aiMOOC

Pick-and-Place-Anlage Ehingen – Fehlgriffe und Fehlmontagen systematisch eingrenzen

QR-Code

Einleitung

Wie lässt sich aus Kameradaten, Greiferzuständen und Ablageprotokollen eine plausible Ursache für einen fehlgeschlagenen Handhabungsvorgang bestimmen – ohne einen Roboter anzuhalten, zu verfahren oder in seinen Arbeitsraum einzugreifen? In diesem aiMOOC untersuchst du die Unterschiede zwischen Erkennungsproblem, möglichem Werkstückverlust und falscher Orientierung bei der Ablage. Du arbeitest mit ausdrücklich synthetischen Datensätzen und eigenen Lehrmodellen.

Gesicherter Standortbezug, Quellenstand 2025: Im Liebherr-Beitrag „Unser Weg zur Smart Factory“ (Magazin 02/2025) wird für Ehingen eine Pick-&-Place-Anlage beschrieben, in der ein Industrieroboter in der Schlauch- und Rohrmontage Überwurfmuttern und Schneidringe ineinandersetzt. Kameraaufnahmen dienen zum Identifizieren der Teile, zur Berechnung der Greifkoordinaten und zur Bestimmung eines Ablagewinkels. Nicht belegt sind Roboterhersteller, Greiferbauart, konkrete Sensorik, internes Programm, Fehlerhäufigkeiten und Sicherheitskonzept. Alle folgenden Grenzwerte, Messwerte und Abläufe sind didaktische Modellannahmen und keine Maschinenparameter oder Bedienfreigaben.

Zielgruppe: Auszubildende im 3. Ausbildungsjahr Mechatroniker, Industriemechaniker und Elektroniker für Geräte und Systeme aller Geschlechter. Die berufliche Zuordnung ist eine redaktionelle Lernempfehlung und mit Betrieb und Berufsschule abzustimmen. Sicherheit: Lernhandlungen erfolgen an Datensätzen, auf Papier oder in einer freigegebenen Simulation. Reale Maschinenarbeit nur nach betrieblicher Unterweisung und qualifizierter Anleitung. Dieser Kurs ist ergänzendes Lernen, kein offizieller Liebherr-Lehrgang und kein Ersatz für Betriebsanweisungen.

Lernziele: Du kannst Beobachtung, Hypothese und Nachweis unterscheiden; Lage- und Winkelabweichungen berechnen; ein lückenloses Ereignisprotokoll entwerfen; Diagnoseentscheidungen begründen; eine schonende Offline-Prüfstrategie mit Abbruchkriterien formulieren.

Prozesskette und eindeutige Fehlerbegriffe

Vom Kamerabild zum Ablageergebnis

Eine bildgestützte Pick-and-Place-Aufgabe kann als abstrakte Prozesskette modelliert werden. Dies ist ein eigenes didaktisches Schema und kein Ablaufplan der Anlage in Ehingen:

Schematischer Datenfluss: Bildaufnahme → Objektkandidat → Klassen- und Lageentscheidung → geplanter Greifpunkt → modellierter Werkstückkontakt → Transportstatus → Soll-Ablagepose → Ist-Ablagepose → Ergebnisprüfung.

Rückkopplung: Bei unvollständigem Nachweis → Vorgang im Datensatz als „ungeklärt“ kennzeichnen → nächste Offline-Prüffrage festlegen, nicht automatisch Maschinenparameter verändern.

Lehrmodell-Ereignis	Minimale dokumentierte Größe	Typischer Befund	Grenze der Aussage
Bildauswertung	Bild-ID, Klasse, Erkennungswert, Pose	Teil nicht eindeutig erfasst	Niedriger Wert beweist keinen mechanischen Defekt
Greifbeginn	Zeit, geplante Position, erwartetes Teil	Greifvorgang vorgesehen	Bewegungsabsicht beweist keinen Kontakt
Kontaktindiz	separates Anwesenheitssignal oder Bild	Teil möglicherweise aufgenommen	Einzelnes Signal kann fehlerhaft sein
Transportprüfung	Zeit, erneutes Anwesenheitsindiz	Teil möglicherweise verloren	Ohne zweite unabhängige Beobachtung nur Verdacht
Ablagevergleich	Soll- und Ist-Pose, Qualitätsmerkmal	Orientierungsabweichung	Auch ein Mess- oder Bezugssystemfehler ist möglich

Beispielbild eines industriellen SCARA-Roboters: allgemeines Funktionsprinzip, keine Abbildung oder Herstellerangabe zur Liebherr-Anlage in Ehingen. Quelle und Freigabe im Mediennachweis.

Erkennungsfehler, Fehlgriff und Fehlmontage unterscheiden

Ein Erkennungsproblem liegt im Lehrmodell vor, wenn eine Objektklasse oder Lage nicht mit ausreichender Güte festgestellt werden kann. Beispiel: Ein überlagerter Schneidring wird mit zwei konkurrierenden Objektkandidaten erkannt. Ein Fehlgriff betrifft den Schritt der Übernahme des Teils: Der gemeldete Greifversuch passt nicht zum erwarteten Werkstückkontakt, oder ein Werkstücksignal verschwindet während des Transports. Eine Fehlmontage beschreibt dagegen das nicht erfüllte Zusammenfügen beziehungsweise die unzulässige Endlage; diese darf nicht allein aus einer Greiferposition geschlossen werden.

