Trotz steigender Automatisierung in der Intralogistik sind manuell geführte Flurförderzeuge wie Gabelstapler nicht wegzudenken. Dabei kommt es immer wieder zu Unfällen, da Fahrer*innen durch eingeschränkte Sicht an Kreuzungen oder durch große Lasten andere Personen oder Hindernisse nicht rechtzeitig erkennen. Allein im Jahr 2024 wurden in Deutschland über 18.000 Menschen bei Unfällen mit Flurförderzeugen verletzt. Bestehende Assistenzsysteme nutzen zumeist fest am Fahrzeug montierte Sensorik, die keine vorausschauende Überwachung erlaubt, oder setzen weitere Komponenten voraus, etwa in Hallen montierte Kameras oder Funksender an Personen.
Blick von oben statt toter Winkel
Das Forschungsprojekt „MouSe“ (Mobiles, umfeldüberwachendes Sensorsystem für Flurförderzeuge zur Erhöhung der Sicherheit und Arbeitseffizienz in der Intralogistik), das am ITA – Institut für Transport- und Automatisierungstechnik gemeinsam mit dem IPH – Institut für Integrierte Produktion Hannover gGmbH bearbeitet wird, soll diese Lücke schließen. Dabei soll eine Drohne mit Fischaugenkamera und LiDAR dem Gabelstapler vorausfliegen und schwer einsehbare Bereiche wie Kreuzungen frühzeitig überwachen. Durch die erhöhte Perspektive erkennt das System Fahrspuren und Personen, auch wenn diese für die Gabelstaplerfahrer*innen noch verdeckt sind.
Best Poster Award für erste Ergebnisse
Erste Ergebnisse des Forschungsprojekts präsentierte Tim Noah Laumann beim diesjährigen Fachkolloquium Logistik der WGTL, ausgerichtet vom Institut für Engineering von Produkten und Systemen (IEPS) der Otto-von-Guericke-Universität Magdeburg. Neben Vorträgen und Diskussionen gab es eine Postersession, in der die Teilnehmenden ihre aktuellen Forschungsprojekte präsentierten. Für sein Poster „Drone-Based Environment Perception“ erhielt Tim Noah Laumann den Best Poster Award.
KI-basierte Bildverarbeitung identifiziert Personen
Als Vorbereitung für den Einsatz einer Drohne ist die Sensorik derzeit an einem beweglichen Stativ angebracht. Durch den Einsatz KI-basierter Bildverarbeitung identifiziert das System Fahrspuren und Personen im Kamerabild. Die Position des Gabelstaplers wird mithilfe eines Markers auf dessen Dach erkannt und erlaubt so eine positionsgenaue Darstellung der Gefährdungen. Auf einem Display im Fahrerstand entsteht daraus eine schematische Karte aus der Vogelperspektive, auf der Fahrspuren und Personen als einfache Symbole erscheinen. Die Daten bleiben somit anonym und die Anzeige lenkt nicht unnötig ab.
Autonome Drohnennavigation geplant
Im weiteren Verlauf des Forschungsprojekts soll eine Drohne beschafft werden, um das System unter realen Flugbedingungen zu testen. Außerdem arbeitet das Team daran, neben Personen auch andere Fahrzeuge und Hindernisse zu erkennen und die Drohne selbstständig entlang der erkannten Fahrspuren navigieren zu lassen, ohne dass ein Zutun der Staplerfahrer*innen notwendig ist.

