Robotergestützte Demontage für Wiederaufarbeitung & Recycling von Elektrofahrzeug-Batterien

Ausgediente Batterien und Elektronik von Elektrofahrzeugen kommen in Hunderten von Varianten zurück, oft beschädigt, und werden noch immer überwiegend von Hand demontiert, unter Hochvoltrisiko. Bildgeführte Roboter erkennen die Produktvariante, lokalisieren Schrauben, Steckverbinder und Kabel und führen kontaktintensive Entnahmeschritte selbstständig aus; Menschen übernehmen Ausnahmen und die Sicherheitsfreigabe. Ziel ist eine sicherere, besser skalierbare Verarbeitung vom Paket über das Modul bis zur Zelle, die Wiederverwendung, Zweitnutzung und Recycling speist.

Problem & Nutzen

• Heute: Die Demontage von Paketen erfolgt manuell oder teilautomatisiert mit festen Programmen je Modell. Beschäftigte sind Hochvolt- und Thermal-Runaway-Gefahren ausgesetzt; der Durchsatz ist gering; die Variantenvielfalt überfordert klassische, per Teach-in programmierte Roboter.
• KI-Nutzen: Die Wahrnehmung macht eine Zelle variantentolerant (unbekannte oder beschädigte Produkte), verringert die Belastung von Menschen durch spannungsführende Pakete und schafft eine Rückverfolgbarkeit je Paket, die Entscheidungen zur Wiederverwendung unterstützt.
• Regulatorischer Sog: Die EU-Batterieverordnung (EU) 2023/1542 legt Anforderungen an Sammlung, Materialrückgewinnung und Rezyklatanteil fest und führt den Batteriepass ein. Das erhöht die Mengen an Recycling-, Wiederaufarbeitungs- und Zweitnutzungsströmen und belohnt die saubere Trennung von Modulen und Zellen [3].
• Belege: Das EU-geförderte Projekt Recirculate baute eine Zelle um einen KUKA KR10 auf einer mobilen Linearachse mit Tiefenkamera und Sonderwerkzeugen; ML-Modelle erkennen Schrauben, Steckverbinder und Verkabelung, und das System zerlegt Pakete in Module und Module in Zellen. Die gemeldete Paketerkennung war bei Paketen von Ford und Tesla nahezu perfekt, und das Team berichtete von rund 18 Monaten für diese erste Phase; die Ausweitung auf weitere Batterietypen erfordert mehr Trainingsdaten [1][2]. Das deutsche Forschungsprojekt AuBa@C (RWTH Aachen) verfolgt dasselbe Ziel; für diese Datei wurde keine Primärquelle erneut geprüft.
• Es werden keine belegten Zahlen zu Durchsatz oder Kosten je Paket genannt; die meisten Ergebnisse stammen aus Pilotprojekten.

Varianten

• Traktionsbatteriepakete von Elektrofahrzeugen: Abnahme des Deckels, Entnahme von Stromschienen, Steckverbindern und Kabeln, Entnahme der Module, Trennung von Modul und Zellen (Klebstoffe und Schweißverbindungen sind die schwierigsten Schritte).
• Wiederaufarbeitung: Elektromotoren, Leistungselektronik, Kompressoren, Getriebe; zerstörungsfreie Demontage zur Wiederverwendung intakter Teile.
• Unterhaltungselektronik: Smartphones, Notebooks und E-Bikes, mit hoher Streuung und kleinen Befestigungselementen.
• Sortierung für die Zweitnutzung: Demontage bis auf Modulebene, kombiniert mit der Prüfung des Alterungszustands (PRED-026).

So funktioniert es

1. Eingehendes Pack (Quarantäne, Entlade-/Sicherheitsprüfung durch qualifiziertes Personal)
2. Identifikation (RGB-D + VLM/Klassifikator, Abfrage von Etikett/VIN/Batteriepass)
3. Demontageplan (Variantendatenbank oder generiert aus CAD / Zerlegungsgraph)
4. Wahrnehmung von Befestigungselementen, Steckverbindern, Kabeln (Erkennung + Segmentierung + 6D-Pose)
5. Werkzeugwahl (Schrauber, Schneider, Vakuumgreifer, Greifer) und kraftgeregelte Ausführung
6. Verifikation (Kamera + Drehmoment-/Kraftprüfung; Wiederholung oder Neuplanung)
7. sortierte Ausgabe: Module/Zellen/Fraktionen, Rückverfolgbarkeitsnachweis
8. menschlicher Eingriff bei Fehler, Beschädigung oder unbekannter Variante

