Die FH Salzburg und die Machine Automation Division von ABB (B&R) haben eine gemeinsame Patentanmeldung für energieoptimierte Antriebssysteme eingereicht, wie das Unternehmen Ende Mai mitteilte.
Die Innovation ist ein zentrales Ergebnis der Zusammenarbeit im Josef Ressel Zentrum für Intelligente und Sichere Industrieautomatisierung, kurz JRZ ISIA. Im Mittelpunkt der Patentanmeldung steht ein neuartiger Ansatz zur energieoptimierten Bewegungssteuerung von Antriebssystemen in der Industrieautomatisierung, wie etwa in Robotern, Werkzeugmaschinen oder automatisierten Produktionslinien, in denen hochdynamische Bewegungsabläufe wie Positionieren, Beschleunigen, Abbremsen oder Taktfolgen präzise gesteuert werden müssen. Während klassische Regelungsverfahren auf möglichst exakten mathematischen Modellen des Systems basieren, setzt der neue Ansatz genau dort an, wo solche Modelle an ihre Grenzen stoßen: bei realen, oft schwer erfassbaren Energieverlusten, die zwar messbar sind, jedoch nicht vollständig modelliert oder im Detail bekannt sind.
Beschleunigung durch neue Lernstrategie
Durch den Einsatz von Methoden der Künstlichen Intelligenz, insbesondere des Reinforcement Learnings (RL), wird ein lernender Agent direkt am realen System eingesetzt. Dieser optimiert die Bewegungsstrategien adaptiv, indem er durch Interaktion selbstständig lernt, wie unterschiedliche Bewegungsabläufe zu Energieverlusten beitragen, und seine Steuerung entsprechend anpasst, und zwar ganz ohne vollständiges Systemmodell.
Ein zentraler Innovationsbeitrag des Patents liegt dabei in einer neuartigen mathematischen Konstruktion der Lernstrategie: Sie ermöglicht es, die bislang für industrielle Anwendungen oft zu langsamen und datenintensiven RL-Verfahren deutlich zu beschleunigen und gleichzeitig bessere Ergebnisse zu erzielen. Dadurch wird der praktische Einsatz in cyber-physischen Systemen nach Einschätzung des Unternehmens erstmals wirtschaftlich und technisch sinnvoll – mit dem Ziel, Bewegungsabläufe signifikant energieeffizienter zu gestalten und reale Betriebsbedingungen umfassend zu berücksichtigen.
Wenn KI-Forschung nicht im Labor endet
„Diese Patentanmeldung zeigt eindrucksvoll, wie wissenschaftliche Exzellenz und industrielle Praxis im Josef Ressel Zentrum Hand in Hand gehen. Unser Ziel ist es, Forschung nicht im Labor enden zu lassen, sondern konkrete technologische Innovationen für die Industrie zu entwickeln“, sagt Stefan Huber, Head of Research der FH Salzburg (links im Bild). „Gerade im Bereich der Künstlichen Intelligenz brauchen wir in Österreich und Europa erstklassige Forschung an der technologischen Spitze, die einen direkten Impact auf die Geschäftsfelder unserer Industrie hat.“
Brauchen erstklassige Forschung im Bereich Künstliche Intelligenz
Auch bei der Machine Automation Division von ABB (B&R) wird die Zusammenarbeit als strategisch relevant angesehen: „Die enge Kooperation mit der FH Salzburg ermöglicht es uns, innovative Methoden aus der Forschung rasch in industrielle Anwendungen zu überführen. Die eingereichte Patentanmeldung ist ein starkes Signal für die Innovationskraft, die diese Partnerschaft hervorbringt“, so Martin Haidacher, Innovation Manager bei B&R (rechts im Bild).
Sechs Jahre gemeinsame Forschung bis zum Patent
Die zugrunde liegende Forschung hat eine längere Entwicklungsgeschichte: Erste Arbeiten reichen bis ins Jahr 2020 zurück und wurden im EU-Interreg-Projekt KI-Net initiiert. Seit 2022 wird das Thema im Josef Ressel Zentrum weiterentwickelt – gemeinsam mit den Industriepartnern der Machine Automation Division (B&R), Copa-Data und weiteren.
Die gemeinsame Anmeldung unterstreiche die Bedeutung langfristiger Forschungs-kooperationen zwischen Hochschule und Industrie – besonders in einem Technologiefeld, das für Energieeffizienz, Nachhaltigkeit und die internationale Wettbewerbsfähigkeit des Industriestandorts Europa von zentraler Relevanz sei, hieß es in der Meldung des Automatisierungsunternehmens.
Bild (oben): v.l.n.r. Stefan Huber (Head of Research, FH Salzburg) und Martin Haidacher (Innovation Manager, B&R)
Quelle: B&R
