Bergwerke und Steinbrüche bewegen enorme Tonnagen mit großen Flotten schwerer Maschinen auf privaten, abgegrenzten Fahrstraßen. Autonome Transportsysteme (Autonomous Haulage Systems, AHS) ersetzen den Fahrer durch Wahrnehmung und Steuerung an Bord, koordiniert von einem zentralen Flottenmanager und überwacht aus einer Fernleitwarte. Betreiber berichten von gleichmäßigeren Zykluszeiten, besserer Auslastung und weniger Menschen in der Gefahrenzone; der Preis ist ein integrationsintensives, sicherheitskritisches Programm statt eines Softwarekaufs.
Problem & Nutzen
- Heute: Muldenkipper, Lader und Bohrgeräte werden von Fahrern in 12-Stunden-Schichten gefahren, bei Staub, Nacht und schlechtem Wetter. Der Transport ist oft der größte einzelne Betriebskostenblock eines Tagebaus. Müdigkeit, Schichtwechsel und unterschiedliche Fahrstile schaden Produktivität und Sicherheit.
- KI-Nutzen: gleichmäßiges Fahren, weniger Verluste beim Schichtwechsel, flottenweite Einsatzoptimierung, weniger Verschleiß (ruhigere Fahrweise, Kraftstoff-/Energieverbrauch) und Menschen raus aus den gefährlichsten Zonen. Fernbediener können viele Maschinen von einem Standort oder aus einem anderen Land überwachen.
- Belege zum Umfang: Komatsu gab im April 2026 bekannt, seinen 1.000. autonomen Ultra-Class-Muldenkipper in Betrieb genommen zu haben, und berichtet, dass Kunden mit FrontRunner über 11,5 Milliarden Tonnen transportiert haben (Herstellerangabe) [1]. Caterpillar (MineStar Command für den Transport) und andere berichten in eigenen Veröffentlichungen von vergleichbar großen Flotten; die Zahlen stammen von den Herstellern und sind nicht unabhängig geprüft.
- Europa ist kleiner, aber real: Autonomie auf EU-Standorten konzentriert sich auf Nischen unter Tage und in Steinbrüchen (autonomes Bohren und Laden in schwedischen und finnischen Bergwerken, autonome Steinbruch-Transporter von Volvo CE und anderen), während die größten Tagebauflotten in Australien, Chile und Nordamerika stehen.
Varianten
- Tagebau-Transport: Ultra-Class-Muldenkipper (Komatsu FrontRunner, Caterpillar MineStar Command, Systeme auf Basis von Hitachi/Wenco, Liebherr und andere) auf langen, gut gepflegten Fahrstraßen.
- Steinbruch- und Zuschlagstoff-Transport: kleinere Knick- oder Starrrahmen-Muldenkipper auf kurzen, steilen Zyklen, oft nachgerüstet (z. B. Volvo CE, Geräte der Klasse Sandvik/Epiroc, Kits von Drittanbietern).
- Autonomes Bohren: Sprengloch-Bohrgeräte, die nach einem Bohrplan unter Fernüberwachung positionieren und bohren (Epiroc, Sandvik, Cat, Komatsu/Joy).
- Laden und Transport unter Tage: LHDs (Fahrlader) und Lkw mit tunnelreferenzierter Navigation (Epiroc, Sandvik), wo es kein GNSS gibt.
- Lader, Planierraupen und Terminalzugmaschinen: teilautonome Lade-, Halden- und Abraumarbeiten; autonome Terminalzugmaschinen und Lkw auf geschlossenen Hafen-, Stahlwerks- oder Logistikgeländen (angrenzende Fälle siehe ROBO-014, ROBO-020).
- Autonomie-Nachrüstkits: Stacks von Drittanbietern (z. B. Pronto, SafeAI, Teleo-artige Fernsteuer- und Autonomie-Kits) für gemischte Flotten.
