Autonome mobile Roboter (AMR) in der Intralogistik

Material zwischen Wareneingang, Lager, Kommissionierung, Produktionslinien und Versand zu bewegen, ist eintönig, arbeitsintensiv und fehleranfällig. AMRs navigieren mithilfe von Bordsensoren selbstständig, ersetzen feste Förderanlagen und AGVs mit Magnetband, fahren um Personen und Hindernisse herum und werden von einem an WMS/MES angebundenen Flottenmanager disponiert. Typischer Nutzen: flexibler, skalierbarer innerbetrieblicher Transport, ohne das Gebäude umzubauen.

Problem & Nutzen

• Heute: Gabelstapler, Schleppzüge, manuelle Wagen und Förderanlagen. Fachkräftemangel, Laufzeiten der Kommissionierer, Unfälle zwischen Staplern und Fußgängern sowie unflexible fest installierte Anlagen sind die Hauptprobleme. Klassische AGVs folgen Drähten, Bändern oder Reflektoren und bleiben stehen, wenn der Weg blockiert ist.
• KI-Nutzen: kartenbasierte und visuelle Lokalisierung, dynamische Hindernisbehandlung, gelernte Wahrnehmung (Erkennung von Paletten, Regalen und Personen) sowie Optimierung von Aufgabenverteilung und Verkehr über eine ganze Flotte. Roboter lassen sich schrittweise ergänzen (es gibt Robots-as-a-Service-Modelle), sodass KMU mit wenigen Fahrzeugen beginnen können.

Varianten

• Ware-zur-Person- / Kommissionierhilfe-AMRs: Roboter folgen Kommissionierern oder treffen sie in der Auftragsabwicklung von E-Commerce und Handel (z. B. Locus, Geek+, Zebra/Fetch).
• Behälter- und Wagentransport: Linienversorgung in der Fertigung, Krankenhauslogistik (Wäsche, Essen, Abfall).
• Paletten-AMRs und autonome Gabelstapler: Palettenbewegungen, Dock-to-Stock (z. B. Third Wave Automation, Vecna, Toyota/BALYO, Linde, Jungheinrich, STILL).
• Unterfahr- / Schlepp-AMRs: Ziehen von Wagen auf Milk-Run-Routen (z. B. MiR, OTTO/Rockwell).
• Regalhebende AMR-Systeme: Ware-zur-Person-Lagerung (Geek+, Hai Robotics, Exotec – EU).

So funktioniert es

1. Transportauftrag (WMS/MES/ERP)
2. Flottenmanager: Aufgabenzuweisung + Routen-/Verkehrsplanung (VDA 5050 / Hersteller-API)
3. Roboter: Sensorfusion (LiDAR + Kamera + IMU)
4. SLAM / Lokalisierung auf der Karte
5. Wahrnehmung (Hindernisse, Personen, Paletten, Docks)
6. lokaler Planer
7. Bewegungssteuerung
8. Sicherheitsebene (zertifizierter Sicherheits-LiDAR, Geschwindigkeits-/Schutzfelder) – unabhängig von der KI
9. Übergabe (Förderer, Hebebühne, Tür, Ladestation)
10. Status/Kennzahlen zurück an das WMS

• Lokalisierung und Kartierung: 2D/3D-LiDAR-SLAM oder visuelles SLAM (z. B. NVIDIA cuVSLAM); Karten werden einmal durch Teleoperation eines Roboters erstellt und dann in der Flotte geteilt.
• Navigation: globaler Planer plus lokaler Planer (ROS 2 Nav2: Kostenkarten, Verhaltensbäume, Regler). Gelernte Komponenten unterstützen die Wahrnehmung und zunehmend die lokale Planung.
• Flottenmanagement: Die Optimierung (Zuweisung, Tourenplanung, Vermeidung von Blockaden, Ladeplanung) erfolgt überwiegend mit klassischen Solvern/Heuristiken; RL und gelernte Ankunftszeit-Modelle kommen auf.
• Interoperabilität: VDA 5050 (VDA/VDMA) definiert eine MQTT/JSON-Schnittstelle zwischen einer Leitsteuerung und AGVs/AMRs verschiedener Hersteller; Open-RMF übernimmt den herstellerübergreifenden Verkehr im ROS-Ökosystem [2][3].
• Mensch-in-der-Schleife (Human-in-the-Loop): Eine Aufsichtsperson löst festgefahrene Roboter, genehmigt Kartenänderungen und Layout-Anpassungen; eine Sicherheitsfachkraft zeichnet Risikobeurteilungen ab. Die Sicherheitsfunktion selbst darf nicht von einem gelernten Modell abhängen.

