Im Bereich der industriellen Fertigung ist es für Werker essentiell, die Montage einer neuen Baugruppe schnell und effektiv zu erlernen. Bevor sie in einer neuen Montagelinie eingesetzt werden und dort selbstständig arbeiten können, müssen sie vorab den Montagevorgang erlernen und mit allen relevanten Aspekten der zu fertigenden Baugruppe vertraut gemacht werden.

Das Bestreben, diesen Lernvorgang möglichst effektiv zu gestalten, besteht bereits seit Beginn der Industrialisierung. Derzeit wird dieser Lernprozess durch Vorarbeiter geleitet, welche die Werker beaufsichtigen und ihnen den Montagevorgang erläutern.

Jedoch bringt diese Methode der Wissensvermittlung auch Probleme mit sich. Gerade in Zeiten von immer weiter sinkenden Losgrößen ist es für Unternehmen wichtig, eine dynamische Personalplanung für die einzelnen Produktionslinien sicherzustellen. Das bedeutet, dass Werker in kürzester Zeit den Fertigungsvorgang für ein neues Produkt erlernen müssen. Folglich ist es notwendig, über Vorarbeiter mit den entsprechenden Fachkenntnissen für die neuen Produkttypen zu verfügen, welche Werker anlernen und einweisen können. In der Praxis kann dies aus diversen Gründen nicht immer gewährleistet werden. Um Abhilfe zu schaffen, gewinnen Systeme, die Werker beim Erlernen und Ausführen eines Montageprozesses unterstützen und ihnen assistieren, immer weiter an Bedeutung. Solche Montageassistenzsysteme bieten dem Werker zwar die Möglichkeit, Informationen zu einem Montageprozess abzurufen, aber die meisten der heute verfügbaren Systeme können eine Lernsituation, wie sie zwischen Werker und Vorarbeiter stattfindet, nicht ersetzen.

Mit dieser Frage beschäftigte sich Thomas Quitter, Informatikstudent der htw saar, im Rahmen eines Forschungssemesters an der University of Calgary, Kanada, im Sommer 2016. In Zusammenarbeit mit Prof. Dr. Ehud Sharlin, Ahmed Mostafa und D’Arcy Norman (University of Calgary) und Prof. Dr. André Miede (htw saar) wurde dieser neue Ansatz untersucht, um zukünftige industrielle Trainingsprozesse zu optimieren. Unterstützt wurde das Projekt durch das Saarbrücker Softwarehaus SemVox, welches durch seine Kompetenzen in den Bereichen der Mensch-Maschinen-Interaktion und der künstlichen Intelligenz ein wertvoller Kooperationspartner war. Das Team entwickelte ein Prototypensystem in Kombination mit einem humanoiden Roboter, um zu evaluieren, wie Roboter die Rolle eines Vorarbeiters beim Training von Montageprozessen übernehmen können. Vorab galt es zu ergründen, wie der Lernprozess zwischen zwei Menschen abläuft. Durch eine Reihe von Pilotversuchen, bei denen das Montagetraining zwischen Werker und Vorarbeiter beobachtet wurde, konnten didaktische Konzepte analysiert werden. Damit ein humanoider Roboter bei einem Lernprozess die Rolle des Lehrers übernehmen und möglichst effizient und natürlich Wissen vermitteln kann, müssten diese Konzepte auf den Roboter übertragen werden.

Um den Prototyp zu entwickeln, wurde der humanoide Roboter „Baxter“ des Herstellers Rethink Robotics verwendet. Baxter ist ein fast 1,80 Meter großer humanoider Roboter, der derzeit in der Industrie in verschiedenen Bereichen eingesetzt wird. Durch eine Reihe von Sicherheitsmechanismen ermöglicht er ein gefahrloses Arbeiten mit dem Menschen in seiner direkteren Umgebung. Dies ist unbestritten die Grundvoraussetzung für eine Mensch-Roboter-Kollaboration.

