Bin Picking beschreibt den automatisierten Griff in die Kiste. Ein Roboter erkennt ungeordnet gestapelte Teile in einem Behälter, bestimmt Position und Lage jedes Objekts und entnimmt es einzeln. Der Engpass ist selten der Roboterarm, sondern die maschinelle Bildverarbeitung. Sie berechnet aus einem Haufen zufällig liegender Teile einen sicheren Greifpunkt. Dieser Beitrag zeigt drei Dinge. Erstens, wie die 3D-Vision-Pipeline arbeitet. Zweitens, wie sich 2D-, 3D- und KI-Systeme unterscheiden. Drittens, wie du zwischen CAD-Matching und KI-Objekterkennung entscheidest.
Bin Picking (Griff in die Kiste) ist das automatisierte Identifizieren und Entnehmen einzelner Objekte aus einem ungeordneten Behälter durch einen Roboter. Ein Kamerasystem erfasst den Behälterinhalt. Eine Software bestimmt Position und Ausrichtung jedes Teils. Der Roboter greift ein Objekt nach dem anderen heraus.
Bin Picking läuft immer in derselben Grundabfolge: erfassen, erkennen, greifen, ablegen. Der Unterschied zu klassischer Handhabung liegt in der Unordnung. Teile kommen nicht vereinzelt und ausgerichtet auf einem Förderband an, sondern liegen wahllos übereinander in einer Gitterbox oder Kiste. Fachlich unterscheidet man drei Stufen. Beim strukturierten Griff (Structured Picking) liegen die Teile geordnet in Lagen. Beim halbstrukturierten Griff liegen sie in einer Ebene, aber ohne feste Position. Beim echten ungeordneten Griff (Random Bin Picking) sind sie chaotisch gestapelt. Genau hier braucht der Roboter 3D-Bildinformation statt eines einfachen 2D-Bildes.
Die Objekte sind dabei meist identisch. In der Mehrzahl der realen Anwendungen liegt ein einziger, gleicher Teiletyp im Behälter. Das sind etwa Gussrohlinge, Schrauben, Spritzgussteile oder verpackte Waren. Das vereinfacht die Erkennung, weil das System ein bekanntes Objekt sucht statt beliebiger Formen.
Bin Picking ist anspruchsvoll, weil der Roboter die Lage jedes Teils in sechs Freiheitsgraden bestimmen muss. Die Objekte verdecken sich dabei gegenseitig, werfen Schatten und wechseln bei jedem Griff ihre Ausrichtung. Aus einem statischen Bild eine kollisionsfreie Greifbewegung abzuleiten, ist das eigentliche Problem.
Bin Picking scheitert meist an fünf wiederkehrenden Hürden:
Der Tool Center Point (TCP), also der definierte Arbeitspunkt des Greifers, muss dabei kollisionsfrei bis in die Kiste hineinfahren. Glänzende Metallflächen und der Behälterrand sind häufige Ursachen für abgebrochene Greifversuche. Genau deshalb entscheidet die Qualität der Bildverarbeitung über den Projekterfolg. Tragkraft und Reichweite des Roboters sind zweitrangig.
Bin Picking nutzt drei Klassen von Bildverarbeitung. 2D-Kameras liefern nur ein Flächenbild. 3D-Sensoren erzeugen eine Punktwolke mit Tiefeninformation. KI-gestützte Systeme erkennen Objekte auch ohne exaktes Modell. Für den echten ungeordneten Griff ist 3D-Information Pflicht. KI erweitert sie auf schwierige Objekte.
