AMR-Interoperabilität So orchestriert die Otto Group ihre Roboterflotten über einen digitalen Zwilling

Herstellerübergreifende Roboterflotten auf dem Shopfloor zu koordinieren, ist eine enorme Herausforderung. Der „Robotic Coordination Layer“ von Reply verknüpft proprietäre Flottenmanager und das WMS nun über einen digitalen Zwilling.

Wenn autonome mobile Roboter (AMR) verschiedenster Hersteller in der Intralogistik aufeinandertreffen, stoßen isolierte Flottenmanagementsysteme der einzelnen Anbieter schnell an ihre operativen Grenzen. In der bisherigen Praxis gehen diese proprietären Systeme meist davon aus, als einzige Instanz auf dem Shopfloor zu agieren, was bei einem heterogenen Mischbetrieb unweigerlich zu Schnittstellenkonflikten führt. Um Deadlocks und Staus an kritischen Knotenpunkten zu vermeiden sowie die Gesamteffizienz im Lager zu steigern, etabliert die Otto Group derzeit eine herstellerunabhängige Orchestrierungsebene. Diese verknüpft das übergeordnete Warehouse Management System (WMS) und bestehende Fördertechnik nahtlos mit den verschiedenen Roboter-Welten.

Im Interview erklärt der Ingenieur Kai Uwe Ernst, Executive Partner beim Systemintegrator Reply, wie diese technologische Integrationsaufgabe in der Praxis gelingt. Er beleuchtet, wie der neue „Robotic Coordination Layer“ über Protokolle und Standards wie VDA 5050, OPC UA sowie Apache Kafka mit der Hardware kommuniziert. Zudem zeigt er auf, warum ein hochpräziser digitaler Zwilling dabei als gemeinsames, datengetriebenes Referenzmodell fungiert. In dieser auf NVIDIA-Technologie basierenden Umgebung lassen sich neue Abläufe, Layout-Änderungen und Routen durch intensive Simulationen virtuell validieren, bevor sie im realen Betrieb zum Einsatz kommen und schrittweise auf das gesamte Logistiknetzwerk skaliert werden.

ELEKTRONIKPRAXIS: Was ist bei Ihnen der digitale Zwilling im Betrieb ganz konkret? Also welche Zustände bildet er in Echtzeit ab (Roboterpositionen, Fördertechnik, Auftragslage aus dem WMS), und welche Datenquellen füttern das?

Kai Uwe Ernst, Reply: Der digitale Zwilling ist eine hochpräzise virtuelle Abbildung des Logistikstandorts. Er bildet die physischen Gegebenheiten des Lagers sowie die Positionen, Bewegungen und Interaktionen der eingesetzten Robotersysteme ab. Grundlage sind Reality-Capture-Daten aus Sensor- und Kameratechnik, die unter anderem mit dem mobilen Roboter Spot von Boston Dynamics erfasst und zu detaillierten 3D-Modellen verarbeitet werden. Über die Anbindung an Roboterflottenmanagementsysteme und das Warehouse Management System entsteht eine konsistente, datengetriebene Sicht auf die laufenden Abläufe. Der digitale Zwilling dient dabei nicht nur der Visualisierung, sondern auch als Simulations- und Planungsumgebung, in der Layouts, Verkehrswege und Roboterkonfigurationen virtuell getestet werden können, bevor Änderungen im realen Betrieb umgesetzt werden.

Wo läuft der „Robotic Coordination Layer“ technisch? Zentral (Cloud), pro Standort (On-Prem) oder hybrid? Welche Latenz- und Verfügbarkeitsziele haben Sie sich dafür gesetzt?

Der Robotic Coordination Layer ist als zentrale Orchestrierungsschicht konzipiert, die Robotersysteme verschiedener Hersteller miteinander koordiniert und mit übergeordneten Systemen verbindet. Er arbeitet als digitale Zwischenschicht zwischen Robotik, Flottenmanagementsystemen und dem Warehouse Management System, um eine übergreifende Koordination der Robotik im Lager zu ermöglichen. Damit ist der Robotic Coordination Layer essenziell für den Betrieb, weshalb wir im ersten Schritt eine Verfügbarkeit von 99,95 Prozent anvisieren.