So funktioniert es
- machine sensors (lidar, radar, camera, GNSS/INS, wheel/IMU)
- localisation on site map + perception (obstacles, road edge, berms, dust-robust)
- on-board planning & control (path following, speed, load/dump manoeuvres)
- safety layer (independent obstacle/zone monitoring, e-stop, ISO 17757 logic) ⇅ wireless network (private LTE/5G or mesh) ⇅ fleet manager: dispatch + traffic management + geofence/exclusion zones
- coupled with mine planning (shovel/crusher queues, grade, blend)
- remote operations centre: supervision, assist, recovery, exceptions
- Wahrnehmung: Objekterkennung und Geländesegmentierung mit Schwerpunkt auf LiDAR/Radar und gelernten Komponenten; Staub, Regen und Blendung beeinträchtigen Kameras und LiDAR, daher tragen Radar und kartenbasierte Lokalisierung einen großen Teil der Last. Gelernte Modelle erkennen unerwartete Objekte, Wallkanten und bemannte Fahrzeuge; deterministische Regeln halten die Sicherheitsfunktion vorhersagbar.
- Flottenebene: Die Einsatzplanung ist ein Optimierungsproblem (Zuweisung von Muldenkippern zu Ladern, Routenwahl, Warteschlangen), gelöst mit Operations Research plus ML-Schätzungen der Zykluszeiten. Die Autonomie wird je Fahrstraßenabschnitt gesteuert; bemannte und unbemannte Fahrzeuge werden durch Zonen, Verkehrsregeln und Näherungserkennung getrennt.
- Mensch-in-der-Schleife (Human-in-the-Loop): Fernbediener übernehmen Ausnahmen, ungewöhnliche Hindernisse, Beladen an engen Stellen und Bergung. Die sicherheitsgerichtete Stoppfunktion und die Entscheidung, einen Bereich für den autonomen Betrieb freizugeben, bleiben bei definierten menschlichen Rollen und Verfahren.
Datenaufbereitung
Die Daten stammen von den Maschinen (LiDAR, Radar, Kamera, GNSS/INS, Telemetrie), aus den Systemen für Grubenplanung und Flottenmanagement, vermessenen Geländekarten und Geofences sowie Personen- oder Fahrzeug-Tag-Systemen. Bei einem typischen Betreiber verteilen sie sich auf Telematikportale der Hersteller, Historian-Systeme (SCADA), Vermessungsdateien und Tabellen, selten auf ERP oder ein DMS. Typische Lücken: veraltete oder uneinheitliche Fahrstraßenkarten, keine einheitlichen Maschinen- und Ereignis-IDs über Hersteller hinweg, nicht beschriftete Beinahe-Unfälle, ungleichmäßige Netz- und Positionsabdeckung sowie Tag-Daten, die einzelne Personen identifizieren.
Schritte der Aufbereitung: - Geländekarte, Geofences und Geschwindigkeitszonen vermessen und versionieren; eine maßgebliche Kopie führen. - Maschinen-, Einsatzplanungs- und Zustandsdaten über APIs oder Historians exportieren (PREP-005) und IDs sowie Zeitstempel angleichen (PREP-011, PREP-012). - Bewertungsszenarien aus aufgezeichneten Sicherheitsereignissen mit Fachleuten aufbauen (PREP-018, PREP-020). - Für Analysen genutzte Tag-Daten von Personen pseudonymisieren (PREP-022). - Maschinenzustandsdaten können parallel in PRED-006 einfließen.
Bei Weg A übernimmt der Hersteller das Training der Wahrnehmung, der Betreiber muss aber saubere Karten, Schnittstellendaten und Ereignislabels liefern; planen Sie dafür etwa 30–40 Prozent des Integrationsaufwands ein. Bei Weg C steigt dieser Anteil auf etwa die Hälfte, hinzu kommt die Beschriftung standortspezifischer Szenen.
Umsetzungswege
Welcher Weg für wen
- Unternehmen (Betreiber von Bergwerken, Steinbrüchen, Häfen und Betriebshöfen): Weg A, weil ausgereifte autonome Transportsysteme von Herstellern und Drittanbietern existieren und der Sicherheitsnachweis, die Abstimmung mit der Behörde und der Service vom Anbieter getragen werden.
- Entwickler (Robotik- und Autonomieanbieter, Forschung): Weg C, weil offene Wahrnehmungs-, Planungs- und Simulations-Stacks den Bau oder Ausbau von Autonomie für bestimmte Maschinen oder geschlossene Gelände erlauben.