Eine 2D-Kamera reicht nur, wenn Teile flach und getrennt in einer Ebene liegen, weil ihr die Höheninformation fehlt. Sobald Teile übereinander liegen, braucht das System 3D. Dafür haben sich vier Sensorprinzipien etabliert:
| Sensorprinzip | Funktionsweise | Stärke | Schwäche |
|---|---|---|---|
| Strukturiertes Licht | Projiziert Muster, misst deren Verzerrung | Hohe Genauigkeit im Nahbereich | Empfindlich gegen Fremdlicht |
| Stereovision | Zwei Kameras berechnen Tiefe aus Parallaxe | Robust, passiv, günstig | Schwächer bei texturarmen Flächen |
| Time of Flight (ToF) | Misst Laufzeit des reflektierten Lichts | Schnell, großer Arbeitsbereich | Geringere Detailauflösung |
| Laser-Triangulation | Laserlinie plus Winkelmessung | Sehr präzise, gut bei Metall | Langsamer, oft bewegter Scan |
Die Punktwolke ist das Zwischenprodukt jedes 3D-Systems. Sie besteht aus Millionen von 3D-Punkten und beschreibt die Oberfläche des Behälterinhalts. Aus ihr berechnet die Software die Pose jedes Teils. KI-Objekterkennung setzt eine Ebene darüber. Statt ein Teil rein geometrisch zu vergleichen, nutzt sie trainierte Modelle. So findet sie auch dunkle, transparente oder wechselnde Objekte, an denen klassische Verfahren scheitern. Passende 3D-Kameras und Vision-Systeme findest du gebündelt im Marktplatz von Unchained Robotics.
Bin Picking läuft in drei aufeinander aufbauenden Stufen ab: Perception (Erfassung und Erkennung), Grasp Prediction (Greifpunktbestimmung) und Robot Control (Bahnplanung und Ausführung). Jede Stufe muss innerhalb der Zykluszeit abgeschlossen sein, sonst bremst die Bildverarbeitung den gesamten Takt.
Bin Picking beginnt mit der Perception. Der 3D-Sensor erzeugt eine Punktwolke des Behälters. Die Software filtert Störpunkte und den Behälterrand heraus und führt dann die Pose-Schätzung durch. Pose-Schätzung meint die Bestimmung von Position und Orientierung jedes erkannten Teils in sechs Freiheitsgraden. Hier trennt sich CAD-Matching (Abgleich gegen ein hinterlegtes 3D-Modell) von KI-Objekterkennung (trainiertes Modell statt exakter Geometrie).
In der Grasp Prediction berechnet das System aus der erkannten Pose einen konkreten, erreichbaren Greifpunkt. Es bewertet, welches Teil frei genug liegt, wo der Greifer sicher ansetzt und ob die Griffkraft ausreicht. Bei mehreren Kandidaten wählt es den Griff mit der höchsten Erfolgschance.
Die Robot Control setzt den Griff um. Die Pfadplanung erzeugt eine kollisionsfreie Bahn in die Kiste und wieder heraus. Die Kollisionsvermeidung prüft dabei Behälterwände, Nachbarteile und den Roboter selbst. Erst danach fährt der TCP an den Greifpunkt, entnimmt das Teil und legt es lagerichtig ab. Für die nächste Entnahme startet der Zyklus erneut, oft mit einer frischen Aufnahme. Der Haufen verschiebt sich schließlich bei jedem Griff.
Cambrian Vision ist eine KI-gestützte Bildverarbeitung für schwierige Objekte. Dazu zählen dunkle, glänzende, halbtransparente oder ungewöhnlich geformte Teile, die klassische 3D-Systeme an ihre Grenzen bringen. Die Lösung arbeitet auch bei schwachem oder wechselndem Licht zuverlässig.
Cambrian Vision nutzt Bildgebung und maschinelles Lernen. So erkennt und greift es Objekte auch in optisch schwierigen Umgebungen sicher. Genau dort liegt der Vorteil. Schwarze, dunkle oder halbtransparente Werkstücke bringen viele 3D-Systeme an die Grenze. Dieses System verarbeitet sie stabil. Praktisch nutzt es zwei Kameras. Sie sind meist am Roboterarm montiert und erfassen den Behälter aus der Bewegung.
Das System benötigt eine CAD-Datei des Werkstücks, an dem die optimale Greifposition festgelegt wird. Damit wird dann ein KI-Modell errechnet, welches das Teil zuverlässig lokalisieren und greifen kann. Für die Auslegung ist das entscheidend. Es legt fest, wie viel Vorbereitung ein neues Teil kostet. Und es bestimmt, wie gut das System mit Form- und Größenabweichungen umgeht.