Ursache, Symptom und Folgewirkung sind nicht dasselbe. Ein falsch bestimmter Greifpunkt kann einen scheinbaren Greiferfehler auslösen; ein fehlerhaftes Teilpräsenzsignal kann einen Verlust vortäuschen. Deshalb ist die Reihenfolge der Daten wichtig. Verwende Kategorien wie „bestätigt“, „wahrscheinlich“, „ungeklärt“ und „durch Messung widerlegt“ statt einer vorschnellen Schuldzuweisung an Mechanik oder KI.

Fehlermatrix und Beobachtungsqualität

Sichtbarer Befund	Mindestens zu prüfende Daten	Erste Offline-Hypothese	Alternative Erklärung
Kamera meldet keine sichere Pose	Bildqualität, Segmentierung, Klassenzuordnung	Erkennung instabil	Beleuchtung, Abschattung, unpassende Referenz
Teilpräsenz nur beim Start	Präsenz vorher/nachher, Zeitabstand	Verlust im Transport	Sensorfehler oder verspätetes Logging
Teil am Ziel, Winkel außerhalb Modellgrenze	Soll-/Ist-Winkel, Symmetrieklasse	Orientierungsfehler	Koordinatensysteme oder Winkeldefinition vertauscht
Endlage nicht dokumentiert	Bild-ID der Endkontrolle, eindeutige Werkstück-ID	Ergebnis unbekannt	Protokolllücke statt Fehlmontage

Merksatz: Fehlende Daten sind eine eigene Diagnosekategorie und dürfen nicht als nachgewiesener Fehlgriff gezählt werden.

Bildverarbeitung, Koordinaten und Winkel

Sichtbarkeit, Klassifikation und Konfidenz

Eine Kamera bildet Oberflächen, Kanten und Umrisse ab. Die Bildverarbeitung extrahiert Merkmale, etwa Konturen, Mittelpunkte und Orientierungsindikatoren. Für Schneidringe und Überwurfmuttern können ähnliche Silhouetten, Reflexionen oder verdeckte Kanten eine Klassifizierung erschweren. Ein in einem Modell ausgegebener Konfidenzwert beschreibt die Einschätzung des Erkennungssystems; er ist ohne Kalibrierung keine unmittelbar überprüfte Wahrscheinlichkeit für fehlerfreie Montage.

Synthetisches Beispiel: Für die Übung gilt als selbst festgelegte Regel: Nur Kandidaten mit Wert mindestens 0,80 gelangen in die nächste rein virtuelle Prüfphase. Ein Kandidat mit 0,62 wird als „Erkennungsprüfung offen“ bezeichnet. Die Zahl 0,80 ist kein bei Liebherr geltender Grenzwert. Prüfe stets mehrere Bilder mit unterschiedlichen Winkeln und Belichtungen, dokumentiere Mehrdeutigkeiten und trenne das Trainingsbeispiel von einem unabhängigen Testbild.

Beispiel einer Industriekamera; die abgebildete Kamera ist nicht als Bestandteil der Ehinger Anlage belegt. Quelle: Wikimedia Commons, Urheber und Lizenz unten.

Pixelkoordinaten sind keine Roboterkoordinaten

Im Bild liegen Merkmale in Pixeln (u,v), in einem vereinfachten ebenen Modell dagegen in Millimetern (x,y). Eine reale Umrechnung benötigt geeignete Kalibrierung und einen bekannten Bezug. Nur Lehrbeispiel ohne perspektivische Verzerrung: x = 0,25 mm/Pixel · u und y = 0,25 mm/Pixel · v. Für u = 160 px, v = 120 px erhältst du x = 40 mm und y = 30 mm. Wenn das Bild um 4 px in u verschoben erscheint, entspricht das in diesem Modell 1 mm Lageabweichung.

Bei komplexeren Aufbauten werden Abbildung, Drehung und Verschiebung durch eine geeignete Transformation berücksichtigt. Die eigentlichen Kalibrierungsdaten und die Bezugssysteme des Ehinger Prozesses sind unbekannt. Deshalb ist jede Verknüpfung mit einem echten Robotersystem außerhalb dieses Lehrmodells unzulässig.

Kartesische Achsen als allgemeine geometrische Grundlage, nicht als anlagenspezifisches Koordinatensystem.

Symbol	Bedeutung im Lehrmodell	Einheit	Häufige Verwechslung
u, v	Bildkoordinaten	Pixel	Bildpunkt mit Millimeterposition
x, y	kartesische Lage	mm	falscher Ursprung oder Achsentausch
θ	planarer Orientierungswinkel	Grad	Grad mit Bogenmaß
Δθ	normierte Winkelabweichung	Grad	nicht berücksichtigte Periodizität
t	Ereigniszeitpunkt	ms	Zeitstempel aus verschiedenen Uhren

Winkelabweichungen und Symmetrie

In einem 360-Grad-Lehrmodell ist die kleinste vorzeichenbehaftete Differenz aus Ist- und Sollwinkel auf den Bereich von −180° bis +180° zu normieren. Rechenbeispiel: θ_soll = 175°, θ_ist = −178°. Die rohe Differenz ist −353°, die normierte Differenz beträgt +7°. Es wäre falsch, eine Abweichung von 353° zu melden. Ein zweites Beispiel: Soll 12°, Ist 21° → Δθ = +9°.

Bei rotationssymmetrischen Werkstückansichten kann eine Bildorientierung um 180° oder beliebige Drehungen mehrdeutig sein. Ob diese Symmetrie die Montageanforderung ebenfalls aufhebt, muss aus einer geprüften technischen Zeichnung hervorgehen; sie darf nicht behauptet werden. Für die folgenden Aufgaben wird eine 360°-eindeutige Modellmarkierung angenommen und ein didaktischer Winkelgrenzwert von höchstens 5° verwendet.

