KI-basierte Sicherheitsfunktionen für Maschinen & Roboter (Personenerkennung, Geschwindigkeits- & Abstandsüberwachung)

Zäune und Lichtvorhänge halten Menschen von gefährlichen Maschinen fern, kosten aber Stellfläche und behindern flexibles Arbeiten. Sicherheitsgerichtete Sensoren mit KI-basierter Wahrnehmung erkennen und klassifizieren Personen um Roboter, fahrerlose Transportfahrzeuge, Gabelstapler und mobile Arbeitsmaschinen und lösen eine Verlangsamung oder einen Stopp aus, sodass Menschen und Maschinen sich den Raum teilen können. Dies ist eine Sicherheitsfunktion, die auf die Maschine wirkt, kein Analyse-Dashboard, und sie wird auch so reguliert: Maschinenverordnung, Normen zur funktionalen Sicherheit und KI-Verordnung (AI Act) gelten gemeinsam.

Problem & Nutzen

• Heute: Der Schutz erfolgt durch feste Schutzeinrichtungen, verriegelte Türen, Lichtvorhänge und Sicherheitslaserscanner mit geometrischen Schutzfeldern. Diese sind zuverlässig, können aber eine Person nicht von einer Palette unterscheiden, daher sind die Felder konservativ (häufige Fehlstopps) oder der Bereich wird vollständig eingezäunt.
• KI-Nutzen: Menschen von Objekten unterscheiden, ihre Position und Geschwindigkeit verfolgen und den Schutzabstand dynamisch anpassen (Geschwindigkeits- und Abstandsüberwachung, SSM), statt an einer festen Grenze zu stoppen. Ergebnis: weniger lästige Stopps, kleinere Stellflächen, zaunlose Zellen, sichereres Mischverkehrsaufkommen von Menschen und Staplern/AMR.
• Warum jetzt: Die Maschinenverordnung (EU) 2023/1230 gilt ab 20. Januar 2027 und behandelt ausdrücklich Maschinen mit selbstentwickelndem Verhalten bzw. selbstentwickelnder Logik sowie Sicherheitskomponenten, die maschinelles Lernen nutzen, wobei solche Sicherheitskomponenten einer strengeren Konformitätsbewertung unterliegen (Anhang I) [1].
• Nutzenzahlen: Anbieter berichten in Fallstudien von Produktivitäts- und Flächengewinnen; es gibt keine neutrale branchenweite Zahl, messen Sie daher Ihre eigene Ausgangslage (Stopps pro Schicht, Zellenfläche, Zykluszeit).

Varianten

• Kollaborative Roboterzellen: SSM und Leistungs- und Kraftbegrenzung nach ISO 10218 und ISO/TS 15066 (inzwischen in die überarbeitete ISO 10218-2 integriert) mit 3D-Sicherheitskameras oder LiDAR [2].
• Mobile Arbeitsmaschinen und Gabelstapler: Personenerkennung per Radar, Kamera oder LiDAR rund um Lastwagen, Lader und Bagger; Verlangsamung oder Stopp; relevant für ROBO-002, ROBO-014, ROBO-009.
• Sicherheitsfelder für AGV/AMR: Sicherheitslaserscanner mit umschaltbaren Feldern; KI-Klassifikation als Schicht ohne Sicherheitsbewertung, die die Geschwindigkeit früher senkt.
• Pressen, Verpackungs- und Verarbeitungslinien: Ersatz fester Schutzeinrichtungen durch sensorbasierten Bereichsschutz.
• Nicht im Umfang: Analysen von Beinaheunfällen oder PSA-Einhaltung (siehe VIS-007).

So funktioniert es

1. safety-rated sensor (3D LiDAR / radar / stereo / ToF)
2. point cloud or image on a safety controller or edge module
3. detection + classification (person vs. object) + tracking (position, velocity)
4. distance and stopping-time computation (protective separation distance, ISO 13855 / ISO 13849)
5. decision: continue | reduce speed | protective stop | restart permission
6. safety output (OSSD or safe fieldbus: FSoE, PROFIsafe, CIP Safety) to robot / drive / PLC
7. diagnostics, logging, periodic proof test

