Veranstaltungsprogramm

In den letzten Jahren hat sich der Trend zu sinkenden Stückzahlen und hoher Variantenzahl verstärkt und zu einem Umdenken in der Gestaltung hybrider Arbeitsplätze geführt. In so genannten Mensch-Roboter-Kollaborationen (MRK) werden Mitarbeitende durch Roboter von Routinetätigkeiten, wie z.B. dem Bauteilhandling, entlastet. Bei der Gestaltung dieser MRK-Applikationen spielen neben den Manipulatoren neue Effektoren eine zentrale Rolle. Bauteilspezifische und allgemeine Anforderungen (z. B. Präzision, Flexibilität, Sicherheit) führen in Kombination zu komplexen Greiferkonzepten. An der Technischen Hochschule Rosenheim wurde ein bestehender Technologieansatz weiterentwickelt, um ein flexibles und sicheres Greifen zu realisieren. Ein besonderer Fokus liegt auf der experimentellen Verifizierung von Genauigkeitsparametern für den Einsatz in der Montage feinwerktechnischer Geräte.

Eine Vielzahl von Fertigungsprozessen im industriellen Umfeld erfordern manuelle – meist handwerkliche - Tätigkeiten, die derzeit noch nicht von Industrierobotern oder kollaborativen Robotern (CoBots) durchgeführt werden können. Handwerkliche Arbeitsschritte wie z.B. das Schleifen sind stark durch die Erfahrung menschlicher Fachkräfte geprägt.

Die hier vorgestellte Methode kombiniert ein markerbasiertes Motion Capturing System mit einem Verfahren zur Bewegungsmodellierung auf Basis von „Dynamic Movement Primitives“ (DMPs). Dazu werden typische Arbeitsabläufe von Fachkräften aufgezeichnet, indem Werkzeuge, wie Feilen oder Schleifmaschinen, mit reflektierenden Markern ausgestattet und ihre Trajektorien im dreidimensionalen Raum hochauflösend erfasst werden. Aus diesen Daten werden die charakteristischen Kennwerte nach VDI 2143 berechnet und beurteilt. Anschließend wird die Bewegung mit Hilfe von DMPs optimiert und in eine Form gebracht, die für kollaborative Roboter nutzbar ist

This work presents a hybrid planning approach for autonomous car racing that integrates pre-trained Soft Actor-Critic (SAC) agents into a local iterative planning and control framework. Unlike end-to-end control, the proposed architecture embeds SAC agents with the environment simulation in a prediction-based loop to generate reference trajectories for the ego vehicle. These trajectories are then executed by a robust motion controller, which compensates for actuation deadtime. Training is organized through a three-stage curriculum: fast driving without collisions, overtaking stationary cars, and overtaking moving opponents. This progressive strategy enables safe and adaptive skill acquisition in competitive scenarios. The method is evaluated on a 1:76 scale racing setup, Mini-Auto-Drive MAD76, with up to four cars, where it is tested for lap time and its ability to perform efficient overtaking maneuvers. Safety analysis reveals a crash-free reliability of 98.74% across more than 60,000 maneuvers. Results demonstrate that the hybrid design combines the adaptability of reinforcement learning with the robustness of classical control, making it suitable not only for autonomous car racing but also for broader multi-agent robotics tasks such as warehouse navigation. It is indented to implement the system on an embedded platform by model-driven software engineering, to verify its real-time capabilities.

With rising product variety, shorter life cycles, and small-batch demands, companies—especially in high-wage countries—face significant economic challenges. The Smart Factory Grid (SFG) vision addresses these by decoupling production facilities from rigid material flow systems, enabling dynamic, service-based manufacturing. Within the German Research Foundation’s “Smart Factory Grids” initiative, Esslingen University investigates adaptive control of material flows using Unmanned Aerial Vehicles (UAV). These complex mechatronic systems, providing high agility and responsiveness compared to traditional ground-based intralogistics.

The paper proposes a three-subsystem solution for multi-criteria process optimization (balancing cost, time, and energy) and UAV-based transport. The "Order Assignment" subsystem decomposes production orders into steps and determines optimal resource allocation using evolutionary algorithms and AI methods like reinforcement learning. The "Route Allocation" subsystem manages UAV navigation by dividing airspace into layers for conflict-free flight planning. Finally, the "Path Planning" subsystem ensures efficient, safe, and adaptive flight routes using a combination of snap-based optimization and model predictive control, with digital twins providing real-time system feedback.

The approach highlights UAVs as a promising supplement to conventional logistics, enabling resilient, efficient, and highly flexible material flows in future smart factories.