Externes Lehrvideo auf Englisch (IDS Imaging Development Systems, veröffentlicht 2026): Objektpose, 2D/3D-Sicht, Hand-Auge-Kalibrierung und Greifplanung. Keine Dokumentation der Anlage in Ehingen; nur über YouTube streamen, keine freie Nachnutzung des Videomaterials nachgewiesen.

Greifkontakt und Verlusthypothesen in Zeitreihen

Indizien für eine erfolgreiche Teileübernahme

Nicht jede „Greifer geschlossen“-Meldung beweist, dass ein Schneidring tatsächlich aufgenommen wurde. In einem neutralen Lehrmodell lassen sich mechanische Stellung, Werkstückpräsenz, Kameraergebnis und Zeitstempel als getrennte Datenfelder behandeln. Die Existenz solcher Sensoren in Ehingen ist nicht belegt. Eine saubere Untersuchung stellt zuerst fest, welche Signale im betrachteten Datensatz überhaupt vorhanden sind.

Anschauliches, 3D-gedrucktes Greifermodell mit beschriebenen Zahnradmängeln (Commons, CC0). Es illustriert mechanische Zusammenhänge, nicht die reale Greiferbauart in Ehingen.

Zeitpunkt (synthetisch)	Ereignis	Präsenzindiz P	Fachliche Deutung
100 ms	Erkennungsfreigabe im Modell	nicht erhoben	Greifziel berechnet, Kontakt unbekannt
170 ms	Kontaktprüfung	1	Teilpräsenz zu diesem Zeitpunkt angenommen
410 ms	Transportkontrolle	0	Verlust oder Meldefehler als Hypothese
530 ms	Geplante Ablagezeit	nicht erhoben	Kein belegtes Ablegeergebnis

Zeitliche Vorsicht: Ein Signalwechsel kann auch durch Verzögerung, verlorene Datenpakete oder eine falsche Zuordnung zu einem anderen Zyklus entstehen. Vergleiche deshalb durchgängige Zykluskennungen und synchronisierte Zeitbasen. Greifkraft, Vakuumdruck, Antriebsstrom und Freigabelogik sind in dieser Übung keine angenommenen Gerätekennwerte.

Ereigniszeit statt bloßer Fehlerliste

Für jeden Versuch brauchst du eine Zyklus-ID, eine geordnete Folge von Ereignissen und Informationen über fehlende Werte. Der Ausdruck „Teil verloren“ ist bei alleiniger Präsenzmeldung P=0 zunächst eine Hypothese. Ein unabhängiger Bildbeleg aus einer sicheren, bereits gespeicherten Aufnahme könnte sie unterstützen; ohne diesen bleibt der Fall offen. Löse Fehlersuche nicht durch wiederholtes Auslösen einer Produktionsbewegung aus.

Eigenes Prüfschema – Datenintegrität:

Einheitliche Zyklus-ID → Zeitstempel sortieren → fehlende Datensätze markieren → sensorische Beobachtung und abgeleitete Schlussfolgerung trennen → alternative Hypothesen vergleichen → Ergebnis als bestätigt / vermutet / offen protokollieren.

Wiederholungen, Häufigkeiten und Scheinkorrelationen

Der Anteil auffälliger Versuche wird im Lehrmodell als Anzahl auffälliger Versuche geteilt durch alle beobachteten Versuche berechnet. Beispiele: Bei 3 auffälligen unter 20 Versuchen sind das 3 / 20 = 0,15 = 15 %. Betrachte auch den Nenner: Zwei Ausfälle in drei Versuchen sind nicht mit zwei Ausfällen in tausend Versuchen gleichzusetzen. Kleine Stichproben und veränderte Versuchsbedingungen erlauben keine belastbare Ausfallprognose für eine echte Anlage.

Allgemeines Fabrikfoto eines Roboters, Commons 2026; kein Bild aus dem Werk Ehingen.

Ablagepose, Montageergebnis und systematische Prüfstrategie

Erfolgskriterien vorab definieren

Eine korrekte Pose im Kamerasystem allein beweist keine korrekte mechanische Verbindung. Für eine synthetische Lehrprüfung definieren wir vier aufeinander folgende Bedingungen: (A) eindeutige Erkennung mit Modellwert mindestens 0,80; (B) Werkstückpräsenz bei der Übernahme; (C) Werkstückpräsenz zum Modellzeitpunkt der Ablage; (D) Betrag der Winkelabweichung höchstens 5°. Wenn A fehlt, werden B–D nicht als „Fehlmontage“ interpretiert, sondern als „nicht geprüft“ geführt. Ein bestandenes Modellkriterium ersetzt keine industrielle Endprüfung.

Modellkriterium	Positiver Befund	Negativer Befund	Zulässige Schlussfolgerung
A – Objekterkennung	Wert ≥ 0,80	Wert < 0,80	Nur Freigabe der weiteren Datenauswertung oder Erkennung offen
B – Übernahme	P_Übernahme = 1	P_Übernahme = 0 oder unbekannt	Indiz für oder gegen erfassten Kontakt
C – Transportende	P_Ende = 1	P_Ende = 0	Teil möglicherweise nicht mehr vorhanden
D – Orientierung	Δθ\| ≤ 5°	Δθ\| > 5°	Modellpose innerhalb oder außerhalb Lehrgrenze

Ursache-Wirkungs-Diagramm als eigenes Lehrmodell

Textuelles Fehlerbaum-Diagramm – Endzustand im Modell nicht erfüllt:

Startfrage: Ist die Objektpose verlässlich? → Nein: Bildqualität, Klassifikation und Referenz prüfen → als Erkennungsfall dokumentieren.