• Wahrnehmung: Open-Vocabulary- und feingetunte Detektoren finden Schrauben und Steckverbinder; Tiefendaten liefern die Posen; ein Klassifikator wählt für bekannte Varianten das hinterlegte Programm.
• Planung: Planung der Demontagereihenfolge auf einem Vorrangsgraphen, teils aus Demonstrationen gelernt (ROBO-003); Neuplanung, wenn ein Schritt fehlschlägt (verrostete, verformte oder fehlende Befestigungselemente).
• Steuerung: Impedanz-/Kraftregelung für kontaktintensive Aufgaben; gelernte Strategien kommen auf, werden für Hochvoltarbeiten aber ohne klassische Schutzlogik noch nicht als vertrauenswürdig angesehen.
• Mensch-in-der-Schleife (Human-in-the-Loop): Sicherheitsfreigabe, Umgang mit beschädigten Paketen, ferngesteuerte Fehlerbehebung und Freigabe neuer Varianten.

Datenaufbereitung

Die robotergestützte Demontage hängt stärker von Produktwissen ab als von klassischen Geschäftsdaten. Typische Quellen: Demontageanleitungen der Hersteller, CAD und Servicehandbücher (PDFs auf Dateiablagen oder im DMS, teils auf Papier), Batteriepass- und BMS-Daten, soweit verfügbar, Wareneingangsdaten im ERP oder WMS und vor allem Ihre eigenen Bilder: RGB-D-Scans eingehender Pakete, auch beschädigter und gealterter. Typische Lücken: keine einheitliche Paketidentifikation (unleserliche Typenschilder, keine Zuordnung zu Varianten), unstrukturierte Handbücher, keine Labels für Befestigungselemente und Steckverbinder und sehr wenige Beispiele für seltene Varianten und Schäden.

Schritte der Aufbereitung: einen Variantenkatalog mit dem Paket-ID als Schlüssel samt Metadaten aufbauen (PREP-010), Handbücher digitalisieren und per OCR erfassen (PREP-006), Wareneingangsbilder an einer festen Station bei gleichbleibender Beleuchtung aufnehmen, Positionen von Befestigungselementen und Steckverbindern mit Fachleuten labeln und einen Testdatensatz zurückhalten (PREP-018) sowie Labels aus Bedienerkorrekturen gewinnen (PREP-021). Synthetische Daten aus der Simulation (ROBO-010) füllen Lücken. Nützliche Werkzeuge: CVAT oder Label Studio für die Annotation, Open3D für Punktwolken, Paperless-ngx für Handbücher. Planen Sie etwa die Hälfte des Gesamtaufwands für die Datenarbeit ein; sie endet nie ganz, weil laufend neue Paketkonstruktionen eintreffen. Siehe auch GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• Enterprise: C, weil Demontage-Know-how für Recycler oder Hersteller zum Kerngeschäft gehört, der Wahrnehmungs-Stack lokal in Echtzeit laufen muss und Variantendaten ein Wettbewerbsvorteil sind; Integratoren (A) passen nur für wenige gut bekannte Paketfamilien.
• Developer: C, weil ROS 2, offene Detektoren und Simulation volle Kontrolle über Wahrnehmung und Strategien für Forschung und Produktentwicklung bieten.
• Public: B, weil Forschungseinrichtungen und kommunale Recycler eine Integratorzelle mit EU-gehosteten Cloud-Diensten für Offline-Aufgaben kombinieren können und nicht den gesamten Stack besitzen müssen.

Weg A — Kaufen (Standardsoftware)

• Integratoren und Roboterhersteller: KUKA (EU, Deutschland), ABB (EU/CH), Fanuc, Universal Robots sowie spezialisierte EU-Integratoren für Recycling-Automatisierung und Recycler mit eigenen Zellen. Prüfen Sie den Umfang: Paketebene oder Zellebene, unterstützte Paketliste, Hochvolt-Sicherheitskonzept.
• Wahrnehmungs-Stacks: 3D-Kameras von Cognex, Zivid und Photoneo (EU), Software von MVTec HALCON (EU) und Isra Vision (EU).
• Wählen Sie A, wenn: Sie eine oder wenige gut bekannte Paketfamilien in großen Mengen verarbeiten.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Nutzen Sie ein Cloud-VLM nur für Offline-Aufgaben (Variantenerkennung aus Etiketten und Fotos, Extraktion von Demontageanleitungen aus Handbüchern, Unterstützung der Bediener); halten Sie Echtzeit-Wahrnehmung und Steuerung lokal. Orchestrieren Sie über ROS 2 und MES/WMS-Anbindung mit Hosting in der EU-Region.

