Robotergestütztes Schweißen & Oberflächenbearbeitung mit automatischer Bahnerzeugung

Lohnfertiger und Metallbauer fertigen viele verschiedene Teile in kleinen Losen. Klassisches Einlernen oder Offline-Programmierung kostet daher mehr als die eigentliche Arbeit. KI-gestützte Zellen scannen jedes Teil, erkennen Nähte oder Oberflächen, erzeugen Werkzeugbahn und Prozessparameter und regeln beim Schweißen, Schleifen oder Polieren nach. Das adressiert den Fachkräftemangel bei Schweißern und macht Automatisierung schon ab Losgröße 1 wirtschaftlich.

Problem & Nutzen

• Heute: Ein Roboterprogrammierer lernt Punkte am Handbediengerät ein oder erzeugt Bahnen offline aus CAD; Teile müssen präzise gespannt werden. Abweichungen (Lage der Heftnähte, Spalte, Gusstoleranz, abgenutzte Oberflächen) fangen erfahrene Fachkräfte ab. Schweißen, Schleifen und Schmirgeln sind zudem körperlich schwere und gesundheitlich belastende Tätigkeiten.
• KI-Nutzen: keine Programmierung je Bauteil, Toleranz gegenüber Teile- und Vorrichtungsabweichungen, gleichbleibende Qualität, dokumentierte Prozessdaten und Einsatz vorhandener Roboter bei hoher Variantenvielfalt. Anbieter berichten von deutlich kürzeren Programmierzeiten und höherer Auslastung; betrachten Sie dies als Herstellerangaben und prüfen Sie es an Ihren eigenen Teilen [1][2].
• Abgrenzung: ROBO-003 lernt aus einer menschlichen Vorführung oder Anweisung; hier entstehen Bahnen aus Scan/CAD plus gelernten Kontakt- und Prozessmodellen. ROBO-001 ist Pick-and-Place ohne Prozess; OPT-009 optimiert Parameter ohne Roboter.

Varianten

• Lichtbogenschweißen (MIG/MAG/WIG) von Stahl- und Aluminiumkonstruktionen: Nahterkennung, Mehrlagenplanung, Nahtverfolgung.
• Oberflächenbearbeitung: Schleifen, Abschleifen, Entgraten, Polieren von Verbundwerkstoffen, Metall, Holz (Luftfahrt, Schiffbau, Möbel).
• Spritzlackieren / Beschichten: Bahn- und Schichtdickenplanung aus dem Scan.
• Kollaborative Schweißzellen / Cobot-Zellen für Kleinstunternehmen mit vereinfachter Programmierung (Sicherheit siehe ROBO-016).
• Große Strukturen: Schiffbau, Schienenfahrzeuge und Stahlbau mit mobilen oder portalmontierten Robotern.
• Laser-, Punkt- und Reibschweißen mit ähnlicher Scan-zu-Bahn-Logik, aber anderer Sensorik.

So funktioniert es

1. Bauteil in der Zelle platziert (lockere Aufspannung)
2. 3D-Scan (Punktwolke / Netz), optionale CAD-Registrierung
3. KI-Wahrnehmung: Segmentierung von Naht / Stoß / Oberfläche, Erkennung von Fehlern und Spalten
4. Bahnplanung: Werkzeugbahn, Orientierung, kollisionsfreie Bewegungsplanung
5. Prozessmodell: Parameter aus Werkstoff, Dicke, Stoßart, Oberflächenziel
6. Simulation / Digital-Twin-Prüfung (Erreichbarkeit, Kollisionen)
7. Prüfung durch Bediener (freigeben, ändern, starten)
8. Ausführung mit geschlossenem Regelkreis (Nahtverfolgung, Kraftregelung, Lichtbogensignale)
9. Prüfung und Qualitätsnachweis (Scan nach Schweißen/Finish, ZfP-Verknüpfung: VIS-053)

• Wahrnehmung: Punktwolken-Segmentierung und gelernte Nahtdetektoren lokalisieren Stöße auch an geheftetem, verschmutztem oder spiegelndem Material.
• Planung: geometrische Bahnerzeugung plus Bewegungsplaner (z. B. der MoveIt-Klasse); gelernte Modelle schlagen Parameter vor; Reinforcement Learning kommt bei kontaktreichen Bearbeitungsstrategien zum Einsatz.
• Regelkreis: Laser-Nahtverfolgung, adaptives Füllen, Kraft-/Momentenregelung und ein Scan nach dem Prozess lösen bei Bedarf Nacharbeit aus.
• Mensch-in-der-Schleife (Human-in-the-Loop): Ein qualifizierter Schweißer bzw. Programmierer gibt das Erstteil und die Parametersätze frei; zertifizierte Schweißverfahren bleiben in der Verantwortung einer Schweißaufsicht.