Ja: Gibt es ein nachvollziehbares Kontaktindiz? → Nein / unbekannt: Greifpunktberechnung und Signalgüte offline vergleichen.

Ja: Ist die Präsenz bis zur Ablage plausibel? → Nein: Signalfolge, Latenz und alternative Verlustursachen überprüfen.

Ja: Stimmt die abgeleitete Endorientierung? → Nein: Soll-/Ist-Bezug, Symmetrie und Winkelrechnung gegen gespeicherte Bilder testen.

Ja: Modellkriterien erfüllt → trotzdem keine Aussage über eine reale, normgerechte Rohrverbindung ohne gesonderten Qualitätsnachweis.

Die Reihenfolge minimiert Fehlinterpretationen: Prüfe erst die Qualität der Daten, dann die Hypothesen. Trenne Erkennung, Greifkontakt, Transport und Montage. Sortiere bei gleich großen Auffälligkeiten nach Folgenrisiko, Klärungsbedarf und verfügbarer unabhängiger Evidenz – nicht nur nach Häufigkeit.

Offline-Prüfplan und dokumentierte Abbruchkriterien

Datensatz einfrieren: Originalbilder und Protokolle schreibgeschützt kopieren; Quellen, Version und Zeitbezug notieren.
Zyklen ordnen: Kennungen konsistent zuordnen, fehlende Ereignisse und Zeitbasis-Probleme separat kennzeichnen.
Rechenmodell überprüfen: Pixelmaßstab, Koordinatenursprung, Winkelnormierung und Symmetrie am synthetischen Testfall nachrechnen.
Hypothesen gegeneinander prüfen: Dasselbe gespeicherte Ereignis erst als Erkennungsproblem, dann als Greif-/Sensorsignalproblem, dann als Ablageproblem modellieren.
Simulation und Gegenprobe: Variiere ausschließlich synthetische Testbilder, Zeitverzögerungen und Toleranzen; untersuche, welche Änderung die Klassifikation umkehrt.
Ergebnis freigabefrei übergeben: Befunde, Unsicherheiten und Prüfbedarf als Bericht an ausbildende Fachkräfte; keine eigenständige Parameter-, Sicherheits- oder Roboteränderung.

Abbruch im Lehrmodell: Bei fehlender Zyklus-ID, uneinheitlichen Uhren, nicht dokumentierten Sensoren, mehrdeutiger Orientierung oder ungesicherter Datenherkunft wird nicht „Fehlmontage sicher“ behauptet, sondern „Nachweis unzureichend“ vermerkt. Betrieblicher Schutz: Kein Öffnen von Schutzeinrichtungen, kein Teach-in, keine Bewegungsfreigabe und keine Manipulation von Sensorik durch Lernende aus diesem Kurs.

Externes englisches Demonstrationsvideo „Cognex Machine Vision for Robot Pick and Place Applications“ (Tim Wilborne, 21.12.2024): Koordinatenumsetzung in einer fremden Demonstrationszelle. Keine Hersteller- oder Konfigurationsaussage für Ehingen; kein freies Nachnutzungsrecht nachgewiesen.

Berufstypischer Modellfall mit Musterlösung

Prüfauftrag und vollständig synthetische Protokolle

Ausgangslage (Lehrmodell, keine realen Liebherr-Daten): Eine Ausbildungsgruppe erhält zwölf simulierte Versuchsprotokolle der bildgestützten Handhabung fiktiver Werkstückkennungen. Die Werkstückformen orientieren sich am belegten Begriffspaar Überwurfmutter/Schneidring, ohne Originalzeichnung, interne Bilddateien oder Herstellerparameter. Ziel ist, Beobachtungen in A = Erkennungsfall, G = Verdacht auf Werkstückverlust, M = mögliche Fehlorientierung oder O = alle Lehrkriterien erfüllt einzuordnen.

Erfundene Übungsregeln: Erkennungsschwelle 0,80; Präsenz P in der Übernahme und am Transportende jeweils 1 für „Signal vorhanden“ und 0 für „Signal fehlt“; tolerierter Betrag der Winkelabweichung maximal 5°. Das Minuszeichen bei Δθ kennzeichnet Drehrichtung. „—“ bedeutet nicht erhoben, nicht Null. Alle Bild- und Signaldaten werden als fehleranfällige Modellbeobachtungen behandelt.

Zyklus	Erkennungswert	P_Übernahme	P_Ende	Δθ	Protokollnotiz
C01	0,96	1	1	+1°	Bild vollständig
C02	0,52	—	—	—	Kontur teilweise verdeckt
C03	0,93	1	1	−3°	Unauffälliger Verlauf
C04	0,91	1	0	—	Präsenzwechsel während Transport
C05	0,88	1	1	+17°	Winkel außerhalb Lehrgrenze
C06	0,97	1	1	+2°	Unauffälliger Verlauf
C07	0,95	1	0	—	Zweiter Präsenzwechsel
C08	0,94	1	1	0°	Unauffälliger Verlauf
C09	0,62	—	—	—	Mehrere Objektkandidaten
C10	0,90	1	1	−12°	Winkel außerhalb Lehrgrenze
C11	0,92	1	1	+4°	Unauffälliger Verlauf
C12	0,96	1	1	−1°	Unauffälliger Verlauf

Arbeitsauftrag: Ordne jeden Zyklus einer Hauptkategorie zu. Ermittle Anzahlen und Anteile, erläutere je Kategorie zwei mögliche Ursachen, lege je eine datenbasierte Gegenprobe fest und stelle einen begründeten, sicherheitskonformen Prüfplan vor. Erstelle zuletzt einen Bericht mit dem Unterschied zwischen „Signalbefund“ und „nachgewiesener mechanischer Fehlmontage“.

