie die KI in die Ausbildung der Studierenden auf dem Gebiet SPS-Programmierung integriert werden kann.

Der Beitrag befasst sich mit der Integrierung der Ablaufsprache (Schrittkette, Sequential Function Chart) auf der Lab@Home Plattform. Dies beinhaltet den Aufbau von einem Front- und Backend integration auf dem Microcontroller und die daraus resultierenden Mehrwerte für die Automatisierung und die Lehre.

Das Projekt beschreibt ein automatisiertes System zur großflächigen Probenanalyse mit frequency-domain fluorescence lifetime imaging microscopy (FD-FLIM), um Kunststoffe anhand ihrer Fluoreszenzlebensdauer zu identifizieren. Eine FLIM-Kamera wurde mit einem dreiachsigen Portalroboter kombiniert und wird durch Python-Software gesteuert. Zwei Klassen übernehmen dabei die Kamerasteuerung und die Roboterbewegung. Tests mit Millimeterpapier, einem Gittermuster und einer Holzprobe bestätigten die Funktionalität. Einschränkungen bestehen in der Positionsgenauigkeit des Roboters (1 mm). Zukünftig sind Bildstitching, höhere Genauigkeit und automatisierte Datenauswertung vorgesehen.

In den vergangenen Jahren haben sich die Autoren mit der Integration von Industrierobotern, speziell in industriellen Produktionsanlagen, und den verschiedenen Automatisierungskonzepten intensiv beschäftigt. Des Weiteren entwickelten sie Lösungen zur manuellen und kollisionsfreien Telemanipulation von Industrierobotern basierend auf einem digitalen Zwilling.

In diesem Beitrag folgt die konsequente Weiterentwicklung zur „Robotics Engineering Toolbox“ (RET). RET ist eine weitestgehend plattformunabhängige Software, die vor allem mittelständische Maschinenbaufirmen bei der Projektierung, Programmierung und Inbetriebnahme von Industrierobotern unterstützen soll, ohne dass hierbei eine spezielle Expertise im Bereich der Robotik notwendig ist. Im Gegensatz zu existierenden Lösungen, z. B. die leistungsfähige Simulationssoftware RoboDK, konzentriert sich RET auf Robotersysteme, die ihre zyklischen Achs-Sollwerte direkt von einer klassischen SPS oder Soft-SPS (IPC) erhalten. Es lassen sich damit beispielsweise Industrieroboter von den Firmen autonox Robotics oder Stäubli (mit uniVAL drive) vollständig synchronisiert in das Automatisierungskonzept einer Produktionsmaschine integrieren. Mithilfe von elektrischen Kurvenscheiben kann die Synchronität des Industrieroboters zu sämtlichen weiteren Servoantrieben innerhalb der Produktionsmaschine gewährleistet werden.

A concept for a hybrid kinematic structure for an industrial robot has already been developed. Based on this kinematic structure, the robot is well-suited for high-dynamic Schoenflies motions. Starting from this structure, a manipulator and a robot control system are to be realized. The development of such mechatronic systems is highly complex, as it involves considering various physical and mathematical aspects. Therefore, a holistic model-based design method is created to provide support in the design of mechatronic components, the development of control software, and mathematical algorithms. The detailed model-based design approach is discussed in this publication.

Im Mittelpunkt der Untersuchungen stehen autonome Segways (two wheeled robots), deren dynamisches Verhalten in der Lehre theoretisch und praktisch untersucht wird.

Für einen Reglerentwurf wurde ein linearisiertes Modell des Segways entworfen. Während in der Simulation ein Balancieren des Segways exakt an einem Arbeitspunkt erreicht wird, zeigt sich bei der praktischen Ausführung ein periodisches Oszillieren um einen Arbeitspunkt herum. Die Ursache dafür sind in Nichtlinearitäten zu suchen, wie beispielsweise die Haftreibung des antreibenden Motors.

Im Modell des Segways wurde die DGL, die das Motorverhalten repräsentiert, durch ein Künstliches Neuronales Netzwerk (KNN) ersetzt. Dieses wurde in einem ersten Schritt mit synthetisch erzeugten Trainingsdaten trainiert. Dabei wurde die Struktur des KNN soweit angepasst, bis das Modell aus Motor-KNN und Segway-DGL in der Simulation stabil geregelt werden konnte.

In einem 2. Schritt wurde das KNN mit einer begrenzten Menge an messtechnisch erfassten Trainingsdaten nachtrainiert. Im Ergebnis lässt sich beim Modell ein ähnliches oszillierendes Verhalten beobachten, wie es der praktische Segway beim Balancieren zeigt.