Diese Studie validiert einen recheneffizienten digitalen Zwilling für Schwerlast-Planetengetriebe durch direkten Vergleich von Simulationsergebnissen mit experimentellen Prüfstandsdaten. Der in MATLAB/Simulink/Simscape entwickelte Zwilling modelliert die dynamischen Interaktionen der Getriebekomponenten und integriert Fehlermodelle für Zahnradverschleiß und Lagerschäden. Mittels FFT-Analyse werden simulierte Schwingungsdaten mit realen Messdaten verglichen, wobei der Fokus auf charakteristischen Frequenzen wie der Zahneingriffsfrequenz (GMF) unter verschiedenen Fehlerzuständen liegt. Die Ergebnisse zeigen eine hohe Korrelation zwischen simulierten und realen Schwingungsspektren, was die Genauigkeit des Modells bestätigt. Mit einer bis zu 10-fach höheren Berechnungsgeschwindigkeit im Vergleich zu FEM-Simulationen erweist sich der validierte digitale Zwilling als leistungsfähiges Werkzeug für Echtzeit-Zustands-überwachung und vorausschauende Wartung.

Komplexe Systeme können so modelliert werden, dass sie sowohl effiziente Simulation als auch Codegenerierung für Algorithmen auf einer Zielhardware ermöglichen. Als komplexes System wird hier die Kombination aus einem physikalischen Teil, einem FPGA, einer CPU und eines Host-PCs angenommen. Typischerweise geht eine effiziente Simulation mit der Vereinfachung der physikalischen Realität einher, wobei reale Effekte angenähert werden, was zu einem Genauigkeitsverlust führt. Es ist daher notwendig, dass in einer Gesamtsystemsimulation für jedes Teilmodell passende Modellierungsverfahren und Solver ausgewählt werden. Da sich die Verfahren und Datenraten zum Teil erheblich unterscheiden, kommt den Schnittstellen zwischen den Teilmodellen eine besondere Bedeutung zu. Eine hocheffiziente Modellierung wird am Beispiel eines geregelten Servoantriebs gezeigt und führt zu einer um Größenordnungen schnelleren Simulation. Das Beispiel dient als Prototyp eines komplexen Systems und wird in der finalen Ausarbeitung auf allgemeine mechatronische Systeme ausgeweitet.

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.

Die digitale Transformation und die zunehmende Diffusion Künstlicher Intelligenz (KI) bieten kleinen und mittleren Unternehmen (KMU) vielfältige Chancen und Potenziale, stellen diese jedoch gleichzei-tig vor komplexe Herausforderungen. Einerseits ermöglicht der Einsatz von KI-Technologien, etab-lierte Wertschöpfungspotenziale auszubauen, indem wiederkehrende Aufgaben und Entscheidungs-prozesse automatisiert und verkürzt, Ressourceneinsätze optimiert und Effizienzgewinne realisiert werden können. Gleichzeitig können KI-Anwendungen entscheidend zur Entwicklung neuer Produkte, Geschäftsmodelle sowie zur Erschließung neuer Märkte beitragen.

Andererseits erfordert die Nutzung Künstlicher Intelligenz erhebliche Investitionen in den Aufbau von Fachexpertise, Entwicklungs- und Testumgebungen sowie personelle und infrastrukturelle Kapazitäten für die Aufbereitung von Daten und die Verfügung über leistungsfähige IT Systeme. Um diesen strukturellen Defiziten seitens der KMU zu begegnen, können KI-Kooperationen , d.h. Zusammenschlüsse im Feld der Anwendung von Künstlicher Intelligenz ein strategisches Instrument darstellen, um den Zugang zu entsprechenden Ressourcen oder das Pooling von Ressourcen zu ermöglichen und damit das Potenzial von Künstlicher Intelligenz für die Unternehmen zu heben. Kooperationen heben hier ein neues Potenzial und müssen neu gestaltet werden. Ein Ansatz hierzu wird besprochen.

Das Poster beschreibt den Aufbau eines Experiments im Regelungstechnik-Labor. Die Regelstrecke wurde an der Hochschule mit Lowcost Hardware und eigener Software erstellt und verfügt über eine echtzeitnahe Schnittstelle zu Matlab. Ein Joystick erlaubt einen "manuellen Modus", so dass die Studierenden den "Menschen als Regler" mit der Automatisierungslösung vergleichen können.

Nach den Vorgaben der Präventiven Konservierung erfordert der Schutz von Kulturgütern in historischen Gebäuden stabile Raumklimabedingungen. Besonders Temperatur und relative Luftfeuchtigkeit unterliegen strengen Grenzwerten und Änderungsraten. Zur Entwicklung geeigneter modellprädiktiver Regelstrategien sind Wärme- und Feuchteübertragungsmodelle notwendig. Da physikalische Modellierungen aufgrund zahlreicher Unsicherheiten – etwa unbekannte Baustoffe und Wandkonstruktionen – kaum praktikabel sind, sind datengetriebene Modellierungsansätze unerlässlich. Der Beitrag stellt mehrjährige Erfahrungen zur Sammlung geeigneter Messdaten vor. Im Fokus stehen Herausforderungen bei der Durchführung von Raumklimamessungen sowie praxisnahe Empfehlungen und Hinweise für die Messdatenerhebung.

