Fraunhofer NeurOSmart: Was Ingenieure überprüfen sollten

Fraunhofer hat die Technologieplattform NeurOSmart am 2. März 2026 angekündigt. Das Projekt kombiniert oberhalb angeordnetes LiDAR, MEMS-Strahllenkung, KI-Verarbeitung auf der Sensorebene und neuromorphes Computing für Arbeitsbereiche, in denen Menschen und Roboter zusammenarbeiten.

Die Ankündigung ist weder eine Produktveröffentlichung noch eine Zertifizierung der Maschinensicherheit. Ihr technischer Wert liegt in der demonstrierten Architektur. Sie verlagert Wahrnehmung und Entscheidungsunterstützung näher an den Sensor und zielt zugleich auf eine geringere Latenz und einen niedrigeren Energieverbrauch ab.

Fraunhofer orientiert sich an der Funktionsweise des menschlichen Gehirns, um die Effizienz und Reaktionsfähigkeit robotischer Systeme zu verbessern. 

Was Fraunhofer angekündigt hat

Die Forschungsmitteilung von Fraunhofer beschreibt einen gemeinsamen Arbeitsbereich, der von oben durch LiDAR überwacht wird. Bewegliche MEMS-Spiegel lenken den Laser über die Zelle. Die reflektierten Impulse erzeugen eine dreidimensionale Darstellung des Arbeitsbereichs.

Fraunhofer gibt an, dass spezialisierte KI-Modelle Daten in Sensornähe auswerten. Die Plattform unterstützt daraufhin eine Roboterreaktion, wenn eine Person in einen definierten Nahbereich eintritt. Die Projektpartner berichten von einem kurzen Weg zwischen Signalerfassung, Auswertung und mechanischer Reaktion.

Das Projekt vereint mehrere Institute

NeurOSmart wird vom Fraunhofer ISIT koordiniert. Das Fraunhofer IPMS steuert leistungsfähige Chips und Speichertechnologie bei. Das Fraunhofer IMS arbeitet an KI-gestützter Vorverarbeitung und Systemintegration. Das Fraunhofer IWU bewertet das Sensorsystem für die Mensch-Roboter-Kollaboration. Das Fraunhofer IAIS entwickelt effiziente Modelle zur Personenerkennung.

Diese Aufteilung ist wichtig, weil sichere kollaborative Robotik kein Problem eines einzelnen Sensors ist. Optik, Rechenleistung, Modelle, Zellgeometrie, Roboterdynamik, Steuerungen und Validierung beeinflussen allesamt das Ergebnis.

Warum Verarbeitung auf Sensorebene wichtig ist

Eine herkömmliche Wahrnehmungskette kann große Datenströme an einen zentralen Computer übertragen. Dieses Konzept erhöht die Netzwerklast und führt mehrere zeitliche Verarbeitungsstufen ein. Die Verarbeitung in Sensornähe kann die übertragenen Datenmengen reduzieren und den Entscheidungsweg verkürzen.

Sie kann auch die Fehlerbegrenzung verändern. Eine lokale Verarbeitung kann fortgesetzt werden, wenn ein übergeordnetes Netzwerk nicht verfügbar ist. Ingenieure müssen jedoch festlegen, welche Funktionen erhalten bleiben, wie eingeschränkte Zustände gemeldet werden und welche Aktion nach einem Verlust der Synchronisation oder der Rechenkapazität erfolgt.

Eine geringere durchschnittliche Latenz reicht für eine Schutzfunktion nicht aus. Das Konzept benötigt eine verifizierte Reaktionszeit im ungünstigsten Fall. Dieses Zeitbudget umfasst Erfassung, Vorverarbeitung, Entscheidungslogik, Kommunikation, Steuerungszyklus, Antriebsreaktion und mechanische Stoppzeit.

Was sich durch neuromorphe Hardware ändert

Neuromorphes Computing verwendet Hardwarestrukturen, die von der biologischen neuronalen Verarbeitung inspiriert sind. Ziel ist die effiziente Ausführung ausgewählter KI-Aufgaben. Fraunhofer stellt diesen Ansatz als Möglichkeit dar, anspruchsvolle Wahrnehmungsaufgaben mit geringerem Energieverbrauch in Sensornähe zu verarbeiten.

Energieeffizienz kann eingebetteten Systemen mit begrenzten Kühlmöglichkeiten und wenig Platz im Gehäuse zugutekommen. Sie kann auch eine verteilte Wahrnehmung unterstützen. Ingenieure sollten dennoch thermische Grenzen, Modellgenauigkeit, Änderungssteuerung, Diagnoseabdeckung und den Lebenszyklus der Komponenten bewerten.