The approach leverages adaptive multi-sensor systems—including optical, thermographic, and spectroscopic methods—for real-time process monitoring under harsh conditions with dust and vapors. Through miniaturisation, synchronization, and deep learning-based image processing, deviations during the build can be detected early and corrected adaptively. Unlike conventional post-process diagnostics, FASER enables proactive and intelligent process control, merging classical automation with artificial intelligence for robust, autonomous production. Enhanced market-standard equipment, such as One Click Metal’s MPrint and MPure, supports this development at the Technical University of Wildau. The project exemplifies Smart Production in additive manufacturing, offering SMEs practical, cost-effective solutions for process monitoring and control. Alongside its technological advances, FASER integrates its findings into academic teaching, ensuring future professionals gain expertise in automation, AI, and process optimisation. With its combination of robust sensor technologies, intelligent data processing, and adaptive control strategies, FASER pushes additive manufacturing toward higher precision, reliability, and resource efficiency.

Selective Laser Melting (SLM) is a key technology in metal additive manufacturing, but most commercial systems limit process control through closed hardware and software. This work presents a new G-code handler that creates a direct machine connection via an undocumented network protocol, enabling real-time, layer-by-layer process parameter changes. By preprocessing and segmenting G-code commands, researchers can dynamically alter print parameters, study their impact on part quality, and conduct experiment-driven builds without hardware modification. The method allows controlled process variation and live command execution for teaching purposes, making advanced process control possible in otherwise closed SLM environments. This approach expands research and educational opportunities in SLM by bypassing proprietary restrictions and enabling new modes of experiment and instruction.

In diesem Beitrag wird ein Kursprogramm vorgestellt, welches in der Lehre eingesetzt wird, um Interessierten das Thema des Metall-3D-Drucks, explizit das SLM-Verfahren, näherzubringen. Der Ansatz, dieses überaus komplexe Thema zu vermitteln, soll hierbei mit der neuen Technologie der „Extended Reality“ (xR) kombiniert und durch das Eintauchen in eine virtuelle / erweiterte Realität verbessert werden. Die Wissensvermittlung über diesen speziellen, immersiven 3D-Raum spricht dabei nicht nur verschiedene Lerntypen an, sondern unterstützt die visuelle Wissensvermittlung durch einen spielerischen Ansatz, der die Motivation am Lernen zusätzlich steigert.

Die Arbeit adressiert die Modularisierung des patentierten Hybrid Traction Assistance (HTA)-Systems von SYDE zur Unterstützung in Zug-/Druckanwendungen. Ein Demonstrator auf Basis des ESP32-S3-Hypatia-Boards erfasst Kräfte über einen Zug-/Druckstab mit Dehnungsmessstreifen in Wheatstone-Brücke, digitalisiert mittels HX711 (ADC/PGA) und verarbeitet sie mit gleitendem Mittelwertfilter und PD-Regler. Parametrierung und Visualisierung erfolgen über ein WLAN-Dashboard; Stellgrößen werden an einen H-Brücken-Motortreiber ausgegeben. Ziel ist die Einhaltung vorgegebener Kraft- und Geschwindigkeitsgrenzen. Ausblick: sicherheitsgerichtete Weiterentwicklung, verbesserte Sensorkalibrierung und Transfer auf Hubwagen sowie weitere mobile Systeme. Die Umsetzbarkeit des Moduls wird evaluiert.

Das Paper vergleicht die pneumatische und elektrische Antriebstechnologie für die Fabrikautomatisierung, um Konstrukteuren bei der Bewertung und Auswahl zu helfen. Dabei werden die jeweiligen Stärken und Schwächen beider Technologien anhand wichtiger Entscheidungskriterien erläutert (z.B. Dynamik, Kraft, Einfachheit, Kosten, Energieeffizienz, Nachhaltigkeit). Danach wird auf einzelne Branchen und deren spezielle Anforderungen eingegangen (Automobil, ELA, Lebensmittel und Verpackung, …). In der Schlussfolgerung des Vergleichs wird keine der beiden Technologien als grundsätzlich besser bewertet, sondern „Es kommt auf die Anwendung an“.

In dieser Arbeit wird die Entwicklung und Validierung eines KI-gestützten Systems vorgestellt, das Partikelströme aus geschredderten 18650-Lithium-Ionen-Batterien in Echtzeit detektiert, klassifiziert und trennt. Durch die gezielte Anpassung von Zerkleinerungsparametern werden Partikelfraktionen erzeugt, die sich besonders für die Rückgewinnung der Aktivmaterialien eignen. Die Detektion und Klassifikation erfolgt mittels moderner Deep-Learning-Ansätze (YOLOv11, ResNet101), die Klassifikation wird mit einem zusätzlichen Multispektralsensor unterstützt. Die gezielte Ausschleusung der Partikel aus dem Förderprozess erfolgt über ein pneumatisches System.