Weg C — Selbst betreiben (Open Source) (empfohlen für Enterprise und Developer)

• Stack: ROS 2 mit MoveIt 2, offene Detektoren (YOLO-Familie, RT-DETR, Grounding DINO, SAM 2), Open3D / PCL für Punktwolken, NVIDIA Isaac Sim / Isaac Lab oder MuJoCo für die Simulation (ROBO-010), LeRobot für demonstrationsbasierte Strategien.
• Hardware: HW1-Edge-GPU (Klasse Jetson Orin) je Zelle für die Inferenz; HW2/HW3 für das Training.

Weg D — Eigenes Training

In der Praxis erforderlich: Datensätze je Variante für Befestigungselemente, Steckverbinder und Verkabelung, einschließlich beschädigter und gealterter Beispiele. Kombinieren Sie synthetische Daten aus der Simulation mit realen Demontagebildern; Korrekturdaten aus Bedienereingriffen speisen das erneute Training. Rechnen Sie mit laufendem Datenaufwand, da neue Paketkonstruktionen eintreffen.

Stand der Technik (2026)

• Pilotzellen zeigen Abfolgen vom Paket über das Modul bis zur Zelle mit ML-basierter Erkennung von Befestigungselementen und Steckverbindern [1][2]; die Variantenabdeckung bleibt der Engpass.
• Trends: Vision-Language-Action-Modelle und Lernen aus Demonstrationen (ROBO-004, ROBO-003) werden für den Werkzeugeinsatz erprobt; Simulation und digitale Zwillinge helfen beim Training der Wahrnehmung und bei der Planung von Abfolgen.
• Grenzen und Fehlerbilder: verklebte/verschweißte Zellstapel, korrodierte oder verformte Befestigungselemente, aufgeblähte oder beschädigte Zellen, verdeckte Steckverbinder und unbekannte Paketkonstruktionen; wegen des Thermal-Runaway-Risikos braucht die Zelle Branderkennung, eine inerte oder abgeschirmte Bauweise und ein konservatives Stoppverhalten. Eine demontagegerechte Konstruktion durch die Hersteller würde mehr helfen als jedes Wahrnehmungsmodell.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack: ROBO-001 (Griff in die Kiste: 3D-Sehen und Greifen), ROBO-003 (Programmieren durch Vormachen), ROBO-010 (Simulation für Sim-to-Real), ROBO-016 (KI-Sicherheitsfunktionen zur Personenerkennung um die Zelle).
• Vor- und nachgelagert: PRED-026 (Alterungszustand von Batterien für Entscheidungen zur Wiederverwendung), VIS-020 (Erkennung von Materialströmen nach dem Schreddern), DATA-021 (Daten zu Batteriepass und Produkt-CO2-Fußabdruck).

Aufwand, Kosten & Kennzahlen

• Weg A: 6-12 Monate für Spezifikation, Sicherheitskonzept und Inbetriebnahme einer Zelle.
• Weg C/D: 12-24+ Monate für ein robustes System mit mehreren Varianten; Kostentreiber sind Datenerhebung, Werkzeuge, Sicherheitstechnik und Zertifizierung.
• Kennzahlen: ohne manuelle Programmierung bewältigte Varianten, selbstständig abgeschlossene Schritte (%), Eingriffsquote, Taktzeit je Paket, Schadensquote bei Modulen/Zellen, Sicherheitsvorfälle, Reinheit des zurückgewonnenen Materials, Anteil wiederverwendeter Komponenten.

Menschen & Veränderung

Beginnen Sie mit der Geschäftsleitung und der Leitung der Recyclinglinie (Prozessverantwortliche), um den Umfang festzulegen: welche Paketfamilien, welche Schritte bleiben manuell. Beziehen Sie die Beschäftigten, die heute von Hand demontieren, früh ein; sie kennen die realen Varianten und Gefahren und werden zu Annotierenden, Testenden und später zu Zellenbetreuern. Die IT-Sicherheit verantwortet die Netztrennung der Zelle und den Fernzugriff; Recht/Compliance behandelt Maschinensicherheit, Hochvoltvorschriften und Haftung; die Dateneigner geben CAD, Handbücher und Wareneingangsdaten frei.

