Wie die Maschinenautomatisierung schrittweise zur Autonomie übergeht

Es dauerte rund zehn Jahre, bis die GPS/GNSS-Erdbewegungstechnologie im Schwerbau flächendeckend eingesetzt wurde. Heute können mittelgroße und große Bauunternehmen ohne sie nicht mehr rentabel arbeiten.

Eine ähnliche Entwicklung ist mit der jüngsten Einführung künstlicher Intelligenz (KI) wahrscheinlich. Die bevorstehenden Veränderungen versprechen große Produktivitäts- und Effizienzsprünge, doch zunächst ist noch viel Arbeit nötig.

KI umfasst einen umfassenderen Trend namens maschinelles Lernen. Die schwierigste Aufgabe besteht darin, diesen Maschinen alles beizubringen, was sie wissen müssen. Wie sich herausstellt, sind selbst die intelligentesten Maschinen erfahrenen Bedienern und Bauleitern – zumindest derzeit – nicht gewachsen.

John Deere präsentierte kürzlich auf der Consumer Electronic Show 2025 in Las Vegas, USA, seine autonomen knickgelenkten Muldenkipper. (Bild: John Deere)

Klein anfangen, hochskalieren

„Es scheint eine Schwerpunktverlagerung stattzufinden: Wir haben uns nicht mehr voll und ganz auf Autonomie konzentriert, sondern unternehmen jetzt eine Reihe von Schritten, um mehr Automatisierung zu erreichen, die eines Tages zur Autonomie führen wird“, sagt Ian Welch, technischer Leiter von Trimble für Feldsysteme im Hoch- und Tiefbau.

„Menschliche Intelligenz besteht nicht nur aus Daten. Sie ist unsere Intuition“, sagt Burcin Kaplanoglu, Leiter der Oracle Industry Labs. „Es ist schwer, jemanden zu übertreffen, der zwei Jahrzehnte im Baugewerbe gearbeitet hat. Aber genau das ist das Versprechen. KI kommt, und wir integrieren sie als Funktionen in unsere Produkte.“

Das Ziel selbst ist einfach und dem Ziel der GPS/GNSS-gesteuerten Erdbewegung nicht unähnlich: weniger qualifizierte Bediener sollen besser und qualifizierte Bediener schneller arbeiten und die Arbeit sicherer, besser und umweltfreundlicher erledigen.

KI werde eine Rolle bei der Optimierung von Prozessen spielen, sagt Welch. „Das ist der erste Schritt“, sagt er. Schritt zwei sei schwieriger. „Was tun, wenn die Dinge nicht wie geplant laufen?“ KI müsse Entscheidungen in Echtzeit treffen, und ich denke, davon sind wir noch weit entfernt.

Phasenansatz

Neil Williams, Präsident der Machine Control Division von Hexagons Geosystems-Sparte, erklärt, dass die Baubranche vom anfänglichen Hype um vollautonome Baumaschinen zu einem praktischeren, schrittweisen Ansatz übergegangen sei. Dieser umfasst fünf Autonomiestufen:

1) Manuelle Bedienung – Vollständige menschliche Kontrolle mit minimaler digitaler Unterstützung.

2) Unterstützte Steuerung – Die Automatisierung unterstützt den Bediener durch Anleitung und automatische Blattsteuerung.

3) Teilautomatisierung – Maschinen erledigen einige Aufgaben autonom, benötigen aber die Aufsicht eines Bedieners.

4) Bedingte Autonomie – Maschinen arbeiten unter bestimmten Bedingungen weitgehend unabhängig und mit minimalem menschlichen Eingriff.

5) Vollständige Autonomie – Die Ausrüstung funktioniert völlig selbstständig und passt sich in Echtzeit an (noch kein Industriestandard).

Derzeit durchläuft die Branche die Stufen zwei bis vier, wobei die Bediener die Kontrolle behalten, so Williams. Statt vollständiger Maschinenautonomie tendiert die Branche zu teilautonomen Arbeitsabläufen, bei denen Maschinen nahtloser mit Bedienern zusammenarbeiten und KI nutzen, um die Produktivität zu steigern und Fehler zu reduzieren.

Neil Williams, Präsident der Machine Control Division, Hexagons Geosystems Division

Dies macht die Automatisierung zu einem grundlegenden Werkzeug, das den Betrieb transformiert, die Voraussetzungen für vollständige Autonomie in der Zukunft schafft und gleichzeitig schon heute konkrete Vorteile bietet, so Williams. Dazu gehören eine verbesserte Maschinensteuerung, KI-gestützte Analysen und die Echtzeit-Datenintegration, um Arbeitsabläufe zu optimieren, die Sicherheit zu erhöhen und Abfall zu reduzieren.