• Zweischichtige Architektur ist die Regel: ein zertifizierter, deterministischer Sicherheitskanal (Geometrie, Abstände, diversitäre redundante Kanäle, typische Ziele PL d / SIL 2) und, wo KI zum Einsatz kommt, entweder ein ML-Klassifikator, der selbst als Teil der Sicherheitsfunktion validiert ist, oder eine KI-Schicht ohne Sicherheitsbewertung, die das Risiko nur senkt (früheres Verlangsamen), während die zertifizierte Schicht den Stopp weiterhin garantiert.
• KI-Komponenten: 3D-Personenerkennung auf Punktwolken, Pose- und Bewegungsvorhersage, Sensorfusion von Kamera und Radar, Szenensegmentierung zur dynamischen Zonenanpassung.
• Mensch-in-der-Schleife (Human-in-the-Loop): Der Wiederanlauf nach einem Schutzstopp ist eine definierte, oft manuelle Quittierung; Sicherheitskonfiguration, Validierung und jede Änderung am KI-Modell durchlaufen eine dokumentierte Freigabe durch eine qualifizierte Sicherheitsfachkraft.

Datenaufbereitung

Sicherheits-KI braucht repräsentative Daten der realen Gefährdungssituation: Sensor- und Kameraaufzeichnungen von Personen, Fahrzeugen und Hindernissen im tatsächlichen Arbeitsbereich, Risikobeurteilungen, Sicherheitsanforderungsspezifikationen, Unfall- und Beinaheunfallberichte sowie Test- und Validierungsnachweise. In einem KMU liegen diese in der Maschinendokumentation, in Risikobeurteilungsakten auf Dateiablagen oder Papier, in den Ordnern der Sicherheitsfachkraft, in Unfallprotokollen (oft Papier oder Excel) und in einfachen Videoarchiven.

Typische Lücken: Unfall- und Beinahe-Unfall-Daten, die nicht systematisch erfasst werden, keine beschrifteten Beispiele gefährlicher Situationen, Risikobeurteilungen, die veraltet oder nicht mit der Konfiguration der Maschine verknüpft sind, gescannte Dokumente ohne Struktur und keine dokumentierte Einsatzdomäne (Beleuchtung, Kleidung, Geschwindigkeiten, Layouts).

Schritte der Aufbereitung: Risikobeurteilungen und Unfallprotokolle digitalisieren und strukturieren (PREP-006, PREP-008, PREP-010), Gefährdungs- und Ereigniskategorien mit der Sicherheitsfachkraft festlegen (PREP-019), Szenariodaten unter verschiedenen Bedingungen aufnehmen und beschriften sowie einen festen Testdatensatz aufbauen, der auch seltene Fälle abdeckt (PREP-018), und die Einsatzdomäne dokumentieren. Aufnahmen von Personen pseudonymisieren oder einschränken (PREP-022).

Grober Aufwandsanteil: hoch, etwa 40 Prozent, weil Datenabdeckung und nachvollziehbare Validierung für den Sicherheitsnachweis zentral sind. Siehe GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• KMU: Weg A, weil Sicherheitsfunktionen zertifizierte Komponenten und eine Konformitätsbewertung erfordern, die im KMU-Maßstab nur zertifizierte Produkte (Sicherheitsscanner, Sicherheitssteuerungen, Sicherheitspakete der Hersteller) liefern.
• Großunternehmen: Weg A, weil zertifizierte Produkte mit Sicherheitsnachweis der praktikable Weg sind; eigene KI-Sicherheitsschichten bleiben zusätzliche Funktionen ohne Sicherheitsbewertung.
• Entwickler: Weg B, weil Entwickler, die Maschinen- oder Roboterprodukte bauen, zertifizierte Sicherheitskomponenten und Cloud-Werkzeuge für Training und Validierung integrieren, während die sicherheitsgerichtete Funktion selbst zertifiziert bleibt.