LiDAR liefert Geometrie, aber nicht automatisch Sicherheit

LiDAR misst die Entfernung anhand der Laufzeit und Reflexion des ausgesendeten Lichts. Eine dreidimensionale Punktdarstellung kann dabei helfen, Personen, Roboterbewegungen, Vorrichtungen und Zellgrenzen zu unterscheiden.

Die Leistung hängt von Reflexionsgrad, Verdeckung, Montagehöhe, Sichtfeld, Verschmutzung, Umgebungsbedingungen und Abtastzeit ab. Eine durch Betriebsmittel verdeckte Person kann schwieriger zu erkennen sein. Kleidung und Oberflächen können unterschiedliche Signale zurückgeben. Veränderungen an der Zelle können ein früher erstelltes Modell ungültig machen.

Die Anleitung von PLC ProTech zu Betriebsarten photoelektrischer Sensoren zeigt bei verwandten Erfassungslogiken, warum der optische Zustand und die Prozessbedeutung voneinander getrennt werden müssen. Die Erfassungsprinzipien unterscheiden sich, aber die Sorgfalt bei der Inbetriebnahme bleibt nützlich.

Was Maschinenbauer verifizieren müssen

Ein Forschungsdemonstrator sollte nicht direkt in eine Sicherheitsfunktion integriert werden. Maschinenbauer müssen die geltenden Gesetze, Normen, Ziele zur Risikominderung und Validierungsanforderungen bestimmen. Außerdem müssen sie feststellen, ob jede Komponente für die vorgesehene Aufgabe sicherheitsgeeignet ist.

Die Stoppberechnung muss die tatsächliche Geschwindigkeit des Roboters, die Nutzlast, die Werkzeuge, die Bremsleistung, die Steuerungsverzögerung und die Annäherungsgeometrie berücksichtigen. Der Schutzabstand muss Messunsicherheiten und vorhersehbare Bewegungen einbeziehen.

Falschnegative und falschpositive Ergebnisse haben unterschiedliche Folgen. Eine nicht erkannte Person kann Schaden verursachen. Wiederholte unnötige Stopps können dazu verleiten, Schutzfunktionen zu umgehen, und das Vertrauen in die Produktion verringern. Die Validierung sollte daher Erfassungsabdeckung, Reaktionszeit, Wiederanlaufverhalten und Fehleranzeige abdecken.

Wartung bei KI-gestützter Wahrnehmung

Herkömmliche Sicherheitseinrichtungen verfügen häufig über festgelegte Prüfverfahren. KI-basierte Wahrnehmung bringt zusätzlich Modellversionen, Datensätze, Konfidenzschwellen und Softwareabhängigkeiten mit sich. Jede freigegebene Änderung benötigt eine Konfigurationskontrolle und Regressionstests.

Reinigung, Ausrichtung und die Prüfung auf Verdeckungen bleiben wichtig. Ein Sensor, der online zu sein scheint, kann eine eingeschränkte Erfassungsabdeckung haben. Wartungsteams benötigen Diagnosen, die verdeckte Sichtfelder, Zeitfehler, Prozessorüberlastung und nicht verfügbare Kanäle erkennen.

Die ABB-Robotics-Kollektion von PLC ProTech bietet Beispiele für Robotersteuerungen und Servicekomponenten. Diese Teile sind von der NeurOSmart-Forschungsplattform getrennt, verdeutlichen jedoch den Lebenszykluskontext, mit dem Wartungsteams konfrontiert sind.

Beschaffungsfragen über den Demonstrator hinaus

Beschaffungsteams sollten fragen, wem das Modell gehört, wie Aktualisierungen genehmigt werden, welche Rechenhardware erforderlich ist und wie lange die einzelnen Komponenten unterstützt werden. Außerdem sollten sie Nachweise zur Umweltleistung, Cybersicherheit, Diagnose und deterministischen Reaktion anfordern.

Die Integrationskosten können den Sensorpreis übersteigen. Zellmodellierung, Netzwerkdesign, Validierung, Bedienerschulung und künftige Neuvalidierungen müssen klar zugeordnet werden. Auch Datenspeicherung und Datenschutz sind wichtig, wenn ein System einen gemeinsam genutzten Arbeitsbereich kontinuierlich kartiert.

Technische Bedeutung

NeurOSmart zeigt eine glaubwürdige Richtung für die industrielle Wahrnehmung: die Kombination dreidimensionaler Erfassung mit lokaler, energieeffizienter Verarbeitung. Diese Architektur kann die Datenübertragung reduzieren und schnellere Reaktionen unterstützen.

Die Ankündigung macht eine Risikobeurteilung oder zertifizierte Schutzmaßnahmen nicht überflüssig. Ihr praktischer Beitrag ist eine Plattform, die Ingenieure anhand realer Gefährdungen in der Zelle, zeitlicher Grenzen, Umgebungsbedingungen und Wartungsanforderungen bewerten können.