Holen Sie sich B4BSCHWABEN.de auf Ihr Smartphone.
Klicken Sie auf das Symbol zum „Teilen” in der Toolbar von Safari. Finden Sie die Option „Zum Home-Bildschirm”. Mit einem Klick auf „Hinzufügen” ist die Installation abgeschlossen! Schon ist die Website als App auf Ihrem iOS-Gerät installiert.
Samir Rahman: Cambrian Robotics entwickelt Kamerasysteme für Roboter, die auf künstlicher Intelligenz basieren. Wir verwenden sogenannte CNNs (Convolutional Neural Networks). Dadurch erzielen wir eine höhere Genauigkeit, bessere Lichtstabilität und schnellere Objekterkennung.
Allgemein verstellt der Fokus auf Sprachmodelle wie ChatGPT oft den Blick auf das größere Potenzial von KI. Dabei ist die Bildverarbeitung ein ebenso leistungsstarkes Anwendungsfeld. Jedes einzelne Bild enthält tausende von Datenpunkten. Das ist eine enorme Informationsdichte, die sich mit KI effizient auswerten lässt. Gerade in diesem Bereich zeigen neuronale Netze ihre ganze Stärke und ermöglichen Lösungen, die vor wenigen Jahren noch undenkbar waren.
Es gibt viele Anwendungsfelder künstlicher Intelligenz. Am bekanntesten sind derzeit sicher Sprachmodelle wie ChatGPT, sogenannte LLMs. Diese spielen bei uns jedoch keine Rolle. Cambrian Robotics setzt auf neuronale Netze, die speziell für die Bildverarbeitung und Bildsegmentierung entwickelt wurden. Grundlage dafür sind sogenannte CAD-Daten – also digitale, technische Zeichnungen und 3D-Modelle von Bauteilen oder Produkten, die in der Industrie weit verbreitet sind. Aus diesen CAD-Modellen erzeugen wir automatisiert eine Vielzahl künstlicher Bilder, die wir anschließend als Trainingsdaten für das neuronale Netz verwenden.
Hauptsächlich in der Produktion von Elektronik über Automotive bis hin zu Pharmazie und Lebensmittelindustrie. Grundsätzlich ist unser System jedoch branchenoffen. Wichtig ist nur, dass es vor Ort Menschen gibt, die sich mit Robotik und dem System auskennen.
Viele andere KI-Anbieter setzen auf Punktwolken oder Kantenerkennung. Unser Ansatz ist robuster gegenüber wechselnden Lichtverhältnissen oder ungeordnet liegenden Teilen. Das macht unsere Lösung flexibler und stabiler im laufenden Betrieb.
Unser Team umfasst derzeit 23 Mitarbeitende an mehreren Standorten, darunter in den USA und in London. Der Standort in London konzentriert sich vor allem auf die Weiterentwicklung unserer Software und KI-Modelle. Unser größter Standort ist jedoch Königsbrunn bei Augsburg. Dort betreiben wir ein umfassend ausgestattetes Demozentrum mit acht bis neun Industrierobotern. Täglich erhalten wir von Kunden Bauteile und zugehörige CAD-Daten, anhand derer wir kostenlos und individuell innerhalb weniger Stunden Demonstrationen vorbereiten. So erhalten Interessenten schnell und praxisnah einen Eindruck davon, was mit unserer Technologie möglich ist und wo Grenzen liegen könnten. Das erleichtert vielen die Entscheidung für oder gegen ein Projekt und macht Königsbrunn zum Herzstück unserer Entwicklungs- und Kundennähe.
Eine der größten Herausforderungen im KI-Bereich ist für uns vermutlich die Nachvollziehbarkeit neuronaler Netze. Was genau im Inneren eines solchen Modells passiert, ist schwer zu durchdringen. Dafür sind die Zusammenhänge zu komplex. Wir arbeiten deshalb verstärkt daran, die Qualität der Trainingsdaten zu verbessern, denn dieser Teil des Prozesses ist für uns besser kontrollierbar. Durch gezielte Datenaufbereitung und kontinuierliche Tests haben wir in den vergangenen vier bis fünf Jahren viel gelernt. Heute verfügen wir über ein System, das äußerst stabil läuft und in der Praxis zuverlässig funktioniert.