Datenaufbereitung

Benötigt werden: ein Grundriss oder CAD-Layout des Standorts, eine Liste der Stationen und Transportbeziehungen, Materialflussmengen und -zeiten sowie Auftrags- oder Transportanforderungen aus WMS/ERP. Im Mittelstand liegen diese in Layoutzeichnungen auf Dateifreigaben oder Papier, im ERP und teils nur in den Köpfen der Schichtleiter. Typische Lücken: veraltete Grundrisse, undokumentierte Einbahnregeln und Engstellen, unklare Stations-IDs, uneinheitliche Stammdaten der Lagerplätze und keine saubere Schnittstelle für Transportaufträge.

Schritte: (1) das Layout mit echten Messungen aktualisieren und Sperrzonen markieren; (2) zwei Wochen lang Transporte je Route und Schicht zählen, manuell oder per ERP/WMS-Export (PREP-005, PREP-008); (3) Orts- und Stationscodes in den Stammdaten vereinheitlichen (PREP-011); (4) den Standort vom Hersteller mit dem Lidar des Roboters kartieren lassen; (5) die Schnittstelle für Transportanforderungen definieren (API, SPS-Signal oder einfacher Taster). Werkzeuge: Kartierungssoftware der Hersteller, Tabellenkalkulationen, vorhandene WMS-Exporte. Der KI-spezifische Datenaufwand ist gering, typischerweise 10 bis 15 Prozent des Gesamtaufwands; die meiste Arbeit entfällt auf Layout, Bodenqualität und Schnittstellen. Ein Reifegrad-Check hilft: GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• KMU: Weg A. Fertige AMRs mit Flottensoftware sind ausgereift und als Kauf oder Robots-as-a-Service verfügbar; Layout und Routen sind Standard.
• Großunternehmen: Weg A. Intralogistik-Transport ist eine Standardfunktion; kaufen Sie bewährte Flotten und binden Sie sie an WMS/MES an, statt eine Navigation selbst zu bauen.
• Entwickler: Weg C. ROS 2 mit Nav2 und offene Flottenmanager (zum Beispiel Open-RMF) laufen auf Edge-Rechnern der Stufe HW1 für eigene Plattformen.

Weg A — Kaufen (Standardsoftware) (für die meisten KMU empfohlen)

• Komplette AMR-Systeme mit Flottensoftware: MiR (Mobile Industrial Robots, Teradyne, DK), OMRON, KUKA (DE, im Besitz von Midea), Locus Robotics, Geek+, Zebra (Fetch), OTTO Motors (Rockwell), BlueBotics/ANT (CH), Neobotix (DE), SEER, Magazino (DE, Kommissionierung), Exotec (FR), Jungheinrich/STILL/Linde für autonome Flurförderzeuge (EU).
• Wählen Sie A, wenn: Standardlasten (Behälter, Wagen, Palette), ein WMS/MES mit Konnektor und keine ungewöhnliche Umgebung vorliegen. Bestehen Sie auf: VDA 5050 oder offener API, CE-/ISO-3691-4-Konformität, sicherheitsbewerteten Sensoren, Servicepartner in der EU.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Flottenorchestrierung und Analytik in der Cloud: VDA-5050-Leitsteuerung oder Open-RMF auf Kubernetes (EU-Region), Digital-Twin- und Optimierungsdienste, MQTT-Broker (EMQX, HiveMQ – DE).
• Simulation und Training der Wahrnehmung: NVIDIA Isaac Sim / Omniverse (Cloud oder On-Premises), AWS/Azure IoT- und Robotikdienste für Telemetrie.
• LLM/VLM-Ebene (optional): Aufgabeneingabe in natürlicher Sprache und Störungs-Triage („Warum steckt Roboter 7 fest?") über allgemeine LLM-APIs mit Tool-Aufrufen an den Flottenmanager; niemals in der Sicherheits- oder Bewegungsschleife.
• Wählen Sie B, wenn: Sie einen eigenen Roboter bauen oder eine individuelle Leitsteuerung brauchen, die mehrere Hersteller integriert.