Die vorliegende Arbeit präsentiert ein redundantes System, das Vitalparameter als Schnittstelle zwischen physischen Entitäten und virtuellen Repräsentationen in Unity verbindet. Die Echtzeiterfassung physiologischer Parameter wie der Herzfrequenz (EKG), der Hautleitwert (EDA) oder der Muskelaktivität (EMG) ermöglicht die Übertragung der jeweiligen physiologischen Zustände in virtuelle Modelle. Diese neuartige Form der Interaktion zwischen Mensch und Maschine eröffnet ein breites Spektrum an Anwendungsmöglichkeiten. Der präsentierte Ansatz gewährleistet durch redundante Signalverarbeitung eine robuste Kommunikation zwischen physischer und virtueller Ebene und erweitert die Möglichkeiten von Digitalen Zwillingen um eine physiologisch Dimension als Beschreibungselement für sozio-kognitive Entitäten.

In einer Laboranlage wird flexible Fertigung und die Vorteile von Industrie 4.0 für Studierende greifbar gemacht. Die Anlage umfasst alle Ebenen der Automatisierungspyramide und wird in verschiedenen Lehrveranstaltungen verwendet.

Die Module der Anlage bestehen aus Fischertechnik-Teilen, industriellen Sensoren und SPS von Beckhoff. Die Module können beliebig kombiniert werden und für verschiedene Aufgaben konfiguriert werden. Die übergeordnete Koordination erfolgt durch das Leitsystem "Industrial Application Server" von AvevA.

This thesis evaluates the ability of GPT-4o to autonomously generate Structured Text code for programmable logic controllers (PLCs) as defined in IEC 61131-3. Unlike earlier studies that used feedback or fine-tuning, it isolates raw model performance. Three automation scenarios of rising complexity were tested: a conveyor controller, a package sorting system, and a palletizer. Each was defined by ISO 5807 flowcharts, which GPT-4o translated into code under three temperature settings, producing 900 samples. Programs were compiled in Beckhoff’s TwinCAT environment and tested in simulation. Results show temperature strongly affects reliability: deterministic outputs (0.0) compiled most consistently, while higher values caused variability and errors. Scenario complexity also mattered: the sorting task performed best with a 94% compilation rate and near-perfect pass@3 and pass@5 scores, while the palletizer highlighted key weaknesses, logical errors, poor structuring, and variable scope issues. Code for simple tasks was concise and readable, but complex tasks led to redundancy and mistakes. GPT-4o reliably handled global variables but struggled with local ones. Overall, the model can generate correct code for simple to moderate tasks in low-randomness settings, showing promise for accelerating engineering workflows. Yet it fails to scale to sophisticated systems requiring synchronization and stateful logic, underscoring the need for human oversight and further research.

Fahrerassistenzsysteme und autonome Fahrfunktionen sind zentrale Bestandteile moderner Fahrzeuge, da sie Sicherheit, Effizienz und Komfort erhöhen. Virtuelle Simulationen ermöglichen eine effiziente und sichere Entwicklung, indem Fahrzeuge, Sensorik und Verkehrsumgebung realitätsnah abgebildet werden. In dieser Arbeit wird ein Simulationsmodell des VW e-Crafter vorgestellt, das einen vollständigen autonomen Fahrstack integriert, ein-schließlich Lokalisierung, Perzeption mittels Kamera- und Lidarfusion, Trajektorien Planung sowie Highlevel-Sicherheitsmodul. Das System wurde auf Basis der Open-Source-Plattformen ROS und Gazebo realisiert. Dynamische Parametrisierung erlaubt flexible Anpassung an unterschiedliche Szenarien. Die Ergebnisse zeigen, dass die Simulation eine realistische Abbildung des Fahrzeugverhaltens erlaubt und die virtuelle Validierung autonomer Funktionen effizient gestaltet.

Aufbauend auf dem auf der AALE 2025 vorgestellten Beitrag „Entwicklung eines robotergestützten Systems zur standardisierten Applikation von Hautpflegeprodukten“ adressiert die vorliegende Arbeit die Weiterentwicklung mit Fokus auf die experimentelle Machbarkeitsbewertung von Applikation und Eincremeverhalten. Kern ist ein kollaborativer Roboter mit präziser Kraftregelung und Echtzeit-Bildverarbeitung (Intel RealSense D435i). Zwei spezialisierte Endeffektoren übernehmen Dosieren und Verteilen; beide modular, hygienegerecht und als Schnellwechsel-Werkzeuge ausgeführt, um Rüstzeiten zu minimieren. Die Machbarkeitsstudie untersucht die Dosiervalidierung hinsichtlich Abgabegenauigkeit und Reproduzierbarkeit über Mehrfachzyklen und unterschiedliche Produkteigenschaften sowie das Eincremeverhalten unter geschlossener Kraftregelung zur Begrenzung des Flächendrucks und zur Sicherstellung einer gleichmäßigen Verteilung, inklusive robuster Trajektorienführung und Übergängen an Arealgrenzen. Ergänzend kommen kamerabasierte Arealsegmentierung und Abdeckungskontrolle auf Basis von RGB-D-Daten zum Einsatz, um Hand-/Armpositionen zuverlässig zu erkennen und Abdeckungsfeedback in Echtzeit zu generieren. Erste Ergebnisse zeigen eine vergleichbare Produktabgabe der Applikationseinheit zur Eppendorf-Pipette M4 sowie eine hohe Präzision der Flächenabdeckung der Verteilungseinheit.