Weg A — Kaufen (Standardsoftware) (Standard)
- Schlüsselfertige Systeme der Hersteller: Komatsu FrontRunner, Caterpillar MineStar Command, Hitachi Construction Machinery mit Wenco, Liebherr Autonomous Haulage, Volvo-CE-Autonomielösung (EU), Epiroc- und Sandvik-Autonomie für Bohren und Untertagebau (EU). Jedes Paket enthält Fahrzeuge oder Nachrüstung, Flottenmanager, Kommunikation und Sicherheitsnachweis.
- Anbieter für Nachrüstung und gemischte Flotten: z. B. Pronto, SafeAI, Teleo, ASI Mining; Flottenmanagement und Einsatzplanung von Modular Mining (Komatsu), Wenco, Epiroc, Sandvik.
- A wählen, wenn: Sie ein Bergwerk oder einen Steinbruch mit ausreichendem Transportvolumen und langlebigen Routen betreiben; für die meisten mittelständischen Steinbrüche beginnen Sie mit Assistenzfunktionen (Kollisionsvermeidung, Laderassistenz) statt mit voller Autonomie.
Weg B — Auf Cloud-KI-Diensten aufbauen
- Für die Fahrzeugregelschleife nicht anwendbar: Latenz, Verfügbarkeit und Sicherheitsregeln halten sie an Bord und vor Ort. Cloud-APIs passen drumherum: Digital-Twin-Analysen, Flotten-Kennzahlen, vorausschauende Wartung (PRED-006), Erkennung von Kartenänderungen und LLM-Assistenten für Schichtberichte und Vorfallzusammenfassungen (Hosting in der EU-Region, z. B. Azure, AWS Frankfurt, Mistral).
Weg C — Selbst betreiben (Open Source)
- Forschungs- und Pilot-Stacks: ROS 2 mit Nav2, Autoware (ursprünglich für Straßen, an Gelände angepasst), offene LiDAR-SLAM-Pakete, OpenVDB/Open3D für Gelände und offene Wahrnehmungsmodelle (Detektoren der Klassen YOLO und DETR, Punktwolken-Netze).
- Simulation: Gazebo, NVIDIA Isaac Sim, CARLA-artige Werkzeuge für Szenariotests (siehe ROBO-010).
- Hardware: industrietaugliche Edge-Rechner am Fahrzeug oder GPUs in Automobilqualität (Klasse HW1, z. B. Jetson Orin); Server in der Leitwarte für Flotte und Einsatzplanung.
- Realitätscheck: Offene Stacks haben keine Sicherheitszertifizierung für 100-t-Maschinen; sie eignen sich für Forschung, kleine Fahrzeuge und Fernsteuer-Assistenz, nicht für den produktiven Schwerlasttransport.
Weg D — Eigenes Training
Lohnt sich für standortspezifische Wahrnehmung (lokales Gestein, Staub und Licht, ungewöhnliche Hindernisse), gelernte Zykluszeit- und Einsatzplanungsmodelle sowie Sim-to-Real-Strategien. Erfordert Monate aufgezeichneter Multisensordaten der eigenen Maschinen, beschriftete Grenzfälle (Personen, Leichtfahrzeuge, Tiere, herabgefallenes Gestein) und eine Szenariobibliothek für Regressionstests.
Stand der Technik (2026)
- Ausgereift im großen Maßstab für Muldenkipper auf definierten Straßen: Systeme der Hersteller betreiben Flotten mit Hunderten Fahrzeugen; die erste Generation war 2008 kommerziell [1]. Produktivitätsgewinne sind Herstellerangaben und hängen stark von Gelände-Layout und Ausgangslage ab.
- Spitze der Entwicklung: gemischte Flotten verschiedener Hersteller unter einem Flottenmanager, Interoperabilitätsstandards (z. B. die Arbeiten zur Mining Interoperability rund um ISO 17757 und AEMP/ISO 15143), autonomes Bohren und Laden, batterieelektrische und Oberleitungs-gestützte Transporter mit Autonomie sowie Fernsteuerung mit gelernter Unterstützung.
- Gelernte Wahrnehmung ergänzt regelbasierte Sicherheit; große Vision-Language-Modelle werden offline eingesetzt (Datenvorauswahl, Vorfallprüfung), nicht in der Sicherheitsschleife.