Nachvollziehbare Musterlösung

Schritt 1: Erkennung prüfen. C02 und C09 unterschreiten 0,80 und werden als A erfasst. Weil kein anschließender Kontakt protokolliert wurde, darf keiner der beiden Fälle als bestätigter Fehlgriff erscheinen.

Schritt 2: Signale nach der Übernahme prüfen. C04 und C07 haben Erkennungswerte über 0,80, das Übernahmeindiz 1 und das Transportendeindiz 0. Sie gehören zur Kategorie G (Verlustverdacht). Eine Sensoraussetzer- oder Zeitzuordnungshypothese bleibt ausdrücklich offen.

Schritt 3: Endorientierung prüfen. C05 mit +17° und C10 mit −12° liegen außerhalb ±5°; bei vorhandenen Präsenzsignalen sind sie M (Fehlorientierungsverdacht). Das bedeutet noch nicht, dass eine reale mechanische Verbindung falsch montiert wurde. Die übrigen Zyklen C01, C03, C06, C08, C11 und C12 erfüllen alle vier Modellkriterien und sind O.

Kategorie	Zyklen	Anzahl	Anteil an 12	Status
A – Erkennung offen	C02, C09	2	16,7 %	Keine anschließende Prüfung behaupten
G – Verlustverdacht	C04, C07	2	16,7 %	Unabhängigen Beleg anfordern
M – Winkelauffälligkeit	C05, C10	2	16,7 %	Bezug und Symmetrie gegenprüfen
O – Modellkriterien erfüllt	C01, C03, C06, C08, C11, C12	6	50,0 %	Keine reale Montagefreigabe

Schritt 4: Rechnen. Auffällige Modellzyklen = 2 + 2 + 2 = 6. Anteil = 6 / 12 · 100 % = 50 %. Nach bestandener Erkennung verbleiben 12 − 2 = 10 Zyklen. Davon sind 2 + 2 = 4 in G oder M, also 4 / 10 · 100 % = 40 %. Das ist eine künstlich gewählte Lehrstichprobe und keine reale Fehlerquote der Anlage.

Schritt 5: Gegenproben ausschließlich offline.

A: Gespeicherte Bilder mit und ohne Konturabschattung vergleichen; Objektzuordnung und Konfidenz je Bild dokumentieren. Alternative: unpassende Referenzklasse statt Beleuchtungsproblem.
G: Präsenzsignale, Zyklus-IDs und Zeitstempel auf Auslassungen, Verzögerung und Verwechslungen prüfen; nur eine unabhängige gespeicherte Aufnahme könnte einen tatsächlichen Verlust erhärten.
M: Für +17° und −12° die Winkeldefinition, den Nullpunkt, eine mögliche 180°-Symmetrie sowie gespeicherte Soll-/Ist-Bildlagen mit identischer Referenz durchrechnen.
O: Zufällig ausgewählte unauffällige Fälle als Negativkontrollen verwenden, um einen Diagnosealgorithmus nicht nur an Fehlerbeispielen zu erproben.

Schritt 6: Fazit. „In zwölf vollständig synthetischen Zyklen wurden zwei Erkennungsauffälligkeiten, zwei Verlustverdachtsfälle und zwei Orientierungsauffälligkeiten klassifiziert. Eine reale Fehlmontage wurde nicht nachgewiesen. Vor betrieblichen Maßnahmen sind die modellierten Hypothesen fachlich zu prüfen.“ Eine Änderung an Robotik, Greifer, Kamera, Steuerung oder Schutzfunktion ist nicht Teil des Auftrags.

Bewertungsraster für den Ausbildungsnachweis

Dimension	Maximalpunkte	Für volle Punkte erforderlich
Quellen- und Modellgrenzen	5	Beleg aus 2025 korrekt, unbekannte Anlagendetails und synthetische Daten deutlich getrennt
Zyklusklassifikation	5	Alle 12 Fälle richtig, insbesondere Verdacht versus Nachweis unterschieden
Rechenweg	5	Beide Nenner erläutert, 50 % und 40 % korrekt berechnet, Winkelgrenze richtig angewandt
Hypothesenqualität	5	Je Kategorie mindestens eine konkurrierende Erklärung und deren Belegbedarf
Offline-Gegenproben	5	Reproduzierbare Prüfstrategie mit Datenversion, Zeitprüfung und Negativkontrolle
Sicherheit und Kommunikation	5	Keine Maschinenintervention, betriebliche Zuständigkeit und Unsicherheiten klar benannt
Gesamt	30	Orientierende Bewertung: 27–30 hervorragend, 23–26 sicher, 18–22 überwiegend tragfähig, unter 18 Überarbeitung

Typische Fehlannahmen: P_Ende = 0 automatisch als tatsächlich verlorenes Werkstück ansehen; fehlende Werte wie Null behandeln; 40 % auf alle zwölf Zyklen beziehen; die 0,80-Schwelle als Liebherr-Vorgabe ausgeben; den Kamerawinkel ohne Prüfung der Symmetrie zur Montagefreigabe verwenden. Transferfrage: Welche dieser Fehlannahmen würde in einer echten Betriebsmeldung den größten Schaden anrichten und warum?