Mech-Mind Mech-Eye ist eine Serie von 3D-Vision-Systemen. Sie ist in mehreren Varianten mit unterschiedlichen Arbeitsabständen und Sichtfeldern verfügbar. Die Kameras erkennen auch kleine, komplexe oder stark detaillierte Teile und sind mit den gängigen Robotermarken softwarekompatibel.
Mech-Mind Mech-Eye vereint zwei eingebaute Kameras und eine integrierte Verarbeitung in einer Einheit. Die Software analysiert den Behälterinhalt und bestimmt Position und Ausrichtung der Teile. Danach übergibt sie dem Roboter die Greifpunkte samt Bahnvorschlag. Das zentrale Merkmal ist diese breite Software-Kompatibilität. Weil die Steuerung mit den Systemen vieler Roboterhersteller zusammenarbeitet, sinkt der Integrationsaufwand deutlich.
Mech-Mind Mech-Eye spielt seine Stärke dort aus, wo sich die Teile relativ häufig ändern. Die Varianten decken verschiedene Arbeitsabstände ab. So lässt sich das System auf kleine Präzisionsteile ebenso auslegen wie auf große Bauteile in tiefen Gitterboxen. Damit eignet es sich für Arbeitsplätze mit wechselndem Teilespektrum. Ein starr auf ein einziges Objekt eingerichtetes System wäre dort zu unflexibel.
Bin Picking Roboter mit Cambrian Vision und mit Mech-Mind Mech-Eye lösen dasselbe Problem aus zwei Richtungen. Cambrian setzt auf KI-Erkennung für optisch schwierige Objekte. Mech-Mind setzt auf ein flexibles 3D-Kamerasystem mit breiter Roboterkompatibilität für wechselnde Teile. Die Wahl hängt am Teilespektrum und an der Oberfläche.
| Kriterium | Cambrian Vision | Mech-Mind Mech-Eye |
|---|---|---|
| Ansatz | KI-gestützte Bildverarbeitung | 3D-Vision-Kameraserie |
| Stärke | Dunkle, glänzende, transparente, ungewöhnliche Teile | Wechselndes Teilespektrum, breite Größen |
| Kamera-Setup | Zwei Kameras, am Roboterarm montiert | Zwei Kameras, integrierte Verarbeitung |
| Lichtrobustheit | Auch bei schwachem, wechselndem Licht | Variantenabhängig |
| Roboterkompatibilität | Softwarekompatibel mit den meisten großen Robotermarken | Softwarekompatibel mit den meisten großen Robotermarken |
| Ideal für | Optisch anspruchsvolle Oberflächen | Häufig wechselnde Objekte |
Cambrian Vision ist die erste Wahl, wenn die Oberfläche das Hauptproblem ist. Das gilt bei metallisch glänzenden, schwarzen oder durchsichtigen Werkstücken in schlechtem Licht. Mech-Mind Mech-Eye ist die erste Wahl, wenn Flexibilität und einfache Anbindung an eine vorhandene Roboterflotte zählen. Beide sind ein solider Ausgangspunkt. Die konkrete Entscheidung fällt am realen Teil, idealerweise über einen Machbarkeitstest mit deinen eigenen Werkstücken.
Der Greifer entscheidet beim Bin Picking mit über die Pick-Rate. In einer engen, vollen Kiste muss er kollisionsfrei ansetzen. Drei Endeffektor-Typen dominieren: Vakuumgreifer, Zwei-Finger-Parallelgreifer und Magnetgreifer. Die Wahl folgt aus Material, Geometrie und Zugänglichkeit des Teils.