Datenaufbereitung

Die KI braucht drei Arten von Daten: 3D-Scans der Bauteile, CAD-Modelle und Schweißzeichnungen bzw. WPS sowie Prozessaufzeichnungen (Material, Dicke, Stoßart, Sensordatenströme). In einem KMU liegen diese typischerweise in CAD-/PDM-Ordnern, auf Dateiablagen, im ERP (Auftrags- und Materialstammdaten) und teils auf Papier (Zeichnungen, Schweißprotokolle).

Typische Lücken: veraltete oder fehlende CAD-Daten für Wiederholteile oder nachbearbeitete Teile, gescannte Zeichnungen ohne Metadaten, über Ordner verstreute WPS-Dokumente, uneinheitliche Materialbezeichnungen, keine Aufzeichnung, welche Parameter gute Nähte ergaben, und keine beschrifteten Fehlerbeispiele.

Schritte der Aufbereitung: Zeichnungen und WPS an einem strukturierten Ort sammeln (PREP-009, PREP-010), Papierprotokolle digitalisieren (PREP-006, PREP-008), Material- und Stoßartbezeichnungen vereinheitlichen (PREP-019), Auftrags- und Materialdaten aus dem ERP exportieren (PREP-005) und beginnen, Qualitätsergebnisse je Bauteil als Labels zu erfassen (PREP-020). Sensoren kalibrieren und den Scan-Aufbau früh festlegen, denn die Scanqualität bestimmt die Bahnqualität stärker als jede Modellwahl. Prüfen Sie die Punktwolkenqualität mit offenen Werkzeugen wie Open3D oder CloudCompare.

Grober Aufwandsanteil: etwa 20 bis 30 Prozent des Projekts. Bei einer gekauften Zelle schrumpft vieles davon auf saubere Stammdaten und einmalige Parameterbibliotheken; bei Eigenbauten ist er höher. Zur Bereitschaftsprüfung siehe GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• KMU: Weg A, weil ausgereifte Schweiß- und Bearbeitungszellen mit integriertem Scannen und Bahnerzeugung zu KMU-tauglichen Preisen existieren und der Prozess (Nähte, Oberflächen) Standard ist.
• Großunternehmen: Weg B, weil eigene Zellen, CAD-/PLM-Daten und Schweißdokumentation mit Bildverarbeitungs- und Bahnplanungsdiensten integriert werden müssen.
• Entwickler: Weg C, weil Open-Source-Stacks (Punktwolken-Bibliotheken, ROS 2 MoveIt, Simulation) auf HW1 laufen und den Bau eigener Zellensoftware erlauben.

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

• Autonomes Schweißen: Path Robotics (USA; autonome Schweißzellen mit KI-Bildverarbeitung), Lincoln Electric, Fronius, Yaskawa, FANUC, ABB, KUKA, Schweißpakete von Universal Robots; EU: Carl Cloos Schweißtechnik, Fronius (AT), Pemamek (FI), Valk Welding (NL), Inrotech (DK, Nahterkennung), Novarc (CA) für Rohre.
• Oberflächenbearbeitung: GrayMatter Robotics (USA; Scan&Sand, bei Janicki Industries im Einsatz) [2], Partnerschaften zur robotergestützten Bearbeitung mit 3M; EU: regionale Integratoren von FANUC-/KUKA-/ABB-Bearbeitungszellen.
• Scan-Sensoren: Zivid, Photoneo, Keyence, Micro-Epsilon, Pickit (EU-Lieferanten sind bei den Integratoren gekennzeichnet).
• Wählen Sie A, wenn: die Teile innerhalb des Einsatzbereichs eines Anbieters schweiß- bzw. bearbeitbar sind; bevorzugen Sie eine schlüsselfertige Zelle mit Sicherheitszertifizierung und CE-Kennzeichnung.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Vom Regelkreis kann wenig in der Cloud laufen (Latenz, Sicherheit). Die Cloud eignet sich für das Auslesen von CAD/WPS mit LLMs/VLMs, Flottenanalysen, Dashboards zur Bahnqualität und Offline-Simulationsfarmen.
• Roboterschnittstellen: Hersteller-SDKs, ROS 2, OPC-UA-Robotics-Companion-Specs; Cloud-Simulation über NVIDIA Isaac Sim / Omniverse in EU-Regionen.
• Wählen Sie B, wenn: Sie einen Standardroboter integrieren und eine eigene Orchestrierung wünschen (MES-/ERP-Auftragsdaten an die Zelle).