Interaktive Aufgaben

Quiz: Fachwissen prüfen

Was ist durch die Liebherr-Primärquelle von 2025 zur Anlage in Ehingen belegt? (Überwurfmuttern und Schneidringe werden mit bildgestütztem Robotereinsatz ineinandergesetzt) (!Ein bestimmter Roboterhersteller ist genannt) (!Die exakte Greifkraft ist veröffentlicht) (!Das interne Sicherheitsprogramm liegt offen)

Was bedeutet im Lehrmodell ein Erkennungswert von 0,62 bei der Modellschwelle 0,80? (Die Daten sind vor einer Greifdiagnose als Erkennungsfall zu prüfen) (!Das Werkstück wurde nachweislich verloren) (!Die Montage ist mechanisch zerstört) (!Der reale Roboter muss sofort neu programmiert werden)

Welche Beobachtung deutet am ehesten auf einen möglichen Verlust nach der Übernahme hin? (Präsenzsignal zunächst vorhanden und beim Transportende fehlend) (!Zwei Bilder haben verschiedene Dateinamen) (!Die Kamera meldet einen hohen Erkennungswert) (!Die Dokumentation enthält eine neue Tabellenüberschrift)

Welche Aussage über das Präsenzsignal ist fachlich korrekt? (Es ist ein Indiz und kann durch Melde- oder Zeitfehler verfälscht sein) (!Es beweist ohne Zusatzdaten die mechanische Montagequalität) (!Es ersetzt die Zykluskennung) (!Es gibt den Roboterhersteller eindeutig an)

Welche Modellposition ergibt sich bei 0,25 Millimeter je Pixel und u gleich 160 Pixel? (40 Millimeter) (!4 Millimeter) (!160 Millimeter) (!640 Millimeter)

Wie groß ist die normierte Differenz zwischen Sollwinkel 175 Grad und Istwinkel minus 178 Grad? (Plus 7 Grad) (!Minus 353 Grad) (!Plus 353 Grad) (!Null Grad)

Was ist bei einer rotationssymmetrischen Kontur besonders zu beachten? (Eine Bildorientierung kann mehrdeutig sein und die Montageanforderung muss separat geprüft werden) (!Die Montage ist deshalb immer beliebig drehbar) (!Die Kamera liefert automatisch eine eindeutige Raumlage) (!Jede symmetrische Kontur verlangt einen Eingriff in den Roboter)

Wie viele unauffällige Modellzyklen enthält der Fall C01 bis C12? (Sechs) (!Zwei) (!Vier) (!Zehn)

Welcher Nenner gehört zum Anteil der Fälle G und M nach bestandener Erkennung? (Zehn erkannte Modellzyklen) (!Nur die zwei Erkennungsfälle) (!Alle zwanzig hypothetischen Versuche) (!Nur die sechs unauffälligen Modellzyklen)

Was ist die sichere erste Handlung bei unklaren Bild- und Greiferprotokollen? (Synthetische oder freigegebene Bestandsdaten prüfen und Unsicherheit dokumentieren) (!Schutzeinrichtungen überbrücken) (!Den Roboter ohne Unterweisung bewegen) (!Sensorwerte direkt in der laufenden Anlage ändern)

Memory: Fachbegriffe und Bedeutungen

Konfidenzwert	Modellinterne Einschätzung der Objekterkennung
Zykluskennung	Eindeutige Verknüpfung der Ereignisse eines Durchlaufs
Präsenzindiz	Beobachtung, die für oder gegen vorhandenes Werkstück spricht
Kalibrierung	Ermittlung eines begründeten Zusammenhangs zwischen Mess- und Bezugsgrößen
Winkelnormierung	Darstellung einer Drehrichtung als kleinste äquivalente Differenz
Gegenhypothese	Alternative Erklärung desselben beobachteten Signals

Drag-and-drop: Diagnoseentscheidung zuordnen

Passenden Fachbegriff zuordnen	Beschreibung im Lehrmodell
Erkennungsfall	Keine ausreichend verlässliche Objektpose vorhanden
Verlustverdacht	Präsenz zunächst gemeldet, später nicht mehr gemeldet
Winkelauffälligkeit	Betrag der Endorientierungsdifferenz über Lehrgrenze
Datenlücke	Notwendige Ereignisinformation fehlt vollständig
Negativkontrolle	Unauffälliger Beispieldurchlauf zum Vergleich mit Problemfällen

Kreuzworträtsel: Diagnosevokabular

KAMERA	Optisches Aufnahmegerät zur Gewinnung eines Bildes
GREIFER	Endeffektor zur möglichen Werkstückübernahme
WINKEL	Größe zur Beschreibung einer Drehstellung
KALIBRIERUNG	Ermittlung eines zuverlässigen Maß- oder Bezugssystems
ZEITSTEMPEL	Kennzeichnung des Zeitpunkts eines Ereignisses
KONFIDENZ	Ausdruck für eine modellinterne Erkennungseinschätzung

LearningApps: thematische Suche

Die Suche zeigt gegebenenfalls externe, von Dritten erstellte Übungen. Prüfe Inhalt und Nutzungsrechte vor einer Übernahme; sie sind keine offiziell geprüften Liebherr-Prüfaufgaben.

Lückentext: Ursache und Beleg trennen

Die gemeinsame Kennung eines Versuchsdurchlaufs heißt

.

