Mehr Effizienz durch mobile Transportroboter

Wie Unternehmen den geeigneten Autonomiegrad in der Intralogistik bestimmen

 

Automatisierung ist in der industriellen Produktion längst kein optionales Zukunftsthema mehr, sondern ein entscheidender Wettbewerbsfaktor. Während Fertigungsprozesse in vielen Unternehmen bereits hochautomatisiert sind, bleibt der innerbetriebliche Materialtransport häufig manuell organisiert oder nur punktuell automatisiert. Genau hier entstehen jedoch steigende Kosten, Medienbrüche und Abhängigkeiten von knappen Personalressourcen. Zudem fehlt es häufig an Transparenz über den tatsächlichen Materialfluss auf dem Shopfloor.

Mobile Transportroboter bieten großes Potenzial, diese Lücke zu schließen und den Materialfluss stabiler, effizienter und planbarer zu gestalten – vorausgesetzt, sie werden passend zur jeweiligen Produktionsumgebung ausgewählt. In der Praxis zeigt sich jedoch, dass Investitionsentscheidungen für Automated Guided Vehicles (AGVs) oder Autonomous Mobile Robots (AMRs) häufig auf Basis von Erfahrungswerten, Herstellerangaben oder begrenzten Pilotprojekten getroffen werden. Eine systematische, datenbasierte Bewertung der tatsächlichen Anforderungen auf dem Shopfloor fehlt oft. Die Folgen sind entweder überdimensionierte Systeme mit hohen Investitions- und Betriebskosten oder technisch zu einfache Lösungen, die den Materialfluss ausbremsen und im Alltag Akzeptanzprobleme verursachen. Die hier vorgestellte Methodik setzt genau an diesem Punkt an.

1. Warum die Intralogistik zunehmend unter Druck gerät

Produktionsunternehmen aller Branchen sehen sich mit ähnlichen Herausforderungen konfrontiert: steigende Variantenvielfalt, kleinere Losgrößen, kürzere Lieferzeiten und zunehmend volatile Absatzmärkte. Diese Rahmenbedingungen erhöhen nicht nur die Anforderungen an die Produktion selbst, sondern wirken sich unmittelbar auf die Intralogistik aus. Material muss häufiger, kleinteiliger und stärker synchronisiert bereitgestellt werden, während gleichzeitig Bestände reduziert und Durchlaufzeiten verkürzt werden sollen.
Parallel dazu verschärft sich der Fachkräftemangel insbesondere bei einfachen, repetitiven Tätigkeiten wie Materialtransporten zwischen Lager, Fertigung und Montage. Diese Aufgaben sind personalintensiv und können ergonomisch belastend sein. Materialtransporte generieren zwar selbst keine Wertschöpfung, bestimmen jedoch Durchlaufzeiten, Bestände und Termintreue. Ineffiziente Transportprozesse wirken sich daher unmittelbar auf Produktivität, Qualität und Kosten aus. Gleichzeitig beeinflussen sie maßgeblich die Stabilität der gesamten Wertschöpfungskette.
Vor diesem Hintergrund gewinnen mobile Transportroboter in der Intralogistik zunehmend an Bedeutung. Der Markt entwickelt sich dynamisch, und die Vielfalt verfügbarer Systeme nimmt stetig zu. Für Planer stellt sich daher weniger die Frage, ob automatisiert werden soll, sondern wie differenziert und mit welchem Autonomiegrad automatisierte Transportlösungen sinnvoll eingesetzt werden können.