- Grenzen und Fehlerarten: Staub, Nebel und Schnee; veränderliches Gelände (Wälle, Rampen, nasse Fahrstraßen); GNSS-Mehrwegeffekte in tiefen Gruben; Funknetzausfälle; ungewöhnliche Hindernisse; Zusammenspiel mit bemannten Leichtfahrzeugen; Verzögerungen bei der Übergabe an Fernbediener; Cybersicherheit des Flottennetzes.
Gemeinsame Bausteine & Kombinationen
- Wahrnehmungs- und Edge-Stack gemeinsam mit ROBO-005 (automatisiertes Fahren auf der Straße), ROBO-007 (Landwirtschaft im Gelände) und ROBO-015 (Anlageninspektionsroboter).
- Sicherheitsfunktionen (Personenerkennung, Zonenüberwachung): ROBO-016. Annäherung von Beschäftigten und PSA: VIS-007.
- Simulation und Sim-to-Real: ROBO-010. Überwachung von Gelände und Bodenbewegung: VIS-061.
- Wartung: PRED-006 vorausschauende Wartung anhand der Telemetrie; Drohnen für Haldenvermessung: ROBO-006.
- Flottenoptimierung (optimization-solver) wird mit ROBO-002 und Logistik-Anwendungsfällen geteilt.
Aufwand, Kosten & Kennzahlen
- Weg A: 12–36 Monate vom Business Case bis zur skalierten Flotte: Geländevermessung, Netzausbau (privates LTE/5G), Sicherheitsnachweis, Abstimmung mit der Behörde, Change-Management für die Fahrer. Kostentreiber: Fahrzeuge oder Nachrüstkits, Netz und Positionierung, Leitwarte, Integration in die Grubenplanung, Schulung, laufender Service des Herstellers.
- Weg C: nur Forschungs- oder Pilotumfang; die Personalkosten überwiegen.
- Kennzahlen: autonome Stunden und Verfügbarkeit, Tonnen pro Stunde, Zykluszeit und Wartezeiten, Kraftstoff-/Energie- und Reifenkosten pro Tonne, Eingriffe je 1.000 Stunden, Sicherheitsereignisse und Beinahe-Unfälle, Verhältnis Fernbediener zu Maschinen, Netzverfügbarkeit.
Menschen & Veränderung
Beginnen Sie mit der Geschäftsleitung und dem Betriebs- bzw. Grubenleiter (Business Case, Sicherheitsziele), holen Sie dann IT und IT-Sicherheit (privates LTE/5G, Fernzugriff, OT-Segmentierung), Recht/Compliance (Bergbehörde, Maschinensicherheit, Haftung) und den Betriebsrat an Bord, bevor Pilotverträge unterschrieben werden. Fahrer und Disponenten sind die am stärksten betroffenen Anwender: Binden Sie sie früh als Fernbediener, Aufsichtspersonen oder Wartungspersonal ein.
Betriebsrat: ja. Telemetrie, Tag-Positionen und Protokolle der Fernbediener können individuelles Verhalten und individuelle Leistung zeigen, daher gilt §87 Abs. 1 Nr. 6 BetrVG. Mit KI umgestaltete Arbeitsprozesse lösen Informationspflichten nach §90 Abs. 1 Nr. 3 aus; erwägen Sie einen KI-Sachverständigen nach §80 Abs. 3. Öffentliche Betreiber beteiligen den Personalrat. Streben Sie eine Betriebsvereinbarung zu Zweck, keiner individuellen Leistungsbewertung und Zugriffsrechten an.
Personenbezogene Daten: Die tagbasierte Ortung von Beschäftigten erfordert die/den Datenschutzbeauftragte(n) und voraussichtlich eine Datenschutz-Folgenabschätzung (DSFA, Art. 35 DSGVO) sowie einen AVV (Art. 28 DSGVO) mit den Anbietern.
KI-Kompetenz: Fördern Sie die KI-Kompetenz der Bediener (Art. 4 KI-Verordnung (AI Act)) mit Schulungen zu Systemgrenzen, Eingriff und Notaus. Kommunizieren Sie die Folgen für Arbeitsplätze ehrlich, bieten Sie Umschulungswege an, beginnen Sie mit einer Grube oder Zone und einer Pilotgruppe von Freiwilligen, und halten Sie Menschen durch Fernüberwachung und unabhängige Sicherheitsfunktionen (ROBO-016) in der Kontrolle. Leitfäden: GUIDE-004, GUIDE-008, GUIDE-009.