Bei unklarer Klasse oder Pose ist zuerst die

zu überprüfen.

Ein Wert unter der Lehrschwelle kann auf eine unsichere

hinweisen.

Das Verschwinden eines Präsenzsignals begründet zunächst einen

.

Pixelwerte werden erst mithilfe eines geeigneten Bezugssystems zu

im Raum.

Für Drehstellungen verwendest du eine normierte

.

Eine konkurrierende Erklärung zu einer Ursache heißt

.

Fehlende Zeitangaben erschweren die Prüfung der

.

Eine unauffällige Vergleichsaufnahme dient als

.

Für echte Robotertätigkeiten brauchst du eine betriebliche

.

Offene Aufgaben

Bearbeite alle zwölf Aufgaben ausschließlich mit synthetischen, öffentlichen oder ausdrücklich freigegebenen Materialien. Die Lösungsskizzen sind Orientierungshilfen; andere fachlich begründete Antworten können richtig sein.

Leicht

Bildmerkmale beschreiben: Zeichne an fiktiven Konturen je zwei Merkmale einer Mutter und eines Rings ein und erläutere eine Verwechslungsgefahr. Lösungsskizze: Umriss, Innenöffnung und Abschattung vergleichen; eine Kontur allein beweist keine Identität.
Signale markieren: Kennzeichne in C01, C02 und C04 Bild-, Präsenz- und Zeitangaben farblich. Lösungsskizze: C02 ist Erkennung offen; C04 zeigt einen Präsenzwechsel; C01 erfüllt die Lehrkriterien.
Pixel umrechnen: Berechne bei 0,25 mm/px die Modellposition von u = 200 px. Lösungsskizze: x = 200 · 0,25 mm = 50 mm.
Befund und Vermutung trennen: Formuliere zwei Sätze zu P_Ende = 0, einmal als Beobachtung, einmal als Hypothese. Lösungsskizze: „Das Signal fehlt“ ist belegt; „Teil verloren“ bleibt zu prüfen.

Standard

Fehlermatrix erstellen: Entwickle eine Tabelle mit drei Diagnosekategorien, zwei Signalen und je einer Gegenhypothese. Lösungsskizze: Erkennung/Bildgüte, Verlust/Signalzeit, Orientierung/Bezugswinkel sauber trennen.
Fallzahlen auswerten: Errechne Häufigkeit und Anteile für A, G, M und O aus dem Modellfall. Lösungsskizze: 2, 2, 2, 6; 16,7 %, 16,7 %, 16,7 %, 50 %.
Ereigniskette visualisieren: Erstelle ein eigenes Ablaufdiagramm von Bildaufnahme bis Endprüfung mit der Abzweigung „ungeklärt“. Lösungsskizze: Jede Stufe erhält eine Evidenzfrage; fehlende Daten führen nicht automatisch zur Schuldzuweisung.
Winkel vergleichen: Untersuche θ_soll = 175° und θ_ist = −178° sowie die Frage einer 180°-Symmetrie. Lösungsskizze: Normierte Abweichung +7°; Symmetrie nur aus einem geeigneten Bauteilnachweis übernehmen.

Schwer

Hypothesenbaum entwickeln: Entwirf einen Baum mit drei Ursachenpfaden und je einer widerlegbaren Vorhersage. Lösungsskizze: A müsste instabile Bildmerkmale zeigen, G Signal-/Bilddiskrepanz, M eine reproduzierbare Winkelabweichung.
Offline-Testplan verfassen: Plane fünf simulationsbasierte Versuche zu Beleuchtung, verzögerten Signalen und Winkeloffsets samt Abbruchregeln. Lösungsskizze: Nur Kopien synthetischer Daten verändern, jede Variation versionieren und bei unklarer Datenbasis abbrechen.
Datenbericht schreiben: Verfasse eine einseitige sachliche Übergabe an ausbildende Fachkräfte, einschließlich Nachweisgrenzen. Lösungsskizze: Quelle 2025, Modellannahmen, Befunde, Gegenhypothesen, offene Prüfungen und Sicherheit enthalten.
Erklärvideo planen: Erstelle ein Storyboard für ein dreiminütiges Video mit fiktiven Daten und Quellencredits ohne Werkaufnahmen. Lösungsskizze: Prozesskette, drei Fehlerklassen, eine Rechnung und die Grenze „keine Maschinenfreigabe“ zeigen.

Lernkontrolle

Transfer der Signallogik: Ein P_Ende-Wert fehlt ganz; darf er als 0 gewertet werden? Begründe. Erwartung: Nein, unbekannt ist keine negative Messung; Protokollvollständigkeit zuerst prüfen.
Skalierungsproblem: Eine abgelesene Verschiebung von 12 px entspricht im Lehrmodell 3 mm. Welche Skala wurde verwendet? Lösung: 3 / 12 = 0,25 mm/px; reale Kalibrierung bleibt offen.
Grenzwertentscheidung: Liegen +4°, −5° und +9° bei der synthetischen Grenzregel innerhalb der zulässigen Abweichung? Lösung: Ja, ja, nein; der Betrag zählt und die Grenze ist eingeschlossen.
Widerspruch aufdecken: Bildfolge und Zeitstempel zeigen verschiedene Zyklus-IDs. Nenne drei vorgezogene Prüfungen. Erwartung: Zeitbasis, Zuordnungsregel, Vollständigkeit/Version prüfen.
Bezugsmenge erklären: Warum ergeben sich für dieselben G- und M-Fälle 33,3 % von allen und 40 % der erkannten Zyklen? Lösung: Vier von zwölf gegenüber vier von zehn; immer den Nenner nennen.
Verantwortung und Freigabe: Ein Kollege schlägt zur schnellen Fehlersuche eine Bewegung bei geöffneter Zelle vor. Formuliere die angemessene Antwort. Erwartung: Nicht durchführen; an qualifizierte Verantwortliche und betriebliche Regeln verweisen, nur vorhandene Daten offline analysieren.

