Machine Learning – Zukunftstechnologie bei KNAPP

Der Begriff Machine Learning ist heutzutage allgegenwärtig. Genauso wie künstliche Intelligenz, neuronale Netzwerke, Algorithmen, Big Data, Deep Learning – Schlagwörter, um die man diese Tage nicht herumkommt. Doch was genau verbirgt sich hinter diesen Zukunftstechnologien und Konzepten? Ist es wirklich möglich, Maschinen das Lernen beizubringen? Welche Vorteile bringt das? Und was hat KNAPP damit zu tun? Wir decken auf.

Machine Learning einfach erklärt

Machine Learning ist ein Teilbereich der künstlichen Intelligenz, bei dem IT-Systeme darauf trainiert werden, auf der Basis vorhandener Daten und Algorithmen Muster zu erkennen und dazu entsprechende Lösungskonzepte zu entwickeln. Es wird also aus Erfahrungen künstliches Wissen generiert. Doch ganz ohne die helfende Hand des Menschen funktioniert dies nicht. Dieser versorgt den Computer mit Daten und den notwendigen Algorithmen. Ausschlaggebend sind dabei die mitangeführten Analyseregeln, anhand welcher das System bestimmte Muster im Datenbestand erkennt und so sein maschinelles neuronales Netzwerk erweitert. Man versorgt das System also mit genügend Daten-Input und Regeln und lässt es anhand dieser Eingaben selbstständig „lernen“.

Klingt kompliziert? Ja, Machine Learning ist komplex, lässt sich jedoch auch ganz einfach erklären – überraschenderweise anhand von Welpen und Bagels. Was die süßen Tiere und der beliebte Snack mit der Zukunftstechnologie zu tun haben, erläutert Johannes Bannhofer, Software-Spezialist für Machine Learning bei KNAPP, im folgenden Video.

Machine Learning bei KNAPP – Abteilung Robotics und Machine Learning

Wie man im Video deutlich sieht, ist Machine Learning bei KNAPP schon lange mehr als nur ein Buzzword. Wir sind am Puls der Zeit und beschäftigen uns schon seit einiger Zeit intensiv mit dieser Technologie. In der dafür speziell gegründeten Abteilung „Robotics and Machine Learning“ vereinen sich die Spezialisten auf diesem Gebiet und tüfteln eifrig an der künstlichen Intelligenz der KNAPP-Lösungen, allen voran der des Pick-it-Easy Robot.

Für den vollautomatischen Kommissionierroboter können mithilfe von Machine Learning Regeln für die Artikelerkennung, mögliche Pickpunkte und Robotergeschwindigkeit definiert werden. Durch die entsprechenden Algorithmen erkennt der Pick-it-Easy Robot zum Beispiel, ob er es mit einem kubischen oder zylindrischen Artikel zu tun hat. Daraufhin entscheidet er, welcher der ihm zu Verfügung stehenden Greifer am besten geeignet ist und ermittelt den idealen Greifpunkt sowie die richtige Geschwindigkeit, um den Artikel zu kommissionieren.

Kooperation mit internationalen Forschungseinrichtungen

Unsere Experten im Bereich Machine Learning arbeiten mit internationalen Forschungseinrichtungen und Unternehmen aus dem Silicon Valley zusammen, um den Pick-it-Easy Robot in puncto Robustheit und künstliche Intelligenz weiterzuentwickeln. Diese Zusammenarbeit sowie die Erfahrung als jahrelanger Logistikpartner sprechen dafür, unsere Lösungen in Zukunft immer intelligenter zu gestalten.

Dieser Meinung ist auch Johannes Bannhofer: „Unsere Stärke ist unser vielfältiges Logistik-Know-How. Dieses Wissen, kombiniert mit den neuesten Ansätzen im Bereich Machine Learning lassen uns spannende Lösungen schaffen, die robust und flexibel sind. Ziel ist es, unsere Lösungen evolutionär zu gestalten, damit sie sich mit den Anforderungen unserer Kunden weiterentwickeln können.“

Pick-it-Easy Robot

• Vollautomatische Kommissionierlösung für Logistikanwendungen
• In Kombination mit automatischen Lagersystemen und manuellen Kommissionierarbeitsplätzen einsetzbar. Das bedeutet ein optimal abgestimmtes Kommissioniersystem.
• Breites Artikelspektrum durch unterschiedliche Greifer und vollautomatischem Greiferwechsel
• Auch für empfindliche Artikel geeignet
• Funktionen: Abwerfen, geordnetes schonendes Ablegen, Vereinzeln, Verdichten
• Integration in bestehende KNAPP-Anlagen
• Robust und wartungsarm
• Kommissionierleistung bis zu 1.200 Stück pro Stunde
• Auszeichnung als Bestes Produkt auf der LogiMAT 2017