Cobots und KI-Sichtprüfung: drei Integrationsmuster für KMUs
Der International Federation of Robotics meldet, dass kollaborative Roboter (Cobots) seit 2020 jedes Jahr zweistellig wachsen und 2024 bei über 10% aller Neuinstallationen landen. Der Großteil dieses Wachstums kommt nicht aus der Automobilindustrie, sondern aus dem Mittelstand. Kleine und mittlere Unternehmen (KMU) setzen Cobots ein, weil sie flexibel, vergleichsweise günstig und ohne teure Integrationsprojekte umzusetzen sind.
Was vielen dieser Installationen fehlt: eine Sichtprüfung, die den Cobot nicht nur steuert, sondern die Qualität der produzierten Teile überwacht. Ohne diese Prüfung liefert der Cobot einen produktiven Zyklus, aber keine Qualitätssicherung. Genau dieser Punkt ist der Hebel, den KI-basierte Sichtprüfung auf einem iPhone für KMUs bietet.
Dieser Artikel zeigt Dir, warum Cobots und KI-Sichtprüfung im KMU zusammengehören, welche drei Einsatzmuster am häufigsten funktionieren und wo der Einstieg konkret aussieht.
Warum Cobots für KMUs funktionieren
Cobots unterscheiden sich von klassischen Industrierobotern in drei Punkten: Sie sind ohne Schutzkäfig einsetzbar, ihre Programmierung ist per Teach-in in Stunden statt Wochen machbar, und ein Cobot von Universal Robots, Doosan, Techman oder Fanuc CRX kostet rund ein Drittel eines klassischen Robotersystems. Das macht sie zur bevorzugten Einstiegsautomation im Mittelstand.
Die typischen KMU-Einsatzfälle: Maschinenbeladung (CNC-Fräsen, Pressen, Spritzgussmaschinen), Pick-and-Place aus Kisten, Schraub- und Klebeanwendungen, einfache Montageschritte und Verpackung. Alle diese Fälle haben ein gemeinsames Muster: Der Cobot bewegt ein Teil, aber er prüft es nicht. Die Qualitätsprüfung bleibt entweder ein manueller Schritt oder fällt ganz aus.
Das fehlende Stück: inline Sichtprüfung
In den meisten Cobot-Zellen ist der einzige eingebaute 'Sensor' für Qualität eine einfache Kamera-Führung: Der Cobot nimmt ein Teil auf, wenn die Kamera es findet. Das beantwortet die Frage 'wo ist das Teil' aber nicht 'ist das Teil in Ordnung'. Traditionelle Bildverarbeitungssysteme könnten das lösen, aber sie sprengen das Budget und die Komplexitätsgrenze, die ein KMU für eine Cobot-Zelle eingeplant hat.
KI-Sichtprüfung auf einem iPhone schließt genau diese Lücke. Die Hardware kostet unter 1.000 Euro (refurbished iPhone, Halterung, Kabel, Ringlicht). Die Inbetriebnahme dauert einen halben Arbeitstag. Das Modell läuft auf dem Gerät und schreibt Gut/Schlecht an den Cobot-Controller über OPC UA oder eine einfache HTTP-Schnittstelle. Wenn Du wissen willst, wie das allgemeine Muster aussieht, lies unseren Artikel dazu, was KI-Sichtprüfung ist.
Drei Einsatzmuster, die im KMU funktionieren
1. CNC-Maschinenbeladung mit Teile-Eingangsprüfung
Ein Cobot belädt eine CNC-Fräse mit Rohteilen aus einer Kiste und entnimmt fertige Teile. Die Sichtprüfstation steht am Auslauf und prüft jedes fertige Teil auf Bearbeitungsfehler (Grat, Ausbruch, fehlende Bohrung, falsche Kantenbearbeitung). Schlechte Teile gehen in eine separate Rutsche, gute Teile in die Kiste. Die Prüfung ersetzt die manuelle Stichprobe am Schichtende und verhindert, dass ein Werkzeugverschleiß eine ganze Kiste Ausschuss produziert.