Laut Hexagons „2023 Autonomous Construction Tech Outlook“ hätten 84 % der Technologie-Entscheidungsträger bei Generalunternehmern in Nordamerika, Großbritannien und Australien im vergangenen Jahr irgendeine Form autonomer Technologie eingeführt, sagt Williams.

Autonomie sei kein fernes Ziel, kommentiert David Veasy, Senior Product Manager für Autonomie bei John Deere. Sie werde jedoch in gezielten autonomen Abläufen umgesetzt. Diese autonomen Abläufe werden zunächst einfach sein, wie etwa der Transport von Material von Punkt A nach Punkt B, und mit der Zeit an Umfang zunehmen. Der Schwerpunkt liege dabei auf der Minimierung der Interaktion, die nötig sei, um die Maschine im autonomen Modus zu halten.

John Deere präsentierte kürzlich auf der Consumer Electronic Show 2025 in Las Vegas, USA, seine autonomen knickgelenkten Muldenkipper (ADT). Im Steinbruch transportieren Knickgelenkte Muldenkipper Material von Punkt A nach Punkt B und wiederholen diese Route ohne große Abweichungen. Dies macht sie zu einem idealen Einsatzgebiet für autonome Maschinen. Angesichts des Fachkräftemangels macht der autonome Knickgelenkte Muldenkipper den Bediener überflüssig und ermöglicht es Kunden, diesen für komplexere Aufgaben und Geräte einzusetzen.

Einfache Maschinen zuerst

Die Maschinen mit den einfachsten Anwendungen werden in Zukunft am wahrscheinlichsten autonom fahren, sagt Welch. Trimble entwickelte vor einigen Jahren die Software und Sensoren für eine halbautonome Verdichtungsmaschine, die das Unternehmen regelmäßig vorführt.

Burcin Kaplanoglu, Leiter der Oracle Industry Labs

Verdichter seien die logische Wahl gewesen, weil sie nur eine Aufgabe hätten und es einfach sei, diesen Weg vorzuschreiben und diesen Prozess zu optimieren, sagt er.

Ein Bagger sei komplexer und müsse zudem viele verschiedene Aufgaben unter unterschiedlichen Bedingungen erledigen, sagt Welch. Dasselbe gelte für Planierraupen.

Von der Automatisierung dieser Maschinen sind wir noch weit entfernt, aber viele arbeiten daran. Mit der zunehmenden Verbreitung des digitalen Bauens wird sich dies weiter durchsetzen. Ohne diese Technologie können wir die Maschine jedoch nicht wirklich trainieren.

„Man kann 90 % Autonomie erreichen, aber die letzten 10 % sind schwer zu erreichen“, sagt Kaplanoglu. Und wir Menschen haben eine sehr geringe Toleranz gegenüber Maschinenausfällen und -fehlern. Wir sind tolerant gegenüber menschlichen Fehlern, aber nicht gegenüber Maschinenfehlern. Konsistenz, Zuverlässigkeit und Genauigkeit sind im Bauwesen sehr wichtig.“

Sehen und dann tun

Im Oracle Industry Lab verwendet das Team OCI Vision Services zur Analyse von Fotos und Bildern und trainiert anschließend die Software, um Elemente in den Bildern zu erkennen und die zur Nutzung dieses Assets erforderlichen Informationen zusammenzustellen.

Als hypothetisches Beispiel nennt er eine HLK-Anlage (Heizung, Lüftung und Klimaanlage), die ohne Dokumentation auf einer Baustelle auftaucht. Ein schnelles, in die Cloud gesendetes Foto kann die Anlage identifizieren. Nach entsprechender Schulung erkennt die Software nicht nur die Anlage, sondern liefert auch die technischen Daten, Installationsanweisungen und alle weiteren relevanten Informationen. Dank KI-gestütztem Lernen liefert die Software alle benötigten Informationen in einer einzigen Antwort, ohne dass der Arbeiter mehrere Websites besuchen oder mehrere Informationsseiten öffnen muss, um die benötigten Informationen zu erhalten.

Einige Unternehmen gehen mit diesem visuellen Lernmodell noch einen Schritt weiter und programmieren Roboter so, dass sie eine bestimmte Aktion „sehen“, lernen und dann wiederholen.

Der Fachbegriff dafür lautet „Imitation“. Kaplanoglu nennt ein Beispiel, bei dem ein Roboter professionelle Athleten aufzeichnet und deren Bewegungen anschließend selbst nachbildet.