Diese Arbeit beschreibt eine Lösungsmethodik, um Daten verschiedener Hersteller und Systeme in der klassischen Automatisierungspyramide miteinander zu teilen. Versuchsanlage ist die Modellfertigungsanlage von Festo Didactic am Campus Velbert/Heiligenhaus. Der Ansatz verfolgt eine Modellierung über die ISA95 und eine Umsetzung dieser Modellierung über die OPC UA Companion Specification der ISA95. Zentral bei dem Konzept ist die Implementierung eines aggregierenden OPC-UA-Servers in Python, der lokal im Labor auf einem Ubuntu-Server läuft. Der aggregierende Server stellt zum einen Daten anderer Systeme in der Semantik der ISA95 dar und bietet Schnittstellen an, um Informationen von Fertigungsaufträgen abzufragen bzw. Fertigungsaufträge anzulegen. Das ist neuartig, da die ISA95 nur solche Schnittstellen für einzelne Jobs (Prozessschritte auf einer Maschine) definiert. Die Steuerung der Fertigungsaufträge übernimmt das MES4 von Festo, auf dessen Datenbank der aggregierende Server Zugriff hat. Eine systematische, tabellarische Überprüfung des Konzeptes ergibt, dass vor allem die Informationsdarstellung über den aggregierenden Server problemlos funktioniert. Ebenso können jederzeit Stati der Fertigungsaufträge über OPC UA abgefragt werden. Probleme bereitet auf Grund eines Implementierungsfehlers noch die Erstellung von Aufträgen.

Die zunehmende Digitalisierung von Geschäftsprozessen und Produktionsabläufen eröffnet Unter-nehmen neue Möglichkeiten zur Effizienzsteigerung und Kostensenkung, erweitert jedoch gleichzei-tig die Angriffsfläche für Cyberkriminelle erheblich. Kleine und mittlere Unternehmen (KMU) stehen dabei vor besonderen Herausforderungen: Begrenzte personelle und finanzielle Ressourcen führen dazu, dass Investitionen in angemessene IT-Sicherheitsinfrastrukturen häufig vernachlässigt werden. Dadurch entsteht eine gefährliche Diskrepanz zwischen dem vorhandenen Schutzniveau und den Anforderungen der aktuellen Bedrohungslage. Der "Security Awareness Demonstrator" stellt einen innovativen Ansatz zur nachhaltigen Sensibilisierung von Beschäftigten dar. Durch die realitätsnahe Simulation eines kleinen KMU-Netzwerks werden potenzielle Angriffsvektoren und Sicherheitsrisi-ken greifbar visualisiert. Live-Hacking Szenarien ermöglichen es, die Funktionsweise und Auswir-kungen verschiedener Angriffsstrategien unmittelbar zu erleben und typische Schwachpunkte im Unternehmensnetzwerk zu diskutieren. Der entwickelte Aufbau eignet sich auch zum Einsatz in der Lehre und der Weiterbildung.

Der Beitrag adressiert die Herausforderung fehlender Anomaliedaten für Machine-Learning-Modelle in industriellen Prozessen. Am Beispiel einer pneumatischen Saugförderanlage wird eine kostengünstige Lösung vorgestellt, die kontrollierte Leckagesimulation ermöglicht. Kern der Entwicklung ist ein modifizierter Kugelhahn mit Potentiometer und analoger Signalaufbereitung, der den Drehwinkel präzise erfasst und als 4–20 mA-Signal an eine SPS überträgt. Dadurch können Leckagen mit variabler Intensität realistisch simuliert und fein aufgelöste, gelabelte Datensätze für Anomalieerkennung erzeugt werden.