Weg C — Selbst betreiben (Open Source)

• Stack: ROS 2 (Jazzy/Kilted), Nav2, slam_toolbox oder RTAB-Map, Open-RMF, Isaac ROS (cuVSLAM, nvblox, Referenz-Workflows von Isaac Perceptor), Gazebo für die Simulation, Eclipse Mosquitto/MQTT für VDA 5050.
• Wahrnehmungsmodelle: Detektoren der Klasse YOLO oder RT-DETR, Open-Vocabulary-Detektoren und Segmentierungsmodelle für Paletten/Personen; auf dem Roboter mit TensorRT/ONNX Runtime betrieben.
• Hardware: HW1 (Jetson-Orin-Modul auf dem Roboter; CPU-Server für den Flottenmanager). Fahrgestelle gibt es von Anbietern wie Neobotix, Clearpath/OTTO oder Robotnik (ES).

Weg D — Eigenes Training

Lohnt sich bei ungewöhnlichen Lasten (z. B. spezielle Regale, transparente Folie, reflektierende Böden), standortspezifischer Personen-/Staplererkennung oder gelernten lokalen Planern. Erforderlich sind einige tausend beschriftete Bilder von den Sensoren des eigenen Roboters; nutzen Sie Simulation plus reale Flottendaten (Active Learning bei Eingriffen).

Stand der Technik (2026)

• Vision-first-Navigation: Stacks aus mehreren Kameras plus LiDAR (im Stil von Isaac Perceptor) und semantische 3D-Belegungskarten ermöglichen AMRs den Einsatz in weniger strukturierten, mit Menschen geteilten Räumen als Roboter mit reinem 2D-LiDAR.
• Foundation-Modelle im Robotik-Stack: Open-Vocabulary-Erkennung, VLM-basiertes Szenenverständnis und Aufgabenvergabe in natürlicher Sprache tauchen in Produkten auf; gelernte Navigationsstrategien befinden sich im Vergleich zu bewährten klassischen Planern meist noch im Forschungs- oder Pilotstadium.
• Interoperabilität reift: VDA 5050 wird von AGV-/AMR- und Staplerherstellern breit unterstützt; ergänzt wird es durch die Interoperabilitätsarbeit von VDMA/MassRobotics und durch Bemühungen um einen standardisierten Kartenaustausch [2][4].
• Autonome Gabelstapler wechseln vom Pilotbetrieb in die Produktion; die Schätzung der Palettenpose ist die zentrale KI-Aufgabe.
• Grenzen: Glas, Spiegel, glänzende Folie, Rampen, dichtes Gedränge, dynamische Layoutänderungen, WLAN-/5G-Ausfälle und Lokalisierungsverlust in merkmalsarmen langen Gängen; Blockaden in engen Gängen; Akku- und Ladekapazität begrenzen den Durchsatz oft stärker als die KI.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack (robotics-control + 3d-vision + edge-runtime): ROBO-001 Griff-in-die-Kiste (mobile Manipulation), ROBO-014 Lkw-Entladen und Palettieren, ROBO-015 Inspektionsroboter, ROBO-020 Lieferroboter.
• Sicherheit: ROBO-016 (KI-basierte Personenerkennung und Geschwindigkeits- und Abstandsüberwachung) und VIS-007 (Überwachung von PSA und Arbeitssicherheit) teilen sich Kameras und Detektoren.
• Optimierung: OPT-006 (Lagerplatzvergabe und Kommissionierung), OPT-001 (Routenplanung), OPT-005 (Nachschub) liefern und verarbeiten AMR-Transportaufträge.
• Simulation: ROBO-010 digitale Zwillinge für Layoutvalidierung, Durchsatzsimulation und Sim-to-Real-Training; VIS-019 Bestandszählung mit Robotern oder Drohnen als Nebenprodukt des Transports.

