Robotic-as-a-Service am Beispiel Amazon Cloud Computing für Roboter und Drohnen

Das verstärkte Aufkommen von industriellen Robotern und Drohnen ruft neuartige Cloud-Computing-Dienste auf den Plan. Immer mehr Unternehmen entdecken die Cloud als das Kontrollsystem der Wahl für ihre Flotten.

Der globale Markt für Cloud-Robotik wächst Prognosen zufolge mit einer erstaunlichen zweistelligen 35,4 Prozent CAGR (Compound Annual Growth Rate - jährliche Wachstumsrate) und dürfte bis zum Jahre 2027 ein Marktvolumen von mehr als 29 Milliarden US-Dollar erreichen. Der KI-Anteil legt sogar noch stärker zu, und zwar mit einer CAGR-Wachstumsrate von astronomischen 62,1 Prozent. Analysten von Research and Markets zu Folge dürfte dieses Segment bis zum Jahre 2027 satte 19,3 Milliarden US-Dollar erreichen.

Cyberphysische Systeme, ob Roboter oder Drohnen, brauchen nun mal kognitive Dienste, um sich aus ihrer komplexen Umgebung einen Reim zu machen und ihre Dienste sicher und effizient verrichten zu können. Cloud Computing kommt da wie gerufen.

Kognitive Cloud-Dienste für cyberphysische Systeme

Der Begriff Robotics-as-a-Service (kurz: RaaS) leitet sich von anderen Cloud-Diensten wie Software-as-a-Service (SaaS), Platform-as-a-Service (PaaS) und Infrastructure-as-a-Service (IaaS) ab. Das gemeinsame Hauptziel dieser Cloud-Dienste besteht darin, die IT-Organisation zu entlasten. Nutzungsgerechte Abrechnungsmodelle für intelligente, vollständig verwaltete und unbeschränkt skalierbare Dienste schaffen Wettbewerbsvorteile.

Gegen eine standardisierte monatliche oder jährliche Gebühr stellt ein Cloud-Anbieter den Zugang zum Service sicher und gewährleistet dessen Aktualität sowie Wartung mit den neuesten Sicherheitspatches. Robotics-as-a-Service ist eine Edition von Cloud-Computing-Diensten mit kognitiver Technologie zur Steuerung, Synchronisierung und Überwachung cyberphysischer Systeme.

Blaupause für eine RaaS-Cloud

Dank des kommerziellen Erfolgs seiner gleichnamigen Einzelhandelssparte kann sich Amazon unter Cloud-gesteuerter Robotik eine ganze Menge vorstellen und hat auch den nötigen Praxisbezug zum Tagesbetrieb. Die Technologie und Prozesse, die Amazon zur Verwaltung seiner Fulfillment-Center entwickelt hat, nutzte der Hyperscaler als Blaupause für die Bereitstellung von Cloud-Diensten für andere Unternehmen in der AWS-Wolke.

In jedem seiner hochmodernen Fulfillment-Center nutzt Amazon ganze Flotten von autonomen robotischen Antriebseinheiten zum Transportieren von Produkten in Lager-Pods, die es ebenfalls zu verwalten gilt. Die Roboter navigieren durch die riesigen Warenhäuser anhand von 2D-Barcodes auf dem Boden und übertragen ihre Standortdaten an Edge-Rechenzentren zum Abgleich und Steuerung durch Amazons eigene Robotik-Betriebssoftware.

Um die Nachfrage treffsicher vorherzusagen, hat Amazon eine Prognose-Engine entwickelt, die auf AWS täglich über 400 Millionen Produkte verwaltet. Um das Inventar durch die Abwicklung einer Kauftransaktion zu begleiten, nutzt Amazon die hauseigene Cloud-Datenbank Aurora (ein vergleichbarer verwalteter relationaler Datenbankdienst bei Microsoft nennt sich Azure SQL Database; beide bieten Hochverfügbarkeit, Sicherheit und Kompatibilität mit gängigen SQL-basierten Anwendungen).

Neptune, ein vollständig verwalteter Graphendatenbank-Dienst von AWS, zeichnet die Inventargeschichte auf (mit Azure Cosmos DB hat auch Microsoft einen entsprechenden Cloud-Dienst im Köcher). Jedes Mal, wenn ein Mitarbeiter ein Produkt berührt, scannt das System einen eindeutigen Barcode für diesen Artikel (ASIN, kurz für Amazon Standard Identification Number). Das Inventarsystem speichert diese Information, um jederzeit die Menge und den Standort dieses Artikels abrufen zu können, sodass die mobilen Roboter ihn finden können. Amazon Neptune hilft, diese riesigen Mengen an Beziehungsdaten zu verarbeiten und komplexe Abfragen auszuführen, um beispielsweise den genauen Standort eines bestimmten Artikels in Echtzeit zu ermitteln oder die Bewegung eines Roboters im Laufe der Zeit zu verfolgen. Dies ist entscheidend für die Effizienz und Genauigkeit der Lagerverwaltung und Auftragserfüllung.