In den vergangenen Jahren haben sich die Autoren intensiv mit der Integration von Industrierobotern in industrielle Produktionsanlagen und den zugehörigen Automatisierungskonzepten beschäftigt. Darüber hinaus entwickelten sie Ansätze zur manuellen und kollisionsfreien Telemanipulation von Robotern auf Basis eines digitalen Zwillings. Der vorliegende Beitrag stellt einen Demonstrator mit intuitiver Mensch-Roboter-Interaktion (M-R-I Demonstrator) vor, der mit industrieller Automatisierungstechnik kombiniert ist. Ziel war die Entwicklung eines Aufbaus für den TechDay 2025, der es den Teilnehmenden ermöglicht, ein individualisiertes Giveaway als Erinnerungsstück zu gestalten. Dabei wird der Mensch aktiv in den Herstellungsprozess eingebunden und über eine 3D-Spacemouse ein 6-Achs-Industrieroboter gesteuert, unterstützt durch einen digitalen Zwilling, der Kollisionen verhindert und den Arbeitsraum überwacht. Dadurch werden menschliche Fehler vermieden und der Roboter präzise gesteuert. Der Demonstrator verdeutlicht, wie intuitive Interaktionskonzepte und digitale Zwillinge in der praxisnahen Robotik eingesetzt werden können. Die Autoren sind überzeugt, dass insbesondere bei jungen Menschen durch diesen Ansatz Brücken zur Technik gebaut und deren Interesse an Automatisierung geweckt werden kann.

Die Sicherheit in der Mensch-Roboter-Kollaboration (MRK) stellt eine wesentliche Herausforderung dar, da das Verhalten von Personen in geteilten Arbeitsbereichen nur schwer vorhersagbar ist. Konventionelle Ansätze mit statischen Sicherheitszonen oder rein reaktiven Strategien führen häugig zu unnötigen Unterbrechungen und schränken die Effizienz ein. In dieser Arbeit wird ein neuartiger Ansatz vorgestellt, der Deep Reinforcement Learning (DRL) mit einer auf Long Short-Term Memory (LSTM) basierenden Bewegungsvorhersage kombiniert, um Sicherheitszonen adaptiv und vorausschauend in Echtzeit anzupassen. Grundlage bildet ein Sicherheits-Laserscanner, der Personen detektiert und ihre Position erfasst. Ein LSTM-Netzwerk prognostiziert zukünftige Bewegungen, während drei DRL-Agenten die Form und Größe der Sicherheitszonen dynamisch steuern. Dadurch wird die Zone nicht nur reaktiv, sondern auch präventiv an die erwarteten Bewegungen angepasst. Erste Tests in einer realen Roboterumgebung zeigen eine zuverlässige Erkennung, Reaktionszeiten im Millisekundenbereich sowie eine deutliche Verringerung unnötiger Produktionsstopps. Das vorgestellte Konzept ermöglicht eine höhere Sicherheit bei gleichzeitig gesteigerter Prozesseffizienz und bietet eine Grundlage für zukünftige Erweiterungen, etwa die Berücksichtigung mehrerer Personen und komplexerer Szenarien.

Der vorliegende Beitrag behandelt die Entwicklung von Endeffektoren für mobile, autonome Erntesys-teme im landwirtschaftlichen Umfeld. Mobile autonome Systeme sind in der Landwirtschaft seit Länge-rem etabliert, etwa Erntefahrzeuge, die mittels GPS-gestützter Navigation vorab definierte Trajektorien abfahren. Besondere Herausforderungen ergeben sich, wenn diese Systeme in selektiven Ernteprozes-sen eingesetzt werden. Solche Prozesse finden sich insbesondere bei Feldfrüchten in Sonderkulturen. Bei diesen Kulturen – exemplarisch seien Beerenfrüchte, Tomaten und Paprika genannt – werden aus-schließlich reife Früchte geerntet, während unreife Früchte an der Pflanze verbleiben, um nachzureifen.

In vielen dieser Kulturen werden nicht nur besondere Anforderungen an das Gesamtsystem gestellt, eine zentrale Komponente ist der Endeffektor. Dieser muss an den jeweiligen Prozess angepasst sein, um einen sicheren und schonenden Greif- bzw. Erntevorgang zu gewährleisten.

Wie in vielen anderen Maschinen und Anlagen auch, waren servohydraulische Aktuatoren mangels technischer Alternativen seit Jahrzehnten das Mittel der Wahl in vielen Prüfsystemen. Inzwischen stellen hochpräzise elektrische Linear-Direktantriebe jedoch eine wirtschaftlich wie technologisch überlegene Lösung für viele Aufgabenstellungen dar. Im Vergleich zu servohydraulischen Antriebslösungen zeichnen sich elektrische Linear-Direktantriebe unter anderem durch einen deutlich geringeren Energiebedarf, einer höheren Dynamik und höchste Regelgenauigkeiten aus. Weitere Vorzüge ergeben sich durch einen geringeren Wartungsaufwand und eine deutlich einfachere Umsetzung von Sicherheits- und Umweltstandards.