Risiken, Regulierung & Compliance
- KI-Verordnung (AI Act): KI, die ein Sicherheitsbauteil von Maschinen ist, fällt unter Anhang I (Maschinenrecht, jetzt Verordnung (EU) 2023/1230, anwendbar ab 20. Januar 2027) und ist damit nach Art. 6 Abs. 1 Hochrisiko, mit Pflichten ab 2. August 2028 (verschoben von August 2027 durch das Digital Omnibus on AI, VO (EU) 2026/1744) [2][3]. Keine verbotene Praxis nach Art. 5, aber die Überwachung von Beschäftigten (Bewertung des Fahrverhaltens, Emotionserkennung am Arbeitsplatz) ist eine eigene Frage: Emotionserkennung am Arbeitsplatz ist nach Art. 5 verboten.
- Maschinen und Sicherheit: Verordnung (EU) 2023/1230 (Konformitätsbewertung, sicherheitsbezogene Steuerungssysteme, Cybersicherheit), ISO 17757 für autonome Maschinensysteme im Erdbau und Bergbau, ISO 13849 und IEC 62061 für Sicherheitsfunktionen, IEC 61508 als Grundlage. Bergrechtliche Vorgaben (national, z. B. BG RCI und Bergbehörden in Deutschland) regeln die Zulassung des Standorts und den Ausschluss von Personen [2].
- DSGVO: überwiegend Maschinendaten, aber Kamerabilder, Stimme/Video der Bediener in der Leitwarte, Beschäftigten-Tags und Standortdaten sind personenbezogene Daten; die Mitbestimmung des Betriebsrats (z. B. Deutschland BetrVG §87) gilt für Überwachung. Legen Sie Zwecke, Aufbewahrung und Zugriff fest [4].
- Cybersicherheit: Das Flottennetz ist kritische Infrastruktur vor Ort; wenden Sie IEC 62443 und den Cyber Resilience Act an; NIS2 kann für große Betreiber gelten.
- Gegenmaßnahmen: unabhängige Sicherheitsschicht, Sperrzonen, erprobte Bergungsverfahren, gestufte Einführung (Schattenbetrieb, dann überwacht, dann fahrerlos), Vorfallprüfung mit protokollierten KI-Entscheidungen.
Erste Schritte
- Ermitteln Sie die Ausgangswerte für Transportkosten pro Tonne, Zykluszeiten, Vorfälle und Verfügbarkeit der Fahrer; wählen Sie eine Kandidatenroute mit stabilem Layout.
- Führen Sie mit 2–3 Anbietern (Hersteller und Nachrüster) eine Machbarkeitsstudie für Ihre Flotte und Ihr Gelände durch; prüfen Sie die Anforderungen der Behörde früh.
- Schaffen Sie die Grundlagen: privates Funknetz, Positionierung (GNSS plus Referenz), Flottenmanagementdaten, Geofences.
- Pilotieren Sie auf einer Route oder Sohle mit einer kleinen Flotte, zuerst im Schattenbetrieb, dann überwacht; definieren Sie Rollen der Fernbediener und das Schichtmodell.
- Beziehen Sie die Arbeitnehmervertretung ein und erstellen Sie die Datenschutzdokumentation vor dem Start.
Quellen
- Komatsu — Komatsu becomes first OEM to commission 1,000 ultra-class autonomous haul trucks (Apr 2026) — https://www.komatsu.com/en-us/newsroom/2026/komatsu-becomes-first-oem-to-commission-1000-ultra-class-autonomous-haul-trucks
- Regulation (EU) 2023/1230 on machinery — https://eur-lex.europa.eu/eli/reg/2023/1230/oj
- Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
- Regulation (EU) 2016/679 (GDPR) — https://eur-lex.europa.eu/eli/reg/2016/679/oj
- ROS 2 Navigation (Nav2) — https://github.com/ros-navigation/navigation2
- Autoware Foundation — https://github.com/autowarefoundation/autoware
- Komatsu newsroom, April 2026 — https://www.komatsu.jp/en/newsroom/2026/20260422