Kognitive Cloud-Dienste

Maschinelles Lernen steht im Mittelpunkt jeder Auftragsabwicklung. Für maschinelles Lernen und Bilderkennung nutzt Amazon den AWS-eigenen Dienst SageMaker (bei Microsoft wäre es Azure Machine Learning) und Amazon SageMaker Ground Truth (Azure Machine Learning Data Labeling Service wäre die Entsprechung des Mitbewerbers). Diese AWS-Dienste helfen dabei, den Einlagerungs- und Kommissionierungsprozess der Waren zu optimieren.

Amazon verwendet eine Methode namens „chaotische Lagerhaltung“ zur Organisation seiner Waren in den Fulfillment-Centern. Im Gegensatz zu traditionellen Lagermethoden, bei denen ähnliche Artikel an einem gemeinsamen Aufbewahrungsort liegen, werden Artikel bei Amazon in verschiedenen mobilen Behältern und an verschiedenen Orten gelagert. Roboter transportieren dann diese mobilen Behälter kreuz und quer durch das Warenhaus von Mitarbeiter zu Mitarbeiter, um eine Bestellung nach der anderen zu erfüllen.

Dadurch wird die Wahrscheinlichkeit verringert, dass sich die Mitarbeiter oder Roboter bei ihrer Arbeit gegenseitig behindern und bestimmte Bereiche des Lagers überlastet sind. Der Ansatz maximiert die Kapazitäten und reduziert Fehler. Diese Methode erfordert ein hochentwickeltes Inventarsystem mit fortschrittlichen Algorithmen, um den genauen Standort jedes Artikels zu bestimmen und dann zu verfolgen.

Zur Überwachung der ca. 28 Kilometer langen Förderbänder im Fulfillment-Center nutzt Amazon den Cloud-Dienst AWS IoT Greengrass (bei Microsoft nennt sich die Entsprechung Azure IoT Edge; beide Dienste erlauben es IoT-Geräten, lokal auf die von ihnen generierten Daten zu reagieren, während sie weiterhin die Vorteile der Cloud nutzen). Maschinelle Lernalgorithmen berechnen für jede einzelne Bestellung die Größe des Versandkartons und sogar die Länge des verwendeten Klebebandes. Maschinelles Lernen bestimmt zu guter Letzt den optimalen Zustelldienstleister.

Flotten von Robotern und Drohnen

Einen Großteil der Arbeit in Amazons Fulfillment-Centern erledigen cloud-seitig steuerbare Flotten von mobilen wie auch stationären Robotern und Drohnen. Hand in Hand mit menschlichen Mitarbeitern übernehmen sie die Einlagerung, Kommissionierung, Verpackung und Versendung von Waren. Den Abgleich all dieser Tätigkeiten steuert die AWS-Cloud.

Wenn es um Robotik geht, setzt Amazon hauptsächlich auf seine eigenen Lösungen; Technologien Dritter – hauptsächlich stationäre Industrieroboter – sind die Ausnahme. Amazon Robots (Amazon Robotic Drive Units, zuvor Kiva) transportieren mobile Regale mit Waren, die sogenannten „Pods“, zu den Mitarbeitern, die Artikel einlagern oder aus den Regalen entnehmen.

Der stationäre Robo-Stow, Lösung eines Drittanbieters, ist für das Heben und Einsortieren von Regalen verantwortlich, um die Platzanforderungen der Waren zu „komprimieren“. Beim Heben von schweren Lasten springt ein schwerlastfähiger Roboter namens Hercules ein. Die Sortierroboter Pegasus und Xanthus bewegen sich auf einem Gitter von Förderbändern und verwenden Barcode-Scanner, um den korrekten Ablageort zu finden. Amazon SLAM-Maschinen – ein Akronym für die Worte: Scan, Label, Apply, Manifest – übernehmen den letzten Schritt in der Qualitätskontrolle: Sie überprüfen anhand des Paketgewichtes, ob in der Bestellung nichts fehlt.

Amazon-Drohnen können bis zu 24 km weit fliegen und eine Bestellung von bis zu 2,5 Kilogramm innerhalb von 30 Minuten dem/der Kunden/in zustellen. Die Drohnen starten und landen wie Hubschrauber, können aber auch wie Flugzeuge längere Strecken überfliegen – vollständig autonom, versteht sich. Ein Roboter namens Amazon Scout bringt den Kunden und Kundinnen ihre Pakete von der Auslieferungsstelle bis zur Haustüre, vorerst jedoch nur in der unmittelbaren Nähe des Amazon-Hauptsitzes in Seattle.