Im Rahmen dieses Beitrags werden Herausforderungen bei der Realisierung von hochperformanten elektrische Lineardirektantriebe und deren Lösungen am Beispiel von Funktionsprüfständen für mechatronische Systeme aufgezeigt. Ein Schwerpunkt des Beitrags liegt auf der vollständigen Kompensation der Rastkräfte und der damit verbundenen Erreichung einer außergewöhnlich hohen Gleichlaufgüte selbst bei sehr kleinen Geschwindigkeiten. Ein weiterer Schwerpunkt liegt auf dem umgesetzten modellbasierten Regelungskonzept im Allgemeinen und der für die Entwicklung und Umsetzung genutzten durchgehenden Toolchain im Speziellen.

Der Beitrag liefert sowohl einen Überblick über die technische Lösung als auch einen praxisorientierten Vergleich zwischen servohydraulischen und elektrischen Direktantrieben.

In dem Beitrag wird ein neuartiger adaptiver Modell-basierter Ansatz für die Regelung des komplexen, nichtlinearen Aufheiz- und Streckblasprozesses für die Herstellung von PET-Behältern vorgestellt. Neben der großen Anzahl von bis zu 239 Stellgrößen und bis zu 1312 Regelgrößen stellen die stark limitierte Verfügbarkeit von Messungen der Material- und Prozessgrößen und die Dynamik der nichtlinearen Regelstrecke die zentralen Herausforderungen bei der Entwicklung des Algorithmus dar. Der adaptive Modell-basierte prädiktive Regelungsansatz besteht zum einen aus der Online-Identifikation zur Schätzung von Systemveränderungen und zum anderen aus der Online-Optimierung zur Bestimmung optimaler Werte der Stellgrößen, so dass die Sollwerte der Regelgrößen bestmöglich erreicht werden. Der Kern von beiden Funktionen nimmt ein mathematisches Modell, das zu Vergleichszwecken sowohl durch physikalische Modellbildung als auch durch Künstliche Neuronale Netze umgesetzt wird, für den nichtlinearen Produktionsprozess ein.

Im Rahmen einer Masterarbeit wurde ein Bildverarbeitungsmodell nach dem Wasserfallmodell entwickelt, das die menschliche Körperhaltung visualisiert und potenzielle Kollisionen verhindert. Mithilfe einer 3D-Kamera und der Bibliothek werden Gelenkpositionen ermittelt und gespeichert. Auf Basis einer zeitlichen Gelenkpositionsabfolge wird eine zukünftige Armhaltungen berechnet, welche anatomisch bedingte Gelenkabstände und Gelenkwinkel berücksichtigt. Ein 3D-Avatar als digitaler Schatten visualisiert zeitgleich die aktuelle, als auch die vorhergesagte Gelenkposition. Bei einer Überschneidung von mindestens einem Kollisionsbereich der zukünftigen Armhaltung und der aktuellen Cobot-Haltung wird der Cobot sofort gestoppt.

Mithilfe einer Versuchsreihe wurde unter Variation von Abstand, Beleuchtung und Materialeigenschaften die bestmöglichen Messbedingungen der eingesetzten 3D-Kamera ermittelt. Hierbei sollte herausgefunden werden, wie groß das jeweilige Signal-Rauschverhältnis und die kleinstmöglich detektierbare Bewegung ausfällt. Ergänzend wurde die Zykluszeit des Systems analysiert, um den erreichbaren Vorhersagehorizont abzuschätzen.

In diesem Beitrag wird die Anwendung von fraktalen Landmarken in einem realitätsnahen Szenario der Bewegung einer autonomen, robotischen Plattform, die als digitaler Zwilling vorliegt, demonstriert. Die fraktalen Landmarken dienen dabei der Bestimmung der Position und der Ausrichtung der robotischen Plattform. Ziel ist die wiederkehrende präzise Verfolgung einer vorgegebenen Referenzstrecke. Diese Referenzstrecke wird vom Anwender erstellt.

Die zunehmende Nutzung erneuerbarer Energien in der Industrie erfordert Verfahren, die Erzeugung und Verbrauch präzise koppeln. Im Projekt DIANEpro werden LSTM-Netze zur lokalen Prognose von Wind- und PV-Erzeugung mit NILM zur disaggregierten Verbrauchsanalyse kombiniert. Eine cloudbasierte Demand-Response-Plattform integriert beide Ansätze in APS-Systeme, ermöglicht dynamische Produktionsplanung und steigert Energieeffizienz. Reallabore zeigen die technische Machbarkeit und industrielle Anwendbarkeit.

In diesem Beitrag wird beispielhaft anhand eines selbst konstruierten Modells einer Sortieranlage für Altholz aufgezeigt, wie eine Kombination aus einer RGB- und FD-FLIM-Kamera die Wiederverwendbarkeit von Altholz verbessern kann, indem ein höherer Ausstoß von Altholz der Klasse AI ermöglicht wird. Dabei wird zunächst auf die aktuelle Problematik rund um das Thema Recycling eingegangen, anschließend das Projekt beschrieben und abschließend werden bereits vorliegende Ergebnisse aufgezeigt.

