ABB und NVIDIA arbeiten zusammen, um die Fabrikautomation mit KI zu revolutionieren

ABB und NVIDIA kooperieren, um die Fabrikautomation mit Physical AI zu revolutionieren

Die industrielle Automatisierungslandschaft erlebt einen tiefgreifenden Wandel, da virtuelle Simulation und reale Anwendung endlich verschmelzen. ABB Robotics hat eine strategische Partnerschaft mit NVIDIA angekündigt, um die NVIDIA Omniverse-Bibliotheken in ABBs bekanntes RobotStudio-Softwarepaket zu integrieren. Diese Zusammenarbeit zielt darauf ab, industrielle Physical AI in großem Maßstab bereitzustellen. Mit der Einführung von RobotStudio HyperReality Ende 2026 planen die Unternehmen, die traditionellen Grenzen der Fabrikautomatisierungstests aufzuheben. Dadurch können Hersteller mit drastischen Einsparungen bei den Inbetriebnahmekosten und deutlich schnelleren Markteinführungszeiten rechnen.

Die Lücke zwischen Simulation und Realität in der Digital-Twin-Technologie überbrücken

Jahrzehntelang hatten Automatisierungsingenieure mit der sogenannten „Sim-to-Real“-Lücke zu kämpfen. Dieser Begriff beschreibt die Diskrepanz zwischen virtuellen Simulationsumgebungen und tatsächlichen Fabrikböden hinsichtlich Beleuchtung, Texturen und physikalischen Toleranzen. Diese Abweichung zwang Ingenieure häufig dazu, nach den ersten virtuellen Tests wochenlang physische Hardware zu debuggen.

ABB löst dieses Problem, indem es NVIDIAs beschleunigte Rechenleistung mit eigener proprietärer Firmware für virtuelle Steuerungen kombiniert. Da der virtuelle Controller exakt denselben Code wie der physische Roboter ausführt, erreicht die Simulation eine beispiellose Genauigkeit von 99 %. Darüber hinaus integriert ABB seine Absolute Accuracy-Technologie in dieses Ökosystem. Diese Kombination reduziert Positionierungsfehler von üblichen 8–15 mm auf präzise 0,5 mm und stellt sicher, dass hochpräzise Steuerungssysteme sowohl in der virtuellen als auch in der physischen Welt identisch funktionieren.

Optimierung der hochpräzisen Montage von Unterhaltungselektronik

Die praktischen Vorteile dieser Physical AI-Plattform zeigen sich bereits in anspruchsvollen Fertigungsumgebungen. Foxconn, der weltweit größte Elektronik-Auftragsfertiger, testet die Technologie derzeit in seinen Montagelinien für Unterhaltungselektronik.

Die Automatisierung der Montage winziger Komponenten stellt aufgrund empfindlicher Metallstrukturen und häufiger Produktvariationen große Herausforderungen dar. Traditionell erforderte die Umstellung einer Produktionslinie umfangreiche physische Prototypen und manuelle Feinabstimmung. Mit RobotStudio HyperReality erzeugen Foxconn-Ingenieure hyperrealistische synthetische Daten, um Montage-Roboter virtuell zu trainieren. Dadurch optimiert das Team Produktionslinien, bevor die physische Hardware überhaupt eintrifft, was die Einrichtungszeiten verkürzt und den Produktentwicklungszyklus beschleunigt.

Arbeitskräftemangel bei kleinen und mittleren Unternehmen abmildern

Während große Unternehmen wie Foxconn diese Technologie für Präzision nutzen, setzen kleine und mittlere Hersteller sie ein, um dem anhaltenden Arbeitskräftemangel entgegenzuwirken. WORKR, ein kalifornisches Unternehmen für robotergestützte Arbeitskräfte, bringt diese fortschrittlichen KI-Modelle direkt auf kleinere Fabrikböden in den USA.

WORKR kombiniert ABBs industrielle Hardware mit seiner eigenen WorkrCore™ KI-Plattform, die vollständig mit synthetischen Daten aus NVIDIA Omniverse trainiert wurde. Dieser Ansatz ermöglicht es Fabrikbetreibern, intelligente Roboter ohne traditionelle Programmierkenntnisse einzusetzen. Bediener können Robotern neue Aufgaben in wenigen Minuten beibringen, wodurch fortschrittliche Fabrikautomation auch für Unternehmen zugänglich wird, denen bisher das Kapital oder spezialisierte Ingenieurpersonal für Robotik fehlte.