2. AGV oder AMR? Grundlagen für die richtige Systemwahl

In der Praxis haben sich zwei grundlegende Konzepte mobiler Transportroboter etabliert. AGVs bewegen sich entlang fest definierter Routen, beispielsweise mithilfe von Magnetstreifen oder optischen Linien. Sie sind technisch vergleichsweise einfach aufgebaut, gut planbar und zeichnen sich durch ein stabiles, vorhersehbares Fahrverhalten aus. Bei unvorhergesehenen Hindernissen stoppen sie in der Regel und warten auf eine manuelle Freigabe oder das Entfernen des Hindernisses. Dadurch eignen sie sich besonders für strukturierte, ruhige Umgebungen mit klaren Verkehrsregeln.
AMRs hingegen navigieren autonom mithilfe moderner Sensorik wie LiDAR, 3D-Kameras und SLAM-Algorithmen. Sie erfassen ihre Umgebung kontinuierlich, erkennen Hindernisse und passen ihre Route dynamisch an. Dadurch sind sie deutlich flexibler, insbesondere in wechselnden oder stark frequentierten Produktionsbereichen. Diese Flexibilität geht jedoch mit höheren Investitionskosten sowie einem größeren Integrations- und Parametrisierungsaufwand einher. Das Fahrverhalten beider Fahrzeugtypen im Vergleich ist auf Abbildung 1 zu sehen.
In stabilen, klar strukturierten Bereichen können AGVs eine wirtschaftlich sehr sinnvolle Lösung darstellen. In hochdynamischen Umgebungen stoßen sie jedoch schnell an Grenzen, da häufige Stopps und manuelle Eingriffe den Materialfluss behindern. AMRs bieten hier klare Vorteile, sind jedoch nicht in jeder Einsatzumgebung wirtschaftlich gerechtfertigt. Entscheidend ist daher die tatsächliche Dynamik auf dem Shopfloor.

3. Die Dynamik als Entscheidungsgröße

Zentrales Ergebnis der zugrunde liegenden Forschung ist die Erkenntnis, dass der Autonomiegrad mobiler Transportroboter direkt mit der Dynamik der Produktionsumgebung zusammenhängt. Diese sogenannte „Shop Floor Environment Dynamics“ beschreibt, wie stark sich Verkehrsaufkommen, Prozessfrequenzen und beteiligte Akteure in einem bestimmten Bereich zeitlich verändern.
Dabei geht es ausdrücklich nicht um subjektive Einschätzungen wie „hier ist viel los“, sondern um messbare und vergleichbare Größen. Je höher die Dynamik eines Bereichs, desto größer ist der potenzielle Nutzen autonomer Navigation und intelligenter Hindernisumfahrung. In ruhigen, vorhersehbaren Bereichen hingegen entsteht durch hochautonome Systeme häufig kein zusätzlicher Mehrwert, sondern lediglich höhere Investitions- und Betriebskosten.
Um diese Dynamik systematisch erfassen und bewerten zu können, wurde eine praxisnahe Methodik entwickelt, die reale Produktionsdaten nutzt und die Ergebnisse visuell aufbereitet.

4. Die Methodik: Eine Heatmap für den Shopfloor

Anstelle komplexer Simulationen oder aufwendiger digitaler Zwillinge verfolgt die Methodik einen bewusst schlanken Ansatz. Ziel ist es, mit überschaubarem Aufwand belastbare Aussagen für die Planung zu gewinnen, insbesondere in bestehenden Werken und Brownfield-Projekten. Die Vorgehensweise gliedert sich in mehrere aufeinander aufbauende Schritte. Zunächst wird die Produktionshalle in funktionale Zonen unterteilt, etwa Lager, Fertigung, Montage oder Versand. Anschließend erfolgt eine Rasterung der Fläche in gleich große Zellen, um lokale Unterschiede sichtbar zu machen. Für jede Zelle werden relevante Materialflüsse, Quellen und Senken identifiziert und die Transportfrequenzen ermittelt. Ergänzend dazu werden alle Verkehrsteilnehmer erfasst, darunter Fußgänger, manuelle Fahrzeuge und vorhandene Automatisierungslösungen.
Auf Basis dieser Daten werden Verkehrs- und Prozessdynamik berechnet und in einer Heatmap visualisiert. Das Ergebnis ist eine anschauliche „Logistik-Wetterkarte“, die ruhige, stabile Bereiche ebenso sichtbar macht wie kritische, hochdynamische Zonen. Abbildung 2 zeigt das schrittweise Vorgehen.

5. Zentrale Kennzahlen: Verkehr und Prozess im Zusammenspiel

Die Bewertung der einzelnen Zellen basiert auf zwei zentralen Kennzahlen. Die Verkehrsdynamik beschreibt die Anzahl und Vielfalt beweglicher Akteure in einem Bereich. Eine hohe Verkehrsdynamik erhöht die Wahrscheinlichkeit von Interaktionen, Blockaden und sicherheitsbedingten Stopps. Die Prozessdynamik gibt an, wie viele Transportaufträge pro Stunde in einer Zelle abgewickelt werden und wie eng diese Prozesse zeitlich getaktet sind.
Erst die Kombination beider Kennzahlen ermöglicht eine realistische Einschätzung der Anforderungen an mobile Transportroboter. Eine isolierte Betrachtung einzelner Einflussfaktoren würde die tatsächlichen Herausforderungen auf dem Shopfloor nicht ausreichend abbilden.