Damit der Roboter wie ein menschlicher Trainer umfassende Anweisungen während des Montagetrainings geben kann, muss Baxter eine Reihe von menschlichen Fähigkeiten adaptieren. Dazu gehören unter anderem eine Reihe von Gesten und Bewegungen, wie beispielsweise das Zeigen auf ein Bauteil mit seinen Armen. Um das System möglichst menschenähnlich zu gestalten, wurden anthropomorphe Konzepte wie die Darstellung von Gesichtsausdrücken auf Baxters Display verwendet, die menschliche Emotionen simulierten. Dadurch erhält der Benutzer nicht nur umgehend ein Feedback über seine Arbeit (beispielsweise ein Lächeln bei einem korrekt ausgeführten Schritt), es macht den Roboter auch menschlicher, was erwiesenermaßen zu einer Steigerung der Benutzerakzeptanz führt. Um eine effiziente Mensch-Roboter-Kommunikation zu ermöglichen, muss Baxter ebenfalls sprechen und den Benutzer verstehen können. Realisiert wurde dies durch das Sprachdialogsystem ODP S3 der Firma SemVox, welches eine natürliche Sprachinteraktion zwischen Mensch und Maschine ermöglicht. Diese intuitive Bedienmöglichkeit rundet die User-Experience ab, so dass während des gesamten Lernprozesses die Kommunikation und Interaktion zwischen Benutzer und Roboter genauso wie zwischen zwei Menschen stattfinden kann.

Ziel des Projekts war es nicht, menschliche Arbeitskraft durch Roboter zu ersetzen. Auch in Zukunft wird in der Industrie zumindest bei kleinen und mittleren Produktionsserien die menschliche Arbeitskraft ein entscheidender Faktor bleiben. Stattdessen sollen die untersuchten Konzepte Synergien zwischen Mensch und Roboter nutzen; getreu dem Grundsatz „ Jeder soll das tun, was er am besten kann“, denn Baxter kann zwar einen Montageprozess erläutern und dabei assistieren, ihn aber nicht vollständig selbst ausführen. Um das System zu evaluieren, wurde eine Studie mit 20 Probanden durchgeführt. Deren Aufgabe war es, die Montage eines kleineren Getriebes zu erlernen. Dabei fand der Lernprozess zwischen den Freiwilligen und dem Roboter statt. Nach mehreren Trainingsdurchläufen, bei denen Baxter (koordiniert und überwacht durch den Versuchsleiter) den Probanden Schritt für Schritt Anweisungen gab, bei der Lösung von möglicherweise aufgetretenen Fehlern half und schwierigere Schritte detaillierter erklärte, sollten die Probanden die Montage abschließend alleine durchführen. So wurde evaluiert, ob Baxter das Wissen, das für eine erfolgreiche Montage notwendig ist, an die Probanden vermitteln konnte.

Neben fast ausschließlich positivem Feedback zu dem entwickelten Lernsystem gelang es allen Teilnehmern der Studie, den nicht trivialen Montageprozess zusammen mit Baxter zu erlernen und im Anschluss alleine zu reproduzieren.

Durch diese Erkenntnisse konnte gezeigt werden, dass Roboter in der Industrie zu mehr als nur monotonen Arbeiten eingesetzt werden können. Das Potenzial humanoider Roboter bietet eine Reihe von weiteren Szenarien und Möglichkeiten.

Dies kann nicht nur eine Kostensenkung oder Effizienzsteigerung für produzierende Unternehmen bedeuten, sondern bietet auch zahlreiche Chancen für Angestellte. So können beispielsweise Menschen mit einer Lernschwäche die Chance bekommen, angelernt zu werden, denn ein Roboter als Lehrer ist immer geduldig und kann mit seinem Lehrling den Montageprozess so lange üben, bis dieser ihn vollständig beherrscht. In Zeiten der Globalisierung bietet ein solches Lernsystem ebenfalls den Vorteil, dass das Training durch den Roboter in jeder beliebigen Sprache stattfinden kann.

Durch dieses Forschungsprojekt wurden exemplarisch die vielfältigen Möglichkeiten aufgezeigt, die durch den Einsatz von humanoiden Robotern entstehen. Neuste Fortschritte in den Bereichen Robotik und innovative Interaktionskonzepte, wie sie zum Beispiel Sprachdialogsysteme darstellen, erlauben nicht nur eine immer effizientere Kollaboration, sondern auch eine einfache und intuitive Verständigung zwischen Mensch und Maschine, so dass Roboter in Zukunft auch in neuen Aufgabenbereichen – zum Beispiel für das Leiten und Überwachen von Trainingsprozessen – eingesetzt werden können.

Demo-Video auf YouTube:
Zusammenarbeit von Mensch und Maschine – Humanoid-Roboter Baxter leitet einen Probanden im Montageprozess an

Dieser Artikel ist in der zweiten Ausgabe des Hochschulmagazins sichtbar erschienen. Die Ausgabe widmet sich dem Bereich Internationalisierung – ein zentrales Thema an der htw saar, da grenzüberschreitende Lehre und Forschung für eine Hochschule ebenso wichtig sind wie für das regionale Umfeld, in das sie verbunden ist.

Lesen Sie die neue Ausgabe der sichtbar online oder bestellen Sie das Hochschulmagazin kostenfrei per E-Mail bei Iris Krämer-Schmeer.