Zukunftsausblick: Echtzeit-Edge-KI-Inferenz mit OmniCore

Über die Simulation hinaus evaluiert ABB aktiv die Integration der NVIDIA Jetson Edge-Computing-Plattform in seine nächste OmniCore-Controller-Generation. Diese Integration wird Echtzeit-KI-Inferenz direkt auf den Fabrikboden bringen.

Anstatt auf Cloud-Netzwerke zu setzen, verarbeiten Industrieroboter komplexe visuelle und räumliche Daten lokal. Diese Architektur gewährleistet ultra-niedrige Latenzzeiten und robuste Datensicherheit, die beide für moderne verteilte Steuerungssysteme (DCS) entscheidend sind. Diese Edge-KI-Entwicklung baut auf ABBs bestehendem Portfolio auf, das NVIDIA Jetson bereits für visuelle simultane Lokalisierung und Kartierung (VSLAM) in autonomen mobilen Robotern nutzt.

Autoreneinsicht: Ein Paradigmenwechsel für Systemintegratoren

Aus Branchensicht stellt diese Partnerschaft einen grundlegenden Wandel dar, wie Systemintegratoren und Automatisierungsingenieure Fabrikdesign angehen werden. Historisch diente Simulationssoftware hauptsächlich als visuelles Verkaufstool oder einfache Pfadprüfungsfunktion und nicht als endgültiger Bereitstellungsmechanismus.

Mit einer Simulationsgenauigkeit von 99 % verwandeln ABB und NVIDIA den digitalen Zwilling in eine verlässliche Quelle der Wahrheit. Die Fähigkeit, hochauflösende synthetische Daten zu erzeugen, bedeutet, dass Physical AI-Modelle komplexe Umgebungen, variable Beleuchtung und unvorhersehbare Materialien vollständig in der Cloud erlernen können. Diese Fähigkeit reduziert das finanzielle Risiko für Systemintegratoren drastisch. Sie können Endkunden Leistungskennzahlen garantieren, bevor auch nur ein Stück physische Hardware gekauft wird. Diese Vorhersehbarkeit wird wahrscheinlich die Akzeptanz von Robotik in Branchen beschleunigen, die Automatisierung aufgrund hoher Anfangsinvestitionen bisher ablehnten.

Industrie-Lösungsszenario: Hochmischfertigung mit geringem Volumen in der Automobilkomponentenherstellung

Um zu verstehen, wie diese Technologie in einer realen Industrieumgebung funktioniert, betrachten wir folgendes Einsatzszenario für einen Tier-1-Automobilzulieferer mit Hochmischfertigung und geringem Volumen.

Die Herausforderung

Ein Hersteller muss eine Roboterarbeitszelle häufig neu konfigurieren, um verschiedene Varianten von Kühlplatten für Elektrofahrzeugbatterien zu montieren. Physisches Einlernen und manuelle Programmierung verursachen bei jedem Produktwechsel stundenlange Ausfallzeiten, was die Rentabilität stark beeinträchtigt.

Der Lösungsweg

1. Virtuelle Zellkonfiguration：Phase 1: RobotStudio HyperReality.

Ingenieure importieren die 3D-CAD-Dateien der neuen Batterieplattenvarianten in die Digital-Twin-Umgebung.

2. Synthetische Datengenerierung：Phase 2: NVIDIA Omniverse-Integration.

Das System erzeugt automatisch tausende hyperrealistische Trainingsszenarien, die Beleuchtungswinkel, Metallreflexionen und Oberflächentexturen variieren.

3. KI-Modelltraining：Phase 3: Physical AI-Optimierung.

Das neuronale Netzwerk des Roboters trainiert mit diesen synthetischen Daten im Simulator und erlernt präzise Pick-and-Place-Bewegungen sowie Kraftregelungsfeedback.

4. Einsatz ohne Ausfallzeiten：Phase 4: Realwelt-Ausführung.

Das validierte KI-Modell wird direkt auf den physischen ABB OmniCore-Controller übertragen. Der physische Roboter erreicht beim ersten Lauf 99 % Genauigkeit ohne manuelle Programmierung.