Die Erstellung von Steuerungscode ist aufwendig und fehleranfällig. Automatische Codegenerierung bietet Potenzial zur Reduktion von Aufwand und Fehlerquellen. Zwei Verfahren sind etabliert: modellbasierte Generierung und die Komposition aus Codebausteinen. Für sämtliche Bestandteile typischer SPS-Programme existieren bereits Ansätze zur automatisierten Generierung. Ganzheitliche Codegeneratoren benötigen jedoch umfangreiche, strukturierte Informationen, deren manuelle Eingabe oder Modellierung den Aufwand kaum reduziert. Die AAS (Asset Administration Shell) bietet hier neue Perspektiven: Sie ermöglicht die strukturierte, domänenunabhängige Abbildung digitaler Zwillinge mit standardisierten Submodellen, typisierten Hierarchien und vernetzbaren Instanzen. In diesem Beitrag wird diskutiert, wie AAS-basierte Modelle als Informationsquelle für automatische Steuerungscodegenerierung genutzt werden können, welche Vorteile sich gegenüber bestehenden Modellierungstechnologien ergeben und welche neuen Möglichkeiten sich durch die AAS-Technologie für das Engineering automatisierter Anlagen eröffnen.

Liquid sloshing limits speed, accuracy, and reliability of pick-and-place systems, laboratory automation, and mobile robots that transport open containers. Motivated by industrial anti-sloshing motion functions, this work presents a compact testbed and a simple open-loop strategy that reproduces the effect on a low-cost setup. A camera rigidly mounted to the carriage moves with the tank and records the free surface, enabling extraction of the visible surface angle per frame. The first two sloshing frequencies and the dominant-mode damping are identified from experiments. The dominant mode is then modeled as a lightly damped second-order system excited by the carriage motion. Two command-side strategies are compared: Zero-Vibration-Derivative (ZVD) input shaping and an inverse transfer function prefilter. The ZVD method delivers near-zero residual slosh after the end of the move with a predictable, fixed time extension equal to the damped period. The inverse function prefilter also suppresses the sloshing, but the resulting time extension could be unpredictable. Both approaches are open-loop and need only the identified frequency and damping for a given fill level of the container. A single-mode simulation based on the identified model predicts the measured behavior successfully, and both suppression strategies are verified in simulation and experiments.

Mit dem Fortschritt der additiven Fertigung werden Robotersysteme zunehmend zugänglicher. Dadurch verbreiten sich Eigenbauroboter im didaktischen und industriellen Umfeld, vor allem in kleinen und mittelständischen Unternehmen. Im Gegensatz zu kommerziellen Robotern besitzen sie keine validierten Leistungsmerkmale. Da Faktoren wie Raumtemperatur, Druckerbauart, Düsendurchmesser, Schichthöhe und Material die Genauigkeit beeinflussen, ist eine Charakterisierung entscheidend, um die Eignung für präzise Aufgaben zu bewerten.

Im Fokus stehen Positionier- und Wiederholgenauigkeit, die üblicherweise mit Verfahren wie SMR-Verfolgung, Photogrammetrie oder Laser-Interferometrie bestimmt werden. Viele dieser Methoden sind jedoch kostenintensiv und daher für Eigenbauroboter kaum praktikabel.

Die vorgestellte Lösung basiert auf einem Raspberry Pi mit Kameramodul sowie Bildverarbeitungssoftware in Python und OpenCV. Ein universeller, mit Markern ausgestatteter Werkzeugaufsatz ermöglicht die roboterunabhängige Anwendung. Das Kamerasystem erfasst den Aufsatz von unten, überträgt die Aufnahmen per Videostream und erlaubt die Auswertung auf einem lokalen Rechner. Grundlage bildet das Prüfverfahren nach ISO 9283. Verschiedene Bildverarbeitungsansätze wurden getestet, um eine zuverlässige Positionsidentifikation sicherzustellen. Damit entsteht eine kosteneffiziente und flexible Methode zur Charakterisierung von Robotersystemen.

Damit Lastkraftwagen auf europäischen Straßen fahren dürfen, müssen sie mehrere Limits einhalten, neben einem Gewichtslimit auch ein Höhenlimit von 4,00 m, das insbesondere bei Brücken, Unterführungen, Tunnels und Eisenbahnkreuzungen relevant ist. Dieses Limit wird auch von der Polizei kontrolliert und zieht bei Überschreitungen empfindliche Strafen nach sich, ganz abgesehen von möglichen Beschädigungen.

Während Standardaufbauten und Anhänger auf dieses Maß ausgelegt sind und daher wenig Probleme bereiten, ist gerade bei offenen Aufbauten und individueller Beladung, wie etwa bei Autotransportern, ein großes Restrisiko vorhanden.