Für die Latenz gilt, dass wir an dieser Stelle geringere Anforderungen an die Zeitkritikalität haben, da wir die Roboter nicht direkt steuern und somit einen Zielwert von unter 500 ms pro Anfrage anstreben. Für Simulation und Training wird der digitale Zwilling auf Basis von Nvidia Omniverse und der Robotersimulationsumgebung Isaac Sim betrieben. Diese Umgebung kann sowohl in Cloud-Infrastrukturen als auch in hybriden Architekturen genutzt werden.

Wie koppeln Sie das System ans Warehouse-Management-System und an bestehende Fördertechnik an? Welche Schnittstellen nutzen Sie, und an welcher Stelle im Prozess greift die Orchestrierung ein (Dispatching, Priorisierung, Wegeplanung)?

Der Robotic Coordination Layer verbindet die zentralen Systeme wie das Warehouse Management System mit den jeweiligen Roboterflottenmanagern, sowie IoT-Geräten und bestehender Fördertechnik. Dadurch entsteht eine übergreifende Orchestrierungsebene, über die unterschiedliche Robotiksysteme koordiniert werden können, ohne dass ihre herstellerspezifischen Flottenmanagementsysteme ersetzt werden müssen. Die Orchestrierung greift vor allem auf der Ebene der Aufgabenverteilung, Priorisierung und Verkehrskoordination ein und sorgt dafür, dass verschiedene Robotersysteme effizient zusammenarbeiten können. Die Kommunikation basiert größtenteils auf Apache Kafka, wobei auch bewährte Kommunikationsprotokolle wie MQTT sowie REST und Webhooks zum Einsatz kommen. Für die direkte Steuerung von Robotiksystemen nutzen wir Industriestandards wie OPC UA und VDA 5050.

Wie integrieren Sie AMR-Flotten von unterschiedlichen Herstellern? Was ist dabei der typische Knackpunkt?

Die Integration in den Robotic Coordination Layer erfolgt über Adapter für die herstellerspezifischen Flottenmanager. Der große Knackpunkt ist, dass Flottenmanager-Hersteller meist nur stark eingeschränkte Steuerungsmöglichkeiten von außen bieten, da sie im bisherigen Paradigma davon ausgehen, das einzige System dieser Art auf dem Shopfloor zu sein. Dies ändert sich nun durch eine Orchestrierungsschicht für Robotersysteme unterschiedlicher Hersteller. Der digitale Zwilling fungiert dabei als gemeinsames Referenzmodell für Umgebung, Verkehrswege und physische Abläufe, wodurch sich verschiedene Robotiksysteme in einer konsistenten Umgebung planen und simulieren lassen.

Wie lösen Sie Verkehrsregeln und Konflikte zwischen Robotern in gemeinsam genutzten Zonen? Wer entscheidet was (Coordination Layer vs. Flottenmanager), und wie verhindern Sie Deadlocks und Staus?

Die Verkehrskoordination erfolgt mehrstufig. Die einzelnen Robotersysteme behalten zunächst ihre lokalen Navigations- und Kollisionsvermeidungsfunktionen, die durch ihre eigenen Flottenmanagementsysteme gesteuert werden. Darüber hinaus sorgt der Robotic Coordination Layer für eine übergeordnete Sicht auf das gesamte System. Dadurch können Verkehrsflüsse im Lager auf globaler Ebene koordiniert und potenzielle Konflikte zwischen verschiedenen Robotersystemen frühzeitig erkannt werden. In Kombination mit den Sensordaten der Roboter können Veränderungen im Lager – etwa blockierte Wege oder sicherheitsrelevante Situationen – erkannt und über den Robotic Coordination Layer an alle angeschlossenen Flotten verteilt werden, die ein alternative Routenplanung ermöglicht.