Aufwand, Kosten & Kennzahlen

• Weg A: Wochen bis 3 Monate für einen ersten Standort (Kartierung, WMS-Konnektor, Sicherheitsvalidierung); Kostentreiber sind Anzahl der Roboter, Softwarelizenzen je Roboter, Integration und Infrastruktur (WLAN, Laden, Türen, Aufzüge).
• Weg B/C: 6–18 Monate für ein robustes herstellerübergreifendes System mit eigenen Robotik-Kenntnissen.
• Kennzahlen: erledigte Aufträge pro Stunde, termingerechte Materialbereitstellung, Auslastung und Verfügbarkeit der Roboter, Eingriffe je 1000 Aufträge, mittlere Zeit bis zur Behebung von Stillständen, Auslastung von Akku/Ladestation, Beinahe-Unfall- und Störungsrate, eingesparte Laufzeit beim Kommissionieren, Kosten je Transport.

Menschen & Veränderung

Binden Sie die Geschäftsleitung für Budget und Haftung ein, die Logistik- oder Produktionsleitung als Prozessverantwortliche, IT und IT-Sicherheit (WLAN, Flottenserver, Fernzugriff), die Rechtsabteilung für Maschinensicherheit und Haftung sowie die Fahrer und Bediener, die sich die Fläche mit den Robotern teilen (GUIDE-001). Betriebsrat: in den meisten Fällen ja. AMRs navigieren mit Kameras und Lidar, protokollieren Positionen, Routen und Flottenereignisse und fahren in Räumen, in denen Beschäftigte arbeiten; das System ist daher objektiv geeignet, Verhalten oder Leistung zu überwachen (§87 Abs. 1 Nr. 6 BetrVG, BAG); außerdem gelten §87 Abs. 1 Nr. 7 zum Arbeitsschutz und §90 Abs. 1 Nr. 3 zu KI-gestützten Arbeitsprozessen. Schließen Sie eine Betriebsvereinbarung zur Datennutzung, zur Aufbewahrung von Kamera- und Positionsdaten und zum Verbot der individuellen Leistungsbeurteilung (GUIDE-004). Eine Prüfung durch die oder den Datenschutzbeauftragten ist nötig, wenn Bordkameras Personen aufzeichnen; bevorzugen Sie Verpixelung oder nicht aufzeichnende Sensoren. KI-Kompetenz: Die KI-Verordnung (AI Act) verlangt Maßnahmen zur Förderung der Kompetenz der Beschäftigten; bieten Sie deshalb kurze Schulungen zum Verhalten im Umfeld von Robotern und zum Umgang mit blockierten Routen an (GUIDE-006). Typische Sorgen sind Kollisionssicherheit, Arbeitsplatzverlust und Überwachung; begegnen Sie ihnen mit sichtbaren Sicherheitszonen, einem Pilotbetrieb auf einer Route mit Freiwilligen und KI-Botschaftern, klarer manueller Übersteuerung und transparenter Kommunikation (GUIDE-008).