Ein Endeffektor ist das Werkzeug am Roboterflansch, hier also der Greifer. Beim Griff in die Kiste zählt vor allem die schlanke Bauform. Der Greifer muss zwischen dicht liegende Teile und an den Behälterrand heranreichen, ohne Nachbarteile zu verschieben.
| Greifer | Prinzip | Geeignet für | Grenze |
|---|---|---|---|
| Vakuumgreifer | Sauger, Unterdruck | Flache, dichte, glatte Oberflächen (Kartons, Bleche, Beutel) | Poröse, stark gekrümmte oder durchbrochene Teile |
| Zwei-Finger-Parallelgreifer | Formschluss, zwei Backen | Definierte Geometrien, Zylinder, Würfel, Gussteile | Sehr große oder verhakte Teile in enger Kiste |
| Magnetgreifer | Magnetkraft | Ferromagnetische Metallteile | Nur magnetische Werkstoffe, Mehrfachaufnahme möglich |
Vakuumgreifer sind der Standard in der Logistik, weil sie schnell und leicht sind. Zwei-Finger-Greifer dominieren in der Fertigung bei definierten Bauteilen. Magnetgreifer sind unschlagbar bei Stahlteilen, ziehen aber gelegentlich ungewollt mehrere Teile mit an. Für schwierige Fälle kombinieren manche Zellen mehrere Greifprinzipien an einem Wechselsystem. Passende Endeffektoren findest du im Marktplatz von Unchained Robotics. Die Detailauswahl behandelt der Ratgeber zur Greifer- und Endeffektorauswahl.
Bin Picking ist in vier Branchen verbreitet: Fertigung, Logistik, Landwirtschaft und Medizintechnik. In der Fertigung beschickt es Produktionslinien mit Rohteilen. In der Logistik kommissioniert und verpackt es Waren für den Versand. Landwirtschaft und Medizintechnik nutzen es zum Sortieren und Vereinzeln.
Bin Picking übernimmt in der Fertigung meist das Beschicken von Maschinen und Montagelinien. Es liefert Gussrohlinge, Schrauben oder Spritzgussteile direkt aus der Anlieferbox. Das erhöht die Auslastung der Anlage und entlastet die Maschinenbedienung.
In der Logistik greift Bin Picking Pakete, Beutel und Einzelartikel aus Sammelbehältern. Es legt sie sortiert für Versand oder Weiterverarbeitung ab. Tempo und Genauigkeit im Kommissionierprozess steigen, die manuelle Handhabung sinkt.
In der Landwirtschaft sortiert und organisiert Bin Picking Erzeugnisse und andere Waren nach Größe oder Reifegrad. In der Medizintechnik und im Gesundheitswesen entnimmt und transportiert es Verbrauchsmaterial, Tabletten oder Kleinteile unter Hygieneanforderungen. Der gemeinsame Nenner ist immer derselbe. Wo Teile ungeordnet ankommen und einzeln weitergehen, ersetzt Bin Picking monotone, harte Handarbeit.
Ein Bin-Picking-System besteht aus Roboter, 3D-Vision, Greifer, Software und Integration. Das treibt die Investition über den reinen Roboterpreis hinaus. Entscheidend für die Wirtschaftlichkeit sind Zykluszeit und Pick-Rate, also wie viele erfolgreiche Griffe pro Stunde das System zuverlässig schafft.
Bin Picking rechnet sich, wenn ein System eine oder mehrere Schichten monotoner Entnahmearbeit ersetzt. Dabei muss es eine hohe Pick-Rate halten. Die Pick-Rate ist der Anteil erfolgreicher Griffe an allen Versuchen. Sie fällt, wenn Teile verhaken, die Erkennung unsicher wird oder der Greifer in der Kiste nicht ansetzen kann. Die Zykluszeit umfasst Aufnahme, Erkennung, Greifbewegung und Ablage. In der Praxis liegen typische Zykluszeiten je nach Teil und Kamera im Bereich weniger Sekunden pro Griff.
Die harten Kennzahlen für eine konkrete Anwendung hängen stark am Teil und an der Zelle.
Wer die Integration nicht selbst stemmen will, greift zu einer schlüsselfertigen Zelle. Der MalocherBot von Unchained Robotics bündelt Roboter, Vision und Greifer als vorkonfigurierte Automatisierungszelle. Das No-Code-Roboter-OS LUNA steuert den Ablauf ohne klassische Roboterprogrammierung.