Das bedeutet, dass es in Zukunft möglich sein könnte, dass eine Planierraupe die Arbeit einer anderen Planierraupe aufzeichnet, diese Informationen in der Cloud speichert und diese dann nutzt, um die Aufgabe ohne Fahrer zu wiederholen. „Das ist meiner Meinung nach das größte Versprechen“, sagt Kaplanoglu. „Genau in diese Richtung geht die Entwicklung, und es wird massiv Geld und Forschung in diesen Bereich gesteckt.“

Weiterqualifizierung Ihrer Crew

„Automatisierung schafft neue Qualifikationen, statt Arbeitsplätze zu zerstören“, sagt Williams. Indem Technologien repetitive Aufgaben übernehmen, ermöglichen sie es den Mitarbeitern, sich auf höherwertige Aufgaben zu konzentrieren – von der Entscheidungsfindung bis zur Prozessoptimierung. Das steigert nicht nur die Effizienz, sondern macht die Arbeit auch spannender und trägt dazu bei, Qualifikationslücken zu schließen. Unternehmen, die auf Automatisierung setzen, bauen nicht Mitarbeiter ab – sie steigern ihren Wert, behauptet er.

Mit der Weiterentwicklung von Maschinen und Baustellen hin zu mehr Autonomie könnte sich der Fahrer zu einem Technologiemanager entwickeln, so Welch. Qualifizierte Fahrer werden weiterhin benötigt, um den Maschinen bestimmte Aufgaben beizubringen. „Und irgendwann gibt es wirklich schwierige, komplexe Aufgaben mit vielen Eingaben, die nur ein Mensch bewältigen kann. Es wird also noch viele Jahre dauern, bis wir alles ohne einen Menschen in der Kabine erledigen können“, sagt er.

Schwärmende Mikromaschinen

David Veasy, leitender Produktmanager für Autonomie bei John Deere

Es sei auch möglich, vielleicht sogar wahrscheinlich, dass die Autonomie das Design von Erdbewegungsmaschinen auf andere Weise verändern könnte als durch den Wegfall der Kabine oder durch die Änderung der Anzahl oder Größe der Maschinen für eine bestimmte Aufgabe, sagt Welch.

„Es gibt einige interessante Forschungsarbeiten, die sich mit der Frage befassen, ob es effizienter wäre, zwei große Maschinen oder zehn kleine Robotermaschinen zu haben, die zusammenarbeiten.“

Trimble nennt dies „Multi-Machine-Koordination“, so Welch. Statt zweier großer Planierraupen könnten es eher zehn Mini-Planierraupen sein, die gleichzeitig im Schwarm arbeiten. OEMs werden diese Entwicklung vorantreiben, aber Technologie, Software und maschinelles Lernen werden dabei eine große Rolle spielen.

Autonomie wird es einem einzelnen Bediener ermöglichen, mehr als eine Maschine zu steuern, so Veasy von Deere. Der Trend geht dahin, dass autonome Geräte mit der Zeit immer weniger Bedienereingriffe für Bedienung und Verwaltung erfordern werden.

Die Auswirkungen der KI

Automatisierung gab es schon lange, bevor KI ein Begriff war. Doch KI ist heute das heißeste Thema und baut auf dem Erfolg der GPS/GNSS-Maschinensteuerung auf.

KI habe die Entwicklung produktiver autonomer Lösungen ermöglicht, deren Entwicklung früher deutlich länger gedauert und deren Nutzen mit Einschränkungen verbunden gewesen wäre, so Veasy. So sei beispielsweise die Nutzung von Computer Vision zur Unterscheidung von Objekten und Objekttypen nur dank der Fortschritte in der KI kommerziell realisierbar.

Autonomie wird wahrscheinlich das Aussehen und Design von Geräten verändern (Bild: AdobeStock)

Williams sagt, dass KI die Ausrichtung von Hexagon nicht verändert, sondern die bestehenden Aktivitäten des Unternehmens verbessert habe. Maschinelles Lernen, digitale Zwillinge und Automatisierung verbessern seit Jahren Präzision, Effizienz und Entscheidungsfindung. Was sich jetzt weiterentwickelt, ist die Fähigkeit der KI, zu skalieren, Daten schneller zu verarbeiten und in Echtzeit mehr umsetzbare Erkenntnisse zu liefern.

Obwohl KI und Automatisierung in der Zukunft hochmodern sind, gibt es keinen Grund, abzuwarten. Fast täglich gibt es schrittweise Verbesserungen mit konkretem Nutzen. „Wir integrieren KI