Risiken, Regulierung & Compliance

• EU-Maschinenverordnung (EU) 2023/1230 ersetzt die Maschinenrichtlinie ab dem 20. Januar 2027 und behandelt ausdrücklich Maschinen mit sich selbst weiterentwickelndem/lernendem Verhalten sowie Sicherheitsbauteile mit KI, die eine Konformitätsbewertung durch Dritte erfordern können [5]. Bis dahin gilt die Richtlinie 2006/42/EG. Fahrerlose Flurförderzeuge folgen ISO 3691-4; die Sicherheit mobiler Roboter stützt sich zudem auf ISO 13849, ISO 10218/ISO 13482 und IEC 61508 für sicherheitsbezogene Steuerungen.
• KI-Verordnung (AI Act, Verordnung 2024/1689): AMRs als Sicherheitsbauteile von unter die Maschinenverordnung fallenden Maschinen können über Art. 6 Abs. 1 unter das Hochrisiko nach Anhang I fallen, wenn eine Konformitätsbewertung durch Dritte erforderlich ist (2. August 2028, vom August 2027 verschoben durch das Digital Omnibus on AI, Verordnung (EU) 2026/1744); ein reiner Transportroboter mit herkömmlichen zertifizierten Sicherheitsfunktionen hat typischerweise ein minimales Risiko. Die Einstufung hängt von der Architektur ab: Halten Sie KI aus der Sicherheitsfunktion heraus oder behandeln Sie sie als Hochrisiko. Kein Verbot nach Art. 5 greift; nutzen Sie die Roboterkameras jedoch nicht zur Emotionserkennung oder Produktivitätsbewertung von Beschäftigten (Art. 5 Abs. 1 Buchst. f) [6]. Beschäftigte brauchen KI-Kompetenz (Art. 4); NIS2/Cyber Resilience Act gelten für Flottenserver.
• DSGVO: Kameras und LiDAR erfassen Beschäftigte und Besucher; nötig sind eine Rechtsgrundlage, eine Vereinbarung mit dem Betriebsrat (Deutschland: §87 BetrVG), Datenminimierung (Bilder verpixeln/verwerfen, Verarbeitung nur am Edge), kurze Aufbewahrung, Datenschutz-Folgenabschätzung (DSFA), wo eine systematische Überwachung von Beschäftigten denkbar ist.

Erste Schritte

1. Erfassen Sie die Flüsse: Routen, Lasten, Schichten, Spitzenmengen, Türen/Aufzüge, Bodenqualität; beziffern Sie den Anteil des Transports an der Arbeitszeit.
2. Wählen Sie eine wiederholbare Route (z. B. Wareneingang zum Puffer) als Pilot mit klarer Kennzahlen-Ausgangsbasis.
3. Fordern Sie zwei oder drei Hersteller-Demos auf Ihrer Fläche an, mit VDA 5050 oder offener API und Sicherheitsdokumentation.
4. Beziehen Sie Betriebsrat, Sicherheitsfachkraft und IT-Sicherheit (Netzwerk, DSGVO) vor dem Kauf ein.
5. Führen Sie den Pilot 8–12 Wochen durch, protokollieren Sie Eingriffe und skalieren Sie dann Roboter für Roboter.

Quellen

1. International Federation of Robotics – World Robotics service robots (transport and logistics) – https://ifr.org/service-robots/
2. VDA/VDMA – VDA 5050 interface for AGV/AMR communication – https://github.com/VDA5050/VDA5050
3. Open-RMF project – https://www.open-rmf.org/
4. Nav2 documentation (ROS 2 navigation) – https://docs.nav2.org/
5. Regulation (EU) 2023/1230 on machinery – https://eur-lex.europa.eu/eli/reg/2023/1230/oj
6. Regulation (EU) 2024/1689 (AI Act) – https://eur-lex.europa.eu/eli/reg/2024/1689/oj
7. NVIDIA Isaac ROS / Isaac Perceptor documentation – https://nvidia-isaac-ros.github.io/
8. ISO 3691-4 Industrial trucks – driverless trucks and their systems – https://www.iso.org/standard/70660.html