KI-gestützte Verladedokumentation steigert Effizienz im Logistikprozess

Automatisierte Verladedokumentation im laufenden Betrieb

Im Zentrum der Anwendung steht ein Gabelstapler, an dessen Kabine die Kamera montiert ist. Während der Fahrt erfasst sie kontinuierlich das Geschehen vor dem Fahrzeug. Der Prozess beginnt mit der Aufnahme des Tourscheins und umfasst sämtliche Schritte im Verladeablauf. Dazu gehören das Rangieren, das Aufnehmen und Absetzen jeder einzelnen Palette sowie die abschließende Ladungssicherung nach dem Abstellen des Staplers. Für die Fahrer bedeutet das eine spürbare Entlastung: Die bislang notwendige Unterbrechung zur manuellen Dokumentation entfällt vollständig. Gleichzeitig entstehen einheitliche und nachvollziehbare Bilddaten, die den gesamten Prozess transparent machen.

Intelligente Bildauswertung in Echtzeit

Ein wesentlicher Bestandteil der Lösung ist die intelligente Auswertung der aufgenommenen Bilddaten. Die Kamera überträgt ihre Bilder über eine standardisierte USB-Video-Class-Schnittstelle (UVC-Schnittstelle) ohne zusätzlichen Treiber direkt an ein Fahrzeugterminal. Von dort gelangen die Daten an einen lokalen KI-Server, der sie in Echtzeit analysiert. Zunächst bewertet eine KI-basierte Bildklassifikation jeden Frame hinsichtlich Inhalt und Relevanz. Mehr als 99 Prozent der Aufnahmen werden bereits in diesem Schritt aussortiert, sodass nur tatsächlich benötigte Informationen weiterverarbeitet werden. Für die verbleibenden Daten kommen spezialisierte Modelle aus dem DENKnet-System von DENKweit zum Einsatz. Eine Kombination aus Objekterkennung und optischer Zeichenerkennung (OCR) identifiziert Tourscheine sowie Palettenstrukturen. Die Tournummer wird ausgelesen und dient als zentraler Schlüssel für die Zuordnung der Bilder. Auf diese Weise werden alle relevanten Aufnahmen strukturiert einer Tour zugeordnet und zentral gespeichert. Gleichzeitig kann das System erkennen, wie viele Paletten sich im Bild befinden und welche Abmessungen sie haben.

Hohe Bildqualität bei wechselnden Abständen

Die Flexibilität der Lösung zeigt sich insbesondere in der dynamischen Anpassung der Bildaufnahme. Die uEye XC Autofokus-Kamera stellt automatisch zwischen unterschiedlichen Distanzen um. „Für die Erfassung eines Tourscheins wird auf einen Abstand von etwa 35 Zentimetern fokussiert. Für die Dokumentation des Verladeprozesses liegt der Aufnahmebereich hingegen bei 2 bis 3 Metern“, erklärt Thomas Fuchs, Team Leader AIoT bei CANCOM. „Dadurch entstehen in jeder Situation scharfe und verwertbare Bilder, auch bei wechselnden Lichtverhältnissen.“

Die eingesetzte Kamera verfügt über einen 13-Megapixel-Sensor und bietet Funktionen wie automatischen Weißabgleich, Farbkorrektur sowie individuell einstellbare Parameter für Helligkeit, Kontrast und Schärfe. Dank der UVC-Schnittstelle lässt sie sich ohne zusätzliche Treiber wie eine Standard-Webcam betreiben. In Kombination mit Windows IoT auf den Fahrzeugterminals vereinfacht dies die Integration erheblich. Geräte werden automatisch erkannt und können über ein zentrales Gerätemanagement verwaltet werden.

Skalierbare KI-Infrastruktur von Edge bis Rechenzentrum

Die besondere Stärke der Anwendung liegt im Zusammenspiel von Kamera und künstlicher Intelligenz. In der von CANCOM realisierten Lösung kommen containerisierte KI-Modelle von DENKweit zum Einsatz. Sie lassen sich flexibel von der Edge bis ins Rechenzentrum skalieren und können in Kubernetes-Umgebungen sowie bei Bedarf GPU-beschleunigt betrieben werden. Erste funktionsfähige Ansätze entstehen bereits mit vergleichsweise wenigen Trainingsbildern. Ihre Leistungsfähigkeit wächst jedoch maßgeblich mit der Qualität und Vielfalt der Daten.

Im Vergleich zu klassischen Bildverarbeitungssystemen reduziert sich damit der Entwicklungsaufwand erheblich. Komplexe, regelbasierte Vision-Pipelines werden durch lernbasierte Verfahren ersetzt, die sich schneller implementieren und leichter an neue Anforderungen anpassen lassen. Gleichzeitig profitieren Anwender von den rasanten Fortschritten bei der verfügbaren Rechenleistung, sodass selbst integrierte GPU-Lösungen für viele Anwendungen ausreichen.