6. Typische Planungsfehler in AGV- und AMR-Projekten

In der Praxis zeigen sich immer wieder ähnliche Fehlerbilder bei der Einführung mobiler Transportroboter. Häufig wird ein einheitlicher Autonomiegrad für das gesamte Werk festgelegt, obwohl die Anforderungen lokal stark variieren. Ebenso werden Fußgängerverkehre und manuelle Transporte unterschätzt oder lediglich qualitativ betrachtet.
Ein weiterer häufiger Fehler ist die Orientierung an maximaler technischer Leistungsfähigkeit statt am tatsächlichen Bedarf. Hochautonome Systeme werden dort eingesetzt, wo einfache, robuste Lösungen ausreichend wären. Umgekehrt werden AGVs in hochdynamische Umgebungen integriert, was zu häufigen Stopps, Akzeptanzproblemen und ineffizienten Automatisierungslösungen führt. Die vorgestellte Methodik adressiert diese Schwachstellen, indem sie reale Dynamiken sichtbar macht und eine differenzierte Planung ermöglicht.

7. Anwendung in der industriellen Praxis

Die Methodik wurde in einer realen Produktionsumgebung erprobt und zeigte deutlich, dass die Dynamik selbst innerhalb eines einzelnen Werks stark variiert. Besonders Übergangs- und Kreuzungsbereiche erwiesen sich als hochdynamisch, während Montage- oder Bearbeitungsbereiche häufig sehr stabil sind.
Für die Praxis lassen sich daraus klare Schlussfolgerungen ableiten. Hochdynamische Zonen profitieren von AMRs mit hoher Autonomie, um Staus zu vermeiden und den Materialfluss stabil zu halten. Stabile Bereiche können effizient und kostengünstig mit AGVs automatisiert werden. Bereiche mit mittlerer Dynamik lassen sich gezielt weiter analysieren und gegebenenfalls mit abgestuften oder hybriden Konzepten ausstatten.

8. Abgrenzung zu Simulation und Digital Twin

Die Heatmap-Methodik ersetzt keine detaillierte Simulation bei hochkomplexen Projekten. Sie bietet jedoch einen praxisnahen Mittelweg zwischen grober Abschätzung und aufwendigem Digital Twin. Besonders für bestehende Werke und schrittweise Automatisierungsstrategien stellt sie ein effektives Planungsinstrument dar, da sie mit realen Daten arbeitet und vergleichsweise schnell umsetzbar ist.

9. Fazit: Automatisierung gezielt und wirtschaftlich umsetzen

Mobile Transportroboter sind ein zentraler Baustein moderner Intralogistik. Ihr wirtschaftlicher Nutzen hängt entscheidend davon ab, wie gut ihr Autonomiegrad zur tatsächlichen Dynamik der Produktionsumgebung passt. Die vorgestellte Methodik ermöglicht es Unternehmen, diese Dynamik sichtbar zu machen und fundierte, nachvollziehbare Entscheidungen zu treffen.
Statt pauschal auf maximale Autonomie zu setzen, können Investitionen gezielt dort erfolgen, wo sie echten Mehrwert schaffen – und in stabilen Bereichen bewusst Kosten eingespart werden. Damit wird die Intralogistik effizienter, robuster und langfristig wirtschaftlicher.

Autoren:

Leon Siegl und Tobias Bornemann (2025), Frankfurt University of Applied Sciences & AUMOVIO SE

 

Die dargestellten Erkenntnisse basieren auf der wissenschaftlichen Publikation:

Siegl, L., Bornemann, T. Assessment of shop floor environment dynamics in production plants by developing an innovative methodology for an appropriate implementation of mobile transport robots. Prod. Eng. Res. Devel. 19, 1231–1246 (2025).
https://doi.org/10.1007/s11740-025-01367-6

Die Arbeiten entstanden im Rahmen des Forschungsprojekts SIMOBOT (HA-Projekt-Nr. 1771/24–118), gefördert durch die LOEWE-Landesoffensive zur Entwicklung Wissenschaftlich-ökonomischer Exzellenz, Förderlinie 3: KMU-Verbundvorhaben.