Ziel des Projekts war es daher, eine automatisierte Höhenkontrolle zu entwickeln. Die naheliegende Lösung mit Lichtschranken hat sich in der Praxis als funktional, aber unfallträchtig herausgestellt, da die notwendigen Galgen ständig umgefahren werden. Auch Radarlösungen haben sich als unzureichend erwiesen, da kleinere überstehende Objekte, wie etwa Radio- oder Navigationsantennen, nicht erkannt werden.

Es wurden daher optische Verfahren erforscht und final eine Lösung unter Verwendung einer Stereokamera entwickelt. Diese misst kontinuierlich die Höhe der vorbeifahrenden LKWs und zeigt den Fahrern die reale Höhe an, bevor das Fahrzeug den LKW-Hof verlässt, optional kann der Ausfahrtsschranken gesperrt werden.

In vorhergehenden Arbeiten wurden sowohl ein Bildverarbeitungsmodell zur automatisierten

Erkennung von Messarealen als auch Studien zur Akzeptanz robotergestützter in vivo Messungen entwickelt und erprobt. Auf dieser Grundlage wurde ein prototypischer Hautmessroboter aufgebaut, der die Anforderungen an Ergonomie, Sicherheit und Bedienbarkeit integriert. Im vorliegenden Beitrag wird eine erste Validierungsstudie vorgestellt, in der robotergestützte Messungen systematisch mit manuellen Referenzmessungen verglichen werden. Die Ergebnisse werden gegenübergestellt und diskutiert, ergänzt durch Erkenntnisse zur praktischen Durchführbarkeit und Akzeptanz im Studienbetrieb.

Der Beitrag stellt ein Vorgehensmodell zur Schichtübergabe an den Roboter vor, das Präzision und Flexibilität verbindet. Kollaborative Roboteranwendungen steigern Effizienz, führen aber oft nicht zu echter Entlastung. Das Modell erweitert die Multi-Aspekt-Checkliste nach Prell et al. (2024) durch ein Large Language Model mit Retrieval-Augmented Generation. Dieses gleicht Eingaben mit ERP- und Produktionsdaten ab und schlägt geeignete Tätigkeiten für die Automatisierung vor. So entsteht eine transparente, kontextbezogene und menschenzentrierte Entscheidungsunterstützung im Sinne ambidextrer Automatisierung.

Kernelement ist die Übergabe repetitiver Aufgaben an den Cobot, der in einer eigenen Roboterschicht arbeitet. Dies schafft für den Menschen Freiräume, die als Explorationsrente bezeichnet werden: Zeit, die von Routinetätigkeiten (Exploitation) entlastet und für explorative Aufgaben wie Prozessverbesserungen genutzt wird.

Die Validierung erfolgt in Zusammenarbeit mit einem mittelständischen Unternehmen sowie der Wildauer Smart Production. Der Beitrag vereint die Forschungsstränge Cobot-Integration, organisationale Ambidextrie und generative KI. Das Vorgehensmodell zeigt, wie sich ambidextrische Automatisierung in KMU schrittweise, risikoarm und mit hohem Nutzenpotenzial umsetzen lässt. Damit leistet es einen Beitrag zum Leitthema der AALE 2026 „Fortschritt durch Präzision und Flexibilität“.

In diesem Beitrag werden die UI-Elemente einer Mixed-Reality-Anwendung vorgestellt, über die Nutzer sowohl Informationen zu Anlagenzuständen abrufen als auch direkt mit der Anlage im Mixed-Reality-Raum interagieren können. Die Anwendung wurde mit der Entwicklungsplattform Unity in Kombination mit dem Mixed-Reality Toolkit entwickelt und auf einer Microsoft HoloLens 2 implementiert. Evaluiert wurde die Anwendung an einer Modellfabrik mit zehn Studierenden und Professoren. Im Fokus der Evaluation stand vor allem die technische Performance der Anwendung, insbesondere deren Stabilität. Ergänzend wurden qualitative Rückmeldungen in Form von Interviews erhoben.

In higher education and vocational training, the integration of three-dimensional virtual reality (VR) has gained increasing significance in recent years. Contemporary studies demonstrate that immersive learning environments can effectively foster both cognitive and practical learning processes by enhancing visualization, interactivity, and situational engagement. Particularly within technical and engineering disciplines, VR is regarded as a forward-looking instrument for competence development. Research highlights in particular the added value of such approaches for the instruction of complex, interdisciplinary subject matter. Instruction in production and logistics presents specific didactic challenges, as it frequently demands systemic thinking, cross-functional process competence, and an understanding of dynamic workflows. The foundation of the present research project, the 3D VR serious game 3DVRpro, occupies an innovative and thus far unique position within the current state of research, as it represents the first systematic integration of three key dimensions: 3D VR technology, serious gaming approaches, and holistic process-oriented teaching in production and logistics. By enabling the comprehensive representation of realistic process chains in an interactive, gamified learning environment, it facilitates a novel quality of competence-oriented learning that extends beyond conventional VR training scenarios.