Weg A — Kaufen (Standardsoftware) (empfohlen)

• Zertifizierte Sicherheitssensoren und -systeme: SICK (EU; safeVisionary2, microScan3, nanoScan3, Sicherheits- software wie Safe Robotics Area Protection), Pilz (EU; Kamerasystem SafetyEYE), Leuze (EU), Omron, Keyence, Pepperl+Fuchs (EU), Blickfeld (EU) und andere LiDAR-Anbieter für den mobilen Einsatz.
• Sicherheits-SPS-/Steuerungsseite: Siemens (EU) Safety Integrated, Beckhoff (EU) TwinSAFE, B&R/ABB, Rockwell GuardLogix; Roboterhersteller (KUKA, ABB, Fanuc, Universal Robots, Franka/Agile Robots) liefern zertifizierte Sicherheitsfunktionen wie SSM, Geschwindigkeitsbegrenzungen und sichere Zonen.
• Wählen Sie A, wenn: Sie eine CE-gekennzeichnete, zertifizierte Funktion brauchen. Praktisch jedes KMU sollte einen zertifizierten Sensor kaufen und die Last der Zertifizierung von KI in der Sicherheit beim Hersteller lassen.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Cloud-APIs sind für den Sicherheitskanal ungeeignet (Latenz, Verfügbarkeit, kein Determinismus).
• Die Cloud ist nützlich für Arbeiten ohne Sicherheitsbezug: Flottenüberwachung, Pipelines für Modelltraining und Nachtraining, Simulation und Erzeugung von Testszenarien (ROBO-010) sowie die Analyse von Stoppereignissen zur Optimierung von Layouts.

Weg C — Selbst betreiben (Open Source)

• Wahrnehmung für die Schicht ohne Sicherheitsbewertung oder Forschung: OpenPCDet / MMDetection3D (3D-Erkennung), Detektoren der YOLO-Klasse (Ultralytics, RT-DETR), Open3D, ROS 2 mit Nav2 und MoveIt, OpenVINO / TensorRT / ONNX Runtime auf Edge-Geräten. Die NVIDIA-Isaac-Plattform enthält Werkzeuge für Wahrnehmung und ROS- Integration, und NVIDIAs Jetson Thor / IGX Orin zielen auf sicherheitsorientiertes Edge Computing [3].
• Vorsicht: Open-Source-Stacks tragen kein Sicherheitszertifikat. Sie als alleinigen Sicherheitskanal zu verwenden, würde bedeuten, selbst Hersteller einer Sicherheitskomponente zu werden und den vollständigen Konformitätsweg zu gehen.
• Hardware: HW1 (Jetson-Orin-Klasse oder industrieller Edge-PC) für die Inferenz; deterministisches Echtzeitbetriebssystem und zertifizierte Sicherheitssteuerung für den finalen Stopp.

Weg D — Eigenes Training

• Nötig für ungewöhnliche Umgebungen (Warnkleidung, Rollstühle, Wagen, volle Gänge, Staub/Dampf) oder spezielle Sensoren. Erfordert repräsentative, vielfältige beschriftete Daten einschließlich Randfällen und widrigen Bedingungen (Verdeckung, spiegelnde Flächen, ungewöhnliche Körperhaltungen). Statistisch validiert mit dokumentierter Restrisiko-Argumentation; siehe ISO/IEC TR 5469 und ISO/PAS 8800 (Straßenfahrzeuge) als Orientierung für KI in sicherheitsrelevanten Funktionen [4].

Stand der Technik (2026)

• Die Normen holen auf: Die überarbeitete ISO 10218-1/-2 (2025) bündelt die Anforderungen an den kollaborativen Betrieb; Arbeiten bei IEC/ISO (ISO/IEC TR 5469, Pflege der IEC 61508, Überarbeitung der ISO 13849) behandeln KI in der funktionalen Sicherheit. Harmonisierte Normen unter der neuen Maschinenverordnung sind noch in Entwicklung, daher stützen sich Hersteller auf Argumentation nach dem Stand der Technik und auf benannte Stellen [1][4].
• Zertifizierte 3D-Sicherheitssensoren mit Personenklassifikation gibt es für mobilen und stationären Einsatz; die meisten zertifizierten Produkte halten ML weiterhin aus der finalen Sicherheitsentscheidung heraus oder beschränken es auf begrenzte, validierte Klassifikatoren.
• Offene Frage: wie die Ausfallrate eines neuronalen Netzes auf dem Niveau einer PL-d-/SIL-2- Funktion nachzuweisen ist. Typischer Ansatz: diversitäre Redundanz, konservative Rückfallebene auf geometrische Felder, Überwachung der Eingangsverteilung und Plausibilitätsprüfungen zur Laufzeit.
• Grenzen und Fehlerbilder: Verdeckung, ungewöhnliche Körperhaltungen, spiegelnde oder transparente Oberflächen, Staub, Verschmutzung der Sensoren, Modelldrift nach Änderungen von Layout oder Beleuchtung und nicht erkannte Kinder/Besucher, die nicht in den Trainingsdaten vorkamen. Verlassen Sie sich bei Stoppentscheidungen nie allein auf KI.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack: object-detection + 3d-vision + tracking auf Edge-Hardware, gemeinsam mit ROBO-002 (AMR), ROBO-014 (Entladen), ROBO-015 (Inspektionsroboter), ROBO-001 (Griff in die Kiste).
• Simulation und Test: ROBO-010 für szenariobasierte Validierung (digitale Zwillinge, synthetische Randfälle).
• Angrenzend: VIS-007 nutzt dieselben Kameraströme für Analysen ohne Sicherheitsbezug (getrenntes System, getrennter Datenpfad); ROBO-004 Humanoide und ROBO-003 Programmieren durch Vormachen hängen beide von einer zertifizierten Sicherheitsschicht ab; CODE-020 für sicherheitskritische eingebettete Software; ROBO-011 für TinyML-Sensorik.