2. Montage-Cobot mit Endprüfung
Ein Cobot führt einen Montageschritt aus (zum Beispiel eine Schraube setzen, eine Dichtung einlegen, einen Clip einrasten) und übergibt das Teil an die nächste Station. Die Sichtprüfstation prüft zwischen den Schritten, ob die Operation richtig ausgeführt wurde. Der Cobot kann auf ein Schlecht-Signal reagieren, das Teil ausschleusen oder die Montage wiederholen. Das ist das gleiche Muster, das wir in unserem Artikel zur KI-Qualitätskontrolle in der manuellen Montage beschreiben, nur mit dem Cobot statt dem Menschen.
3. Verpackung und Palettierung mit Kennzeichnungsprüfung
Ein Cobot palettiert Kartons oder Trays. Die Sichtprüfung prüft vor der Palettierung, dass jeder Karton korrekt etikettiert ist, das Chargenlabel lesbar ist und das Haltbarkeitsdatum stimmt. Dieses Muster rhyme mit dem, was wir bei Sichtprüfung für Lebensmittel und Getränke und der KI-Sichtprüfung für Pharma-Verpackung zeigen, nur im kleineren Maßstab eines einzelnen Cobot-Zellen.
Die ROI-Rechnung für den Mittelstand
Ein Cobot von Universal Robots UR5e oder einem Wettbewerber kostet komplett integriert zwischen 40.000 und 70.000 Euro. Dagegen stehen geschätzt 0,5 bis 1,5 vollzeitäquivalente Arbeitsstellen, die der Cobot ersetzt oder entlastet. Bei zweischichtigem Betrieb liegt die Amortisation erfahrungsgemäß zwischen 14 und 24 Monaten.
Die Sichtprüfstation auf iPhone-Basis kostet on top weniger als 1.000 Euro Hardware plus eine Enao-Subscription. Sie verschiebt die Amortisation des Gesamtprojekts in der Regel um weniger als einen Monat, verbessert aber die Ausschussquote spürbar. In Zellen, in denen die Sichtprüfung das manuelle Prüfen ersetzt, trägt sie ihren eigenen Business Case in wenigen Monaten ein.
Wenn Du tiefer in die Kostenrechnung einsteigen willst, lies unseren Artikel zum Umstieg von CapEx auf OpEx in der Fertigung. Der Grundgedanke ist der gleiche: Sichtprüfung auf einem Smartphone verlagert die Investitionslast in eine monatliche Gebühr und macht die Amortisationsrechnung für einen Finanzleiter deutlich einfacher zu verteidigen.
Was Du für die Integration brauchst
Die Integration zwischen Cobot und iPhone-Sichtprüfung ist in drei Schritten getan. Erstens: Die iPhone-Station hat eine einfache HTTP- oder MQTT-Schnittstelle, die Gut/Schlecht an den Cobot-Controller sendet. Zweitens: Der Cobot-Controller (URCap bei Universal Robots, vergleichbar bei anderen) reagiert auf das Signal mit einer Ausschleusroutine. Drittens: Das Bild wird lokal gespeichert und bei Bedarf an ein MES oder ERP-System weitergegeben.
Keine Cloud-Pflicht, keine neue IT-Infrastruktur, kein eigener Server. Das ist für KMUs entscheidend, weil die meisten Cobot-Projekte an der IT-Integration scheitern, nicht an der Roboterhardware selbst. Mehr zur technischen Seite findest Du in unserem Guide zur industriellen Bildverarbeitung.
Wo Du anfängst
Der schnellste Weg: Such Dir eine bestehende manuelle Prüfstation an einem Arbeitsplatz, an dem der Cobot bereits läuft oder geplant ist. Fotografiere 200 bis 500 Gut- und Schlecht-Beispiele mit einem iPhone. Das ist genug, um ein erstes Modell zu trainieren und einen Shadow-Run neben der manuellen Prüfung zu starten. Nach zwei Wochen siehst Du, ob die Trefferquote in Deiner Anwendung ausreicht, um das manuelle Prüfen zu ersetzen oder zu ergänzen.
Wenn Du diesen Einstieg strukturiert angehen willst, tritt der Enao Community bei. Dort teilen wir Deployment-Checklisten, Integrationsvorlagen für die gängigen Cobot-Marken und eine Referenz-Stückliste für eine erste Cobot-plus-Sichtprüfungs-Zelle.