Bin Picking Projekte scheitern selten am Roboter und fast immer an der Bildverarbeitung, am Greifer oder am Teil selbst. Die drei häufigsten Ursachen sind reflektierende Oberflächen, ein unpassender Greifer und ein Teilespektrum, das breiter ist als angenommen.
Bin Picking gelingt zuverlässig, wenn du vier Punkte vorab klärst:
Ein Cobot (kollaborierender Roboter, der ohne trennenden Schutzzaun neben Menschen arbeiten darf) kann Bin Picking übernehmen. Voraussetzung ist, dass Traglast, Reichweite und Zykluszeit passen. Für schwere Teile oder hohe Taktraten ist ein klassischer Industrieroboter die bessere Wahl. Eine Auswahl an Cobots findest du im Marktplatz. Der größte Hebel bleibt der realistische Blick auf das eigene Teil. An ihm entscheidet sich das passende Zusammenspiel aus Vision, Greifer und Roboter.
Bin Picking ist der automatisierte Griff in die Kiste. Ein Roboter erkennt mit einer 3D-Kamera ungeordnet liegende Teile in einem Behälter. Er bestimmt Position und Ausrichtung jedes Teils und entnimmt es einzeln. Der Begriff heißt auf Deutsch Griff in die Kiste oder Behälterkommissionierung.
Die Investition setzt sich aus Roboter, 3D-Vision-System, Greifer, Software und Integration zusammen und liegt deutlich über dem reinen Roboterpreis. [AUTOREN-INPUT NOETIG: konkreter Preisrahmen einer schlüsselfertigen Bin-Picking-Zelle bei Unchained Robotics, etwa Einstiegspreis MalocherBot.] Der Return on Investment hängt an Pick-Rate, Zykluszeit und den ersetzten Arbeitsstunden.
Für den ungeordneten Griff braucht ein Roboter ein 3D-Kamerasystem, das eine Punktwolke des Behälterinhalts erzeugt. Als Basis dienen strukturiertes Licht, Stereovision, Time of Flight oder Laser-Triangulation. Bei dunklen, glänzenden oder transparenten Teilen ergänzt eine KI-gestützte Objekterkennung die reine 3D-Messung.
CAD-Matching gleicht die Punktwolke gegen ein hinterlegtes 3D-Modell des Teils ab und passt für bekannte, gleichbleibende Werkstücke. KI-basierte Objekterkennung nutzt trainierte Modelle. Sie erkennt auch wechselnde, optisch schwierige oder verformbare Teile, für die kein exaktes Modell vorliegt. CAD-Matching ist präziser bei bekannten Teilen, KI ist flexibler bei wechselndem Teilespektrum.
Vakuumgreifer passen zu flachen, glatten Oberflächen wie Kartons oder Blechen. Zwei-Finger-Parallelgreifer passen zu definierten Geometrien wie Gussteilen oder Zylindern. Magnetgreifer passen zu ferromagnetischen Metallteilen. Entscheidend ist neben dem Material die Bauform. Der Greifer muss schlank genug bauen, um in der vollen Kiste an das Teil heranzukommen.
Ein Cobot kann Bin Picking übernehmen, solange Traglast, Reichweite und geforderte Zykluszeit im Rahmen bleiben. Sein Vorteil ist der Betrieb ohne trennenden Schutzzaun. Bei schweren Teilen oder sehr hohen Taktraten ist ein klassischer Industrieroboter mit mehr Geschwindigkeit und Traglast die passendere Wahl.
Die Geschwindigkeit misst sich in Zykluszeit pro Griff und in Pick-Rate, also dem Anteil erfolgreicher Griffe. Typische Zykluszeiten liegen je nach Teil, Kamera und Greifer im Bereich weniger Sekunden pro Entnahme.
Bin Picking lohnt sich in vier Feldern. In der Fertigung beschickt es Maschinen und Montagelinien. In der Logistik kommissioniert und verpackt es Waren. In der Landwirtschaft sortiert es Erzeugnisse. In der Medizintechnik vereinzelt es Verbrauchsmaterial. Der gemeinsame Nenner sind ungeordnet ankommende Teile, die einzeln weitergehen.