Aufwand, Kosten & Kennzahlen

• Weg A: Wochen bis Monate für Risikobeurteilung, Sensorauswahl, Integration und Validierung; die Kosten für Sensor und Sicherheitssteuerung überwiegen, hinzu kommt der Aufwand für Validierung durch eine benannte Stelle oder intern.
• Weg C/D: viele Monate bis Jahre, wenn eine zertifizierte Komponente gebaut wird; überwiegend Validierungs- und Dokumentationsaufwand, nicht Modelltraining.
• Kennzahlen: Rate lästiger Stopps, Verfügbarkeit der Zelle, Zykluszeit, eingesparte Stellfläche, Erkennungs- leistung (Fehlerkennungsrate in Validierungsszenarien, gemessen, nicht angenommen), Reaktionszeit gegenüber geforderter Anhaltezeit, Beinaheunfall- und Unfallrate, Ergebnisse der Prüfungen (Proof Test).

Menschen & Veränderung

Beziehen Sie von Anfang an die Geschäftsleitung (Haftung, Freigabe), die Maschinen- oder Anlagenleitung, die Sicherheitsfachkraft und die Beschäftigten, deren Bereich geschützt wird, die IT-Sicherheit, Recht/Compliance (Maschinenverordnung, KI-Verordnung, Produkthaftung), Lieferanten von Sicherheitskomponenten und den Betriebsrat ein (GUIDE-001). Benannte Stellen oder Prüforganisationen kommen früh hinzu, nicht erst am Ende.

Betriebsrat: abhängig vom Einzelfall. Sicherheitssensoren erkennen Personen, sollen aber schützen, nicht überwachen. Dennoch sind Systeme, die Anwesenheit, Positionen oder Verhalten protokollieren, objektiv geeignet, Beschäftigte zu überwachen, und lösen die Mitbestimmung aus (§87 Abs. 1 Nr. 6 BetrVG); Fragen des Arbeitsschutzes können weitere Mitbestimmungsrechte begründen. Informieren Sie den Betriebsrat rechtzeitig über KI-geplante Abläufe (§90 Abs. 1 Nr. 3); er kann einen KI-Sachverständigen hinzuziehen (§80 Abs. 3). Vereinbaren Sie, dass Sicherheitsdaten nicht zur Leistungsbewertung verwendet werden (GUIDE-004). Öffentliche Betreiber beteiligen den Personalrat.

Datenschutz: Aufnahmen von Personen sind personenbezogene Daten; beziehen Sie die(den) Datenschutzbeauftragte(n) ein, minimieren Sie die Speicherung und erwägen Sie eine Datenschutz-Folgenabschätzung (DSFA) (GUIDE-005). Für Sicherheitskomponenten kann die Einstufung als Hochrisiko-System gelten (GUIDE-014).