Welche Rolle spielt Simulation im Alltag? Also validieren Sie damit Layout-Änderungen, neue Regeln, neue Robotermodelle, oder trainieren Sie damit auch KI-Modelle?

Simulation ist ein zentraler Bestandteil der Lösung. Im digitalen Zwilling können Layout-Änderungen, neue Robotermodelle und Prozessvarianten virtuell getestet werden, bevor sie im realen Betrieb umgesetzt werden. Dadurch lassen sich What-if-Szenarien analysieren, beispielsweise unterschiedliche Volumenentwicklungen oder veränderte Verkehrsflüsse im Lager. Gleichzeitig bietet die Simulationsumgebung die Möglichkeit, Robotikprozesse und Koordinationsstrategien iterativ zu optimieren. Aktuell befinden sich Teile der Simulations- und Trainingsumgebung noch im Aufbau, sodass viele Szenarioanalysen zunächst im Rahmen von Tests und Pilotprojekten erfolgen.

Welche Rechen- und Netzwerkinfrastruktur braucht es im Lager? Also welche GPU/Edge-Compute-Anforderungen sehen Sie, und wie empfindlich ist das System gegenüber WLAN-Lücken und Funkstörungen?

Die rechenintensiven Simulationen und Trainingsumgebungen basieren auf der KI-Infrastruktur von NVIDIA mit Omniverse, Isaac Sim und RTX-basierter GPU-Technologie. Diese Simulationen werden typischerweise in leistungsfähigen Rechenumgebungen – etwa in Cloud-Infrastrukturen – betrieben. Die operativen Robotersysteme selbst arbeiten dagegen weiterhin mit ihren lokalen Steuerungen und Flottenmanagementsystemen. Im Wesentlichen bestehen die gleichen Anforderungen wie bei Flottenmanagern und Robotikanbietern, sodass keine zusätzlichen Edge-Compute- oder GPU-Ressourcen im Lager erforderlich sind. Eine stabile WLAN-Abdeckung ist wichtig, jedoch ist das System nicht hochgradig latenzkritisch; kurzzeitige Verbindungsabbrüche können in der Regel kompensiert werden.

Safety und Security: Welche Schutzmechanismen verhindern, dass die Orchestrierung zum Single Point of Failure wird, und wie trennen Sie OT/IT sowie Update- und Patch-Prozesse im laufenden Betrieb?

Die operative Verantwortung und Governance für den Robotic Coordination Layer liegt auf Seiten der Otto Group und ihrer IT-Organisation One.O. Aus technischer Sicht ist die Architektur so ausgelegt, dass bestehende Sicherheitsmechanismen der Robotersysteme und Flottenmanager weiterhin greifen und nicht durch eine zentrale Orchestrierung ersetzt, sondern ergänzt werden.

Was sind die größten Herausforderungen bei der Skalierung auf die 120 Standorte? (Datenpflege des Twins, Integration, Infrastruktur, Schulung?)

Die Skalierung einer solchen Plattform stellt hohe Anforderungen an Integration, Datenmodelle und Infrastruktur. Der Standort Löhne dient aktuell als Pilotstandort, an dem zentrale Komponenten der Architektur implementiert und getestet werden. Ziel ist es, eine skalierbare Architektur zu entwickeln, mit der sich unterschiedliche Robotiklösungen und Lagerumgebungen effizient integrieren lassen. Die dort gewonnenen Erkenntnisse sollen anschließend in weitere Standorte übertragen werden.

Wie messen Sie den wirtschaftlichen Effekt sauber: Gegen welche Baseline, über welchen Zeitraum, und welche Kennzahlen sind für Otto entscheidend?

Die Lösung zielt darauf ab, die Effizienz der Intralogistik zu verbessern und die Integration neuer Robotiklösungen zu beschleunigen. Ein zentraler Vorteil liegt darin, dass sich neue Robotiksysteme schneller testen, integrieren und orchestrieren lassen.

(mc)

(ID:50865992)