Lernnachweis

Für einen nachvollziehbaren Ausbildungsnachweis reichst du ein synthetisches Diagnoseportfolio ein: (1) eigene Prozess- und Fehlerbaumskizze, (2) eine vollständig ausgefüllte Zwölf-Zyklen-Tabelle mit Kennzeichnung von Beobachtung versus Vermutung, (3) Rechenwege für Pixelmaßstab, Winkeldifferenz und zwei Bezugsquoten, (4) mindestens drei Gegenhypothesen mit unabhängigem Prüfmerkmal, (5) eine versionierte Offline-Prüfstrategie mit Abbruchkriterien, (6) einen kurzen Bericht für die ausbildende Fachkraft. Prüfkriterien: Fachrichtigkeit, Datenherkunft, Trennschärfe der Diagnose, Reproduzierbarkeit, Sicherheit und verständliche Kommunikation. Als Maßstab dient das 30-Punkte-Raster des Modellfalls.

Reflexion: Benenne ausdrücklich, welche Aussagen nur über die fiktiven Daten gelten und warum eine Diagnose niemals automatisch eine reale Sicherheits- oder Montagefreigabe darstellt. Eine Präsentation oder Lernkontrolle kann den Portfolionachweis ergänzen.

OER und Wikipedia

Primärbeleg (2025): Liebherr, „Unser Weg zur Smart Factory“, Magazin 02/2025. Belegt die allgemeine Anwendung für Überwurfmuttern und Schneidringe in Ehingen, nicht die Daten des Lehrmodells.

Ergänzende Grundlagen: Bildverarbeitung, Industrieroboter, Bildverarbeitungssystem. Wikipedia ist ein weiterführender Einstieg; betriebliche Anforderungen müssen anhand autorisierter Unterlagen geprüft werden.

Nachweis geprüfter Bilddateien: Die folgenden Commons-Dateiseiten wurden auf Dateiname, Urheber und angegebene Nutzungsrechte überprüft. Bilder sind allgemeine Illustrationen, keine Fotos der Ehinger Anlage. Kein Bild wurde hier verändert.

Eingebettete Datei	Geprüfte Quelle	Angegebener Urheber	Angegebene Lizenz / Rechtebeleg
File:KUKA Industrial Robot KR10 SCARA.jpg	Wikimedia Commons	Jo Teichmann / Freigabe KUKA Roboter GmbH	Public Domain, VRT-Freigabe auf Dateiseite
File:Ids-machine-vision-cameras-usb2-2004.jpg	Wikimedia Commons	Lg123456	CC BY-SA 4.0
File:CartesianCoordinateSystem.png	Wikimedia Commons	Svjo	CC BY-SA 4.0
File:3D printed robotic gripper.jpg	Wikimedia Commons	Simiprof	CC0 1.0
File:Robot arm operates machine in factory setting.jpg	Wikimedia Commons	Shixart1985 (Metadaten nennen auch Nenad Stojković)	CC BY 2.0; Quellenmetadaten auf Commons beachten

Videonachweis (verifizierte öffentliche Videoeinträge; Englisch): Die Originalplattformen behalten die Rechte am audiovisuellen Material. Verlinkung/Einbettung gestattet keine eigenständige Nachnutzung, und die Beispiele stammen nicht von der Anlage in Ehingen.

Eingebetteter Video-URL	Nachprüfbarer Videoeintrag	Herausgeber/Kanal	Rechtehinweis
https://www.youtube.com/watch?v=D-6zmLydU9Q	IDS-Videoübersicht	IDS Imaging Development Systems, veröffentlicht 03.02.2026	Plattformvideo; keine freie Bearbeitungslizenz nachgewiesen
https://www.youtube.com/watch?v=rkRhqFa-z_s	Videodatensatz	Tim Wilborne, veröffentlicht 21.12.2024	Plattformvideo; keine freie Bearbeitungslizenz nachgewiesen

Eigene Kursmaterialien: Sämtliche Prozesspfeile, Fehlermatrix, Diagnosebaum, 12 Übungszyklen, Grenzwerte und Rechenbeispiele sind neu formulierte, ausdrücklich fiktive Lehrmodelle. Quellenstand zum belegten Ehinger Maschinenbezug: 2025. Das IDS-Lehrvideo von 2026 ist eine spätere, getrennte methodische Ergänzung und kein Beleg für den Stand 2025.

Verknüpfte Lernbereiche

Liebherr-Maschinen und Ausbildung

Robotik und automatisierte Montage

Qualität und berufliche Verantwortung

Empfohlene Anschlussaufgaben: Unterschiede zwischen Bild- und Werkstückkoordinaten vertiefen, Sensormeldungen gegen unabhängige Beobachtungen prüfen und ein versionskontrolliertes Diagnoseprotokoll für einen rein virtuellen Prozess entwerfen. Zuordnung zum dritten Ausbildungsjahr und zu den genannten Ausbildungsberufen ist eine redaktionelle Lernempfehlung und vor Nutzung mit Betrieb und Berufsschule abzustimmen.