MultiDATBot

Der Einsatz von kollaborativen Robotern (Cobots) in der Industrie – zum Beispiel beim Schweißen – nimmt immer weiter zu. Allerdings gibt es bisher kaum Lösungen, bei denen diese Roboter nicht nur arbeiten, sondern gleichzeitig auch Messdaten erfassen oder miteinander vernetzt sind. Vor allem kleine und mittlere Unternehmen (KMU), die oft in kleinen Stückzahlen produzieren, prüfen die Qualität ihrer Produkte noch häufig per Hand und nach unterschiedlichen Methoden. Das kostet Zeit, ist fehleranfällig und erfordert zusätzlichen Schulungsaufwand. Ein benutzerfreundliches und praxisnah aufgebautes Datensystem kann hier helfen: Es ermöglicht, Daten automatisch zu erfassen und einfach zu nutzen. Dadurch werden Abläufe effizienter und die Zusammenarbeit zwischen Mensch und Maschine deutlich verbessert.

Das Forschungsprojekt MultiDatBot entwickelt ein System, bei dem mehrere kollaborative Roboter (Cobots) gemeinsam arbeiten und typische Aufgaben wie Materialhandhabung, Messen und Schweißen miteinander verbinden. Ziel ist es, diese Abläufe – besonders in der Fertigung kleiner Stückzahlen – einfacher, effizienter und besser aufeinander abgestimmt zu machen. Dafür wird ein intelligentes Datensystem entwickelt, das wichtige Informationen aus den Produktionsprozessen sammelt und verständlich aufbereitet. Gleichzeitig wird ein digitales Lernsystem integriert, das Mitarbeitende mit leicht verständlichen und individuell passenden Schulungsinhalten unterstützt. Die Roboter können so nicht nur zusammenarbeiten, sondern auch Daten erfassen und nutzen, um nachfolgende Arbeitsschritte automatisch zu verbessern oder anzupassen. Ergänzend hilft das Lernsystem dabei, Fachkräfte gezielt weiterzubilden. Am Ende wird das gesamte System in einer realistischen Produktionsumgebung getestet, um zu zeigen, dass es in der Praxis funktioniert.

Das integrierte Multi-Cobot-System verbindet kollaborative Robotik, automatisierte Messtechnik und KI-gestützte Datenverarbeitung in einem vernetzten Daten-Ökosystem. Dieses Ökosystem unterstützt bei Qualitätsprüfung und Prozessvorbereitung, auch für Nicht-Fachkräfte. Es reduziert Fehlerquoten, steigert Prozesseffizienz und stärkt die Fachkräftesicherung. Das Lernmanagementsystem passt sich durch Learning Analytics dynamisch an Parameter und Lernbedarfe an. Gezielte Weiterbildung setzt Impulse für breite Anwendung und gesteigerte Wettbewerbsfähigkeit.