IoT RoboRunner: aus der Cloud gesteuert

All diese Roboter und Drohnen im Amazon-Maßstab zu orchestrieren, ist nicht ohne. Um große Flotten von Robotern und Drohnen zu verwalten und zu betreiben, nutzt Amazon einen AWS-eigenen Dienst namens IoT RoboRunner. IoT RoboRunner ist speziell darauf ausgelegt, die Aktivitäten von Robotern und Drohnen in industriellen Umgebungen zu koordinieren.

AWS IoT RoboRunner stellt eine Verbindung zwischen den Geräten im Feldeinsatz und den Cloud-Anwendungen her, die sie steuern. Er ermöglicht die Erstellung von Robotik-Diensten, die als Schnittstelle zwischen den Robotern und den Geschäftsanwendungen dienen. Diese Dienste übernehmen Aufgaben wie die Auftragsvergabe, die Überwachung des Roboterstatus und die Verwaltung von Ausnahmen und Fehlern.

Ein wichtiger Aspekt der Arbeitsweise von AWS IoT RoboRunner ist seine Fähigkeit, mit „digitalen Zwillingen“ der Roboter und Drohnen zu hantieren. Ein digitaler Zwilling ist eine virtuelle Repräsentation eines physischen Objekts, in diesem Fall einer Maschine. Digitale Zwillinge wiedergeben den aktuellen Status und die Position des betreffenden Roboters oder der Drohne, um eine effektive Überwachung und Steuerung der Flotte zu ermöglichen. Mit AWS IoT RoboRunner können Unternehmen wie Amazon die Koordination ihrer Roboterflotten automatisieren, ihre Leistung in Echtzeit überwachen und schnell auf Probleme reagieren. Der Dienst ermöglicht auch die Integration von Robotern mit anderen Geschäftsanwendungen und Datenquellen, um die Betriebsabläufe weiter zu automatisieren und die Produktivität zu verbessern.

Microsoft hat derzeit keine direkte Entsprechung zu AWS IoT RoboRunner in Microsoft Azure. Microsoft Azure bietet eine Vielzahl von IoT- und KI-Diensten an, aber keine spezifische Dienstleistung, die genau die gleichen Funktionen wie AWS IoT RoboRunner zur Verwaltung von Robotik-Operationen bietet. Mit AWS IoT Greengrass können Roboter Updates und Anweisungen aus der Cloud empfangen und Daten, die sie sammeln, lokal verarbeiten. So können Roboter und Drohnen in Echtzeit autarke Entscheidungen treffen, wenn die Verbindung zur Cloud ausfallen sollte.

Meldungen über alle relevanten Ereignisse senden Roboter an AWS Lambda-Funktionen, um automatisierte Workflows auszulösen (serverloses Computing bei Microsoft nennt sich Azure Functions; beide Lösungen dienen dazu, Code auszuführen, ohne Server bereitzustellen). So kann Amazon Teile wie fehlerhafte Motoren oder Riemen ersetzen, bevor die Geräte ausfallen, und den besten Zeitpunkt finden, um Inspektionen durchzuführen, Stichwort: prädiktive Wartung.

AWS RoboMaker: von der Testphase zum realen Einsatz

AWS RoboMaker erleichtert die Entwicklung, das Testen und die Bereitstellung von Anwendungen für Roboter. Mit RoboMaker können Ingenieure Simulationen durchführen, um zu sehen, wie die Roboter auf verschiedene Szenarien und Ereignisse reagieren würden, bevor sie diese Änderungen in der physischen Realität implementieren.

Um seinen Robotern maschinelle Lernfähigkeiten und künstliche Intelligenz beizubringen, verwendet den AWS-eigenen, vollständig cloud-seitig verwalteten Dienst SageMaker. SageMaker gibt Entwicklern und Datenwissenschaftlern die Möglichkeit, Machine-Learning-Modelle zu trainieren und bereitzustellen. Wann immer es gilt, skalierbaren Code auszuführen, ohne Serververwaltung ins Spiel zu bringen – also etwa, um auf unerwartete Ereignisse aus der physischen Realität zu reagieren –, kann AWS Lambda in die Bresche springen.

Für die Synchronisierung der vielen Dienste zeichnet Amazon CloudWatch verantwortlich, ein Cloud-seitiger Überwachungsdienst für AWS-Ressourcen und -Anwendungen. Mit CloudWatch verschafft sich Amazon in Echtzeit einen detaillierten Einblick in die System- und Plattform-Metriken der übrigen AWS-Dienste und -Ressourcen.

* Das Autorenduo Anna Kobylinska und Filipe Pereia Martins arbeitet für McKinley Denali Inc. (USA).

(ID:49681702)