Weg C — Selbst betreiben (Open Source)

• Stack: ROS 2 mit MoveIt 2, Open3D / PCL für Punktwolken, offene Segmentierungsmodelle (z. B. SAM-Familie, PointNet++/Point-Transformer-Varianten), NVIDIA Isaac Lab / Isaac ROS (offene Komponenten) und MuJoCo für die Simulation [3][4].
• Hardware: HW1 (Jetson-Orin-Klasse oder Industrie-PC) an der Zelle für die Inferenz; HW2-Workstation für Training/Simulation.
• Aufwand: erfordert Know-how in Robotik, Schweißprozess und Sicherheit; die Zertifizierung der integrierten Maschine bleibt beim Integrator.

Weg D — Eigenes Training

Lohnt sich für eine bestimmte, hochvolumige Teilefamilie oder exotische Werkstoffe. Erfordert Scans plus beschriftete Nähte und Prozessergebnisse (Schweißmakroschliffe, ZfP-Ergebnisse, Oberflächenmessungen); Sim-to-Real (ROBO-010) kann synthetische Nähte und Teile erzeugen. Prozessergebnisdaten sind die knappe Ressource.

Stand der Technik (2026)

• Scan-zu-Bahn ohne Einlernen ist in Schweiß- und Bearbeitungszellen praxiserprobt, jedoch innerhalb abgegrenzter Teilefamilien, Werkstoffe und Stoßarten [1][2].
• Prozessbewusste KI: Modelle verknüpfen Scandaten und Prozesssignale mit der Schweißqualität; gelernte, kraftgeregelte Schleifstrategien beherrschen inzwischen gekrümmte Verbundbauteile.
• Trend zu Foundation-Modellen: Arbeiten zu Vision-Language-Action-Modellen (ROBO-004) und LLM-gestützte Auftragsvorbereitung aus Zeichnungen sind im Entstehen, für zertifiziertes Schweißen aber noch nicht qualifiziert.
• Grenzen und Fehlerbilder: Spiegelnde oder dunkle Oberflächen verschlechtern Scans; dicke Mehrlagen-, Zwangslagen- und stark verzugsbehaftete Schweißungen brauchen weiterhin Experten; Wärmeverzug verändert die Geometrie während des Prozesses; gelernte Parameter ersetzen kein qualifiziertes Schweißverfahren; die Oberflächengüte lässt sich schwer objektiv messen; Kalibrierdrift (Werkzeugmittelpunkt, Scanner) verursacht systematische Fehler.

Gemeinsame Bausteine & Kombinationen

• 3D-Scannen + Segmentierung gemeinsam mit ROBO-001 und ROBO-014; Simulation/Digitaler Zwilling mit ROBO-010; Prozessparameter-Modelle mit OPT-009; Prüfung nach dem Prozess mit VIS-053 und weiteren VIS-Prüfanwendungsfällen.
• Sicherheitsfunktionen für zaunlose oder kollaborative Zellen: ROBO-016.
• Programmieren durch Vormachen für nicht scanbare Aufgaben: ROBO-003.
• Edge-GPU (HW1) und ROS-2-Infrastruktur sind über Roboterzellen hinweg wiederverwendbar.

Aufwand, Kosten & Kennzahlen

• Weg A: Wochen bis wenige Monate für eine Zelle; die Kosten werden von Roboter, Sicherheit, Vorrichtungen und Scanner bestimmt, hinzu kommt ein Software-Abonnement.
• Weg B/C: 6-18 Monate Entwicklungsarbeit für ein robustes Produktivsystem; hoher Integrations- und Validierungsaufwand.
• Kennzahlen: Programmierzeit je neuem Bauteil, Erstausbeute (First-Pass-Yield), Nacharbeits-/Ausschussquote, Lichtbogenzeit oder Zykluszeit, Roboterauslastung, Verbrauchsmaterialeinsatz (Draht, Schleifmittel), eingesparte Bedienerstunden, Schweißfehlerquote nach ZfP.

Menschen & Veränderung

Beziehen Sie frühzeitig die Geschäftsleitung (Budget, Risiko), die Produktions- oder Schweißleitung als Prozessverantwortliche sowie die Schweißer und Oberflächenbearbeiter ein, idealerweise im Entdeckungsworkshop (GUIDE-001), denn sie kennen die Nähte und Toleranzen, die die KI einhalten muss. IT und IT-Sicherheit sind für die Netzsegmentierung der Zelle dabei; Recht/Compliance prüft Maschinen- und CE-Aspekte.

Betriebsrat: abhängig vom Einzelfall. Die Zelle selbst überwacht keine Personen, doch Protokolle zu Bedienern, Zellenkameras und Ausbringungsdaten je Schicht können geeignet sein, Verhalten oder Leistung zu überwachen, was die Mitbestimmung nach §87 Abs. 1 Nr. 6 BetrVG auslöst (objektive Eignung genügt, laut BAG). In jedem Fall muss der Betriebsrat über KI-geplante Arbeitsabläufe rechtzeitig informiert werden (§90 Abs. 1 Nr. 3); er kann einen Sachverständigen hinzuziehen (§80 Abs. 3). Öffentliche Arbeitgeber beteiligen den Personalrat. Vereinbaren Sie vorab, dass Prozessdaten nicht für die individuelle Leistungsbeurteilung verwendet werden.

Datenschutz: Scans von Bauteilen sind keine personenbezogenen Daten, Zellenkameras können jedoch Beschäftigte erfassen; beziehen Sie die(den) Datenschutzbeauftragte(n) ein und führen Sie eine Datenschutz-Folgenabschätzung (DSFA) nur durch, wenn Personen systematisch aufgenommen werden.

KI-Kompetenz: Fördern Sie die Fähigkeiten der Beschäftigten durch kurze praktische Schulungen für Bediener dazu, wie das System entscheidet, wann einzugreifen ist und wie Fehler gemeldet werden (GUIDE-006). Typische Sorge ist der Verlust des Arbeitsplatzes; begegnen Sie ihr, indem Sie die Zelle als Entlastung von repetitiver, gefährlicher Arbeit darstellen und Schweißer zu Zellenaufsehern und Programmierern weiterqualifizieren (GUIDE-008). Starten Sie mit einer Pilotgruppe aus zwei bis drei Freiwilligen an einer Teilefamilie (GUIDE-009) und behalten Sie den Menschen in der Kontrolle: Bediener geben Erstteile frei, können die Zelle stoppen und Parameter übersteuern.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): in der Regel minimales Risiko für die Prozess-KI selbst. KI, die eine Sicherheitskomponente von Maschinen ist, fällt jedoch über die Maschinenverordnung (EU) 2023/1230 (gilt ab 20. Januar 2027) unter Anhang I und kann hochriskant sein; das betrifft Sicherheitsfunktionen, nicht die Bahnplanung (siehe ROBO-016) [5][6]. KI-Kompetenz (Art. 4) gilt für die Beschäftigten. Kein Verbot nach Art. 5 ist einschlägig.
• Maschinensicherheit: CE-Konformität der gesamten Zelle (Maschinenrichtlinie 2006/42/EG bis Januar 2027, danach Verordnung 2023/1230), ISO 10218-1/-2 und ISO/TS 15066 für die Kollaboration, Risikobeurteilung zu Lichtbogen, Rauch, UV und Lärm.
• Schweißqualität: EN ISO 3834 und EN 1090 (Stahlbau), ISO 15614 Verfahrensprüfung, EN ISO 9606 Schweißerprüfung; automatisch erzeugte Parameter müssen innerhalb einer qualifizierten WPS liegen.
• DSGVO: in der Regel keine personenbezogenen Daten; Bedienerprotokolle oder Kamerabilder von Beschäftigten können sie erzeugen, wenden Sie daher Datenminimierung und Betriebsvereinbarungen an.
• Arbeitsplatz: Rauchabsaugung, Ergonomie, Beteiligung des Betriebsrats bei veränderten Tätigkeitsprofilen.
• Gegenmaßnahmen: Bedienerfreigabe des Erstteils, Parametergrenzen aus der WPS, Prüfung nach dem Prozess, Protokolle der KI-Entscheidungen.

Erste Schritte

1. 5-10 repräsentative Teilefamilien auswählen und Programmierzeit, Nacharbeit und Losgrößen beziffern.
2. Prüfen, welche Schweiß-/Bearbeitungsnormen und qualifizierten Verfahren für sie gelten.
3. Bei 2-3 Anbietern von Weg A eine Machbarkeitserprobung mit Ihren echten Teilen anfragen, einschließlich schwieriger Fälle.
4. Sicherheit (Risikobeurteilung, CE) und Spanntechnik planen; Schweißaufsicht und Betriebsrat einbeziehen.
5. Erstausbeute und Programmierzeit in den ersten 3 Monaten erfassen, bevor Sie ausweiten.

Quellen

1. Path Robotics — autonomous welding — https://www.path-robotics.com
2. GrayMatter Robotics — Scan&Sand / robotic surface finishing — https://www.graymatter-robotics.com
3. MoveIt 2 motion planning — https://moveit.ai
4. NVIDIA Isaac Sim / Isaac Lab documentation — https://developer.nvidia.com/isaac/sim
5. Regulation (EU) 2023/1230 (Machinery Regulation) — 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. Open3D — https://www.open3d.org