Die Wirtschaftlichkeit unserer Lösung hängt stark vom Gesamtumfang des Projekts ab. Im Durchschnitt liegt die Amortisationszeit zwischen zwölf und 24 Monaten. Unser Kamerasystem selbst stellt dabei nur einen geringen Kostenfaktor dar, da wir auf einfache, aber effektive 2D-Kameratechnologie setzen. Im Vergleich zu anderen Systemen, die auf aufwendige Sensorik angewiesen sind, können wir dadurch eine besonders kosteneffiziente Lösung anbieten. Häufig lohnt sich unser System bereits nach wenigen Monaten.
Ein aktuelles Projekt mit einem großen deutschen Mittelständler hat mich besonders beeindruckt. Es ging um einen großen deutschen Mittelständler, der in seiner Produktion viele durchsichtige Behälter verwendet, ähnlich wie Spritzen. Das Problem war, dass herkömmliche Kamerasysteme Schwierigkeiten hatten, die transparenten Teile zu erkennen, da die Kanten nicht sichtbar waren. Daher wurden mechanische Zuführsysteme eingesetzt. Was mich erstaunt hat, war, dass für dieses Verfahren bisher eine Maschine benötigt wurde, die neun Quadratmeter Platz einnahm, um die verschiedenen Prozessschritte zu integrieren. Dank des neuen Kamerasystems können wir dieses Problem nun mit nur zwei Quadratmetern Platz lösen. Dadurch sind wir deutlich flexibler, da wir nun auch unterschiedliche Größen der Teile handhaben können. Zudem ist die Lösung wesentlich kostengünstiger als die vorherige Methode. Was früher unmöglich war, ist heute machbar.
Ein zentraler Punkt ist, dass es nach wie vor extrem schwierig ist, neuronale Netze vollständig nachzuvollziehen. Wir werden jeden Tag besser darin, aber es bleibt eine Herausforderung. Ein weiteres großes Thema, an dem vor allem die großen KI-Firmen arbeiten, ist die Verbesserung des Trainingsprozesses. Aktuell ist dieser noch ziemlich ineffizient, da beim Training enorme Ressourcen und viel Zeit investiert werden, um mehr oder weniger zufällig die besten Parameter zu finden. In der Branche herrscht Einigkeit darüber, dass es einen strukturierten Ansatz geben muss, um mit weniger Zeit und Ressourcen ähnliche oder sogar bessere Ergebnisse zu erzielen.
Die Region ist für uns ideal, da die sie stark vom Maschinenbau geprägt ist. Hier gibt es viele technisch versierte Maschinenbauer, was die Zusammenarbeit besonders spannend macht. Es ist motivierend, gemeinsam mit Partnern und Kunden Herausforderungen zu meistern, die noch vor wenigen Jahren als unlösbar galten vor allem, weil diese Partner über jahrzehntelange Erfahrung verfügen. Zudem ist es sehr angenehm, dass wir im Falle eines Problems nicht lange reisen müssen, sondern in kurzer Zeit vor Ort sein können, um zu helfen.
Aktuell gibt es viele Lösungen, aber der Schlüssel liegt darin, sie effizient miteinander zu verbinden. Cambrian Robotics arbeitet daran, den Einsatz so zu vereinfachen, dass Mitarbeiter mit wenigen Tagen Training die Systeme selbstständig bedienen und anpassen können, ohne Experten für jede Veränderung einholen zu müssen. Das macht Automatisierung flexibler und kostengünstiger für Unternehmen.
Wir wollen die Bedienung weiter vereinfachen. Aktuell braucht es etwa drei Tage Schulung, bis man unser System sicher nutzen kann. Unser Ziel ist, diese Zeit jährlich zu verkürzen, sodass sich der Kunde selbst integrieren und anpassen kann.