KI-Kompetenz: Unterstützen Sie die Beschäftigten mit Schulungen dazu, was das System erkennt, wo seine Grenzen liegen und was bei einem Stopp oder einer Störung zu tun ist (GUIDE-006). Typische Sorge ist falsches Vertrauen; betonen Sie, dass KI eine zusätzliche Schicht auf zertifizierten Sicherheitsfunktionen ist. Führen Sie einen beaufsichtigten Pilot in einem Bereich durch (GUIDE-009), kommunizieren Sie offen (GUIDE-008) und behalten Sie den Menschen in der Kontrolle: Schutzstopps können nicht durch KI übersteuert werden, und Änderungen brauchen eine formale Freigabe.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): KI, die als Sicherheitskomponente eines Produkts nach den Harmonisierungsrechtsvorschriften der Union in Anhang I (einschließlich der Maschinenverordnung) dient und eine Konformitätsbewertung durch Dritte erfordert, ist hochriskant nach Art. 6 Abs. 1; die Pflichten gelten für Anhang-I-Produkte ab 2. August 2028 (verschoben von August 2027 durch das Digital Omnibus on AI, Verordnung (EU) 2026/1744) [5]. Keine nach Art. 5 verbotene Praxis. Kombinieren Sie sie nicht mit Emotionserkennung oder Leistungsbewertung von Beschäftigten: Die Ableitung von Emotionen am Arbeitsplatz ist verboten (Art. 5 Abs. 1 Buchst. f).
• Maschinenverordnung (EU) 2023/1230: gilt ab 20. Januar 2027; die grundlegenden Gesundheits- und Sicherheits- anforderungen (Anhang III) betreffen Steuerungen und sich entwickelndes Verhalten; Konformitätsbewertung durch eine benannte Stelle für gelistete Sicherheitskomponenten; Cybersicherheit der Sicherheitsfunktionen ist erforderlich [1].
• Normen: ISO 12100 (Risikobeurteilung), ISO 13849-1 und IEC 62061 (funktionale Sicherheit), ISO 13855 (Anordnung von Schutzeinrichtungen), IEC 61496 (BWS), ISO 10218-1/-2 und ISO/TS 15066 (Roboter), ISO 3691-4 (fahrerlose Flurförderzeuge), ISO 13482 (Roboter für die persönliche Assistenz) [2].
• DSGVO / Arbeitsrecht: Sicherheitssensoren sollten kein identifizierbares Video speichern; nutzen Sie Punktwolken oder Verarbeitung auf dem Gerät ohne Aufzeichnung; werden Kameras eingesetzt, gelten Betriebsvereinbarung (BetrVG §87 in Deutschland), Zweckbindung und Datenminimierung.
• Typische Risiken und Gegenmaßnahmen: systematische Falsch-negativ-Fehler (diversitäre Redundanz, geometrische Rückfallebene), Layoutänderung ohne Revalidierung (Änderungsmanagement), Manipulation oder Umgehung (Zugriffs- kontrolle, Audits der Muting-Funktion), Cyberangriffe (IEC 62443).

Erste Schritte

1. Eine formale Risikobeurteilung (ISO 12100) der bestehenden Zelle durchführen und festlegen, welche Gefährdungen eine Sicherheits- funktion brauchen, mit dem geforderten Performance Level.
2. Prüfen, ob ein zertifizierter Sensor oder eine roboternative Sicherheitsfunktion Ihren Anwendungsfall bereits abdeckt (Weg A), bevor Sie eine KI-spezifische Komponente erwägen.
3. Schutzabstand, Anhaltezeiten und Wiederanlauflogik festlegen; mit Testpersonen und definierten Szenarien validieren.
4. Reine KI-Schichten (Effizienz, früheres Verlangsamen) vom zertifizierten Stoppkanal getrennt halten.
5. Alles in der technischen Dokumentation festhalten, das Änderungsmanagement planen und früh mit einer benannten Stelle sprechen.

Quellen

1. Regulation (EU) 2023/1230 on machinery — https://eur-lex.europa.eu/eli/reg/2023/1230/oj
2. ISO 10218-1:2025 Robotics, safety requirements for industrial robots — https://www.iso.org/standard/73933.html
3. NVIDIA Isaac robotics platform — https://developer.nvidia.com/isaac
4. ISO/IEC TR 5469:2024 Artificial intelligence, functional safety and AI systems — https://www.iso.org/standard/81283.html
5. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
6. EU-OSHA — Digitalisation and OSH: robotics and AI at work — https://osha.europa.eu/en/themes/digitalisation-work
7. SICK AG — Safe robotics area protection — https://www.sick.com/de/en/
8. Pilz — SafetyEYE safe camera system — https://www.pilz.com/en-INT/products/sensors/camera-systems/safetyeye