Betriebsrat: ja. Roboterzellen protokollieren Bedienereingriffe und Anwesenheit, was objektiv zur Überwachung von Verhalten oder Leistung geeignet ist; daher greift § 87 Abs. 1 Nr. 6 BetrVG (und die Mitbestimmung beim Arbeitsschutz); § 90 Abs. 1 Nr. 3 verlangt eine frühzeitige Unterrichtung über geplante KI-gestützte Arbeitsverfahren, und § 80 Abs. 3 erlaubt die Hinzuziehung einer sachkundigen Person (GUIDE-004). Eine DSFA ist in der Regel nicht nötig, da die Produktdaten nicht personenbezogen sind; Kameraaufnahmen von Beschäftigten sind jedoch mit der bzw. dem Datenschutzbeauftragten zu prüfen.

Fördern Sie die KI-Kompetenz (Art. 4 KI-Verordnung) mit praktischen Schulungen für Zellenbetreuer zu Grenzen, Fehlerbildern und Stoppverfahren (GUIDE-006). Typische Sorge: Arbeitsplatzverlust. Sprechen Sie sie offen an: Der Roboter übernimmt die gefährlichen Hochvoltschritte, die Beschäftigten wechseln in Überwachung, Ausnahmebehandlung und Qualität. Starten Sie mit einer Pilotzelle und einer Paketfamilie, legen Sie Go/No-go-Kennzahlen fest (GUIDE-009) und behalten Sie die Kontrolle beim Menschen, mit Not-Halt, manueller Übersteuerung und Freigabe jeder neuen Variante.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): Die Einstufung hängt vom Einzelfall ab. Bildverarbeitungsfunktionen innerhalb einer Maschinensicherheitsfunktion sind Sicherheitsbauteile von Maschinen (Anhang I über die Maschinenverordnung), was sie zu Hochrisiko-Systemen macht, wenn eine Konformitätsbewertung durch Dritte gilt [4][5]. Ein reiner Wahrnehmungs-Stack zur Produktivitätssteigerung außerhalb von Sicherheitsfunktionen hat typischerweise minimales Risiko. Ein Verstoß gegen Art. 5 ist nicht zu erwarten; halten Sie Kameras von der Emotions- oder Verhaltensanalyse der Beschäftigten fern.
• Maschinen: Die Maschinenverordnung (EU) 2023/1230 gilt ab Januar 2027 und erfasst selbstentwickelndes Verhalten und Cybersicherheit [5]; ISO 10218 und ISO/TS 15066 gelten für den Einsatz von Cobots.
• Batterie- und Abfallrecht: Batterieverordnung [3], Abfallrahmenrichtlinie, ADR-Transport beschädigter Batterien, Genehmigungen für die Behandlung gefährlicher Abfälle und Vorschriften zur elektrischen Sicherheit bei Arbeiten an spannungsführenden Systemen (befähigte Personen).
• DSGVO: begrenzt; nur die Kameraabdeckung von Beschäftigten erfordert eine Betriebsvereinbarung und eine Datenschutzprüfung.
• Gegenmaßnahmen: Entladung und Isolation vor dem Roboterkontakt, unabhängige Sicherheits-SPS, Branderkennung und -bekämpfung, konservative Stopplogik, menschliche Freigabe für jede neue Variante.

Erste Schritte

1. Produktumfang festlegen: welche Paketfamilien, Mengen und Zielergebnisse (Module, Zellen, Teile).
2. Eine Demontagestudie mit Zeitmessung der manuellen Demontage durchführen und Video- und RGB-D-Daten jedes Schritts aufzeichnen.
3. Pflichten aus der Batterieverordnung und das Hochvolt-Sicherheitskonzept mit Ihrer Sicherheitsfachkraft prüfen.
4. Eine reine Wahrnehmungsstufe (Erkennung von Befestigungselementen/Steckverbindern) mit menschlicher Ausführung pilotieren, dann die Robotik ergänzen.
5. Simulation (ROBO-010) und Protokollierung von Bedienerkorrekturen ergänzen, um die Varianten zu erweitern.

Quellen

1. Control.com - Recirculate disassembly system gives new life to old EV batteries - https://control.com/news/recirculate-disassembly-system-gives-new-life-to-old-ev-batteries/
2. electrive - Recirculate tests AI-driven robotic system for EV battery disassembly (2 Sep 2025) - https://www.electrive.com/2025/09/02/recirculate-tests-ai-driven-robotic-system-for-ev-battery-disassembly
3. Regulation (EU) 2023/1542 (Batteries Regulation) - https://eur-lex.europa.eu/eli/reg/2023/1542/oj
4. Regulation (EU) 2024/1689 (AI Act) - https://eur-lex.europa.eu/eli/reg/2024/1689/oj
5. Regulation (EU) 2023/1230 (Machinery Regulation) - https://eur-lex.europa.eu/eli/reg/2023/1230/oj
6. ROS 2 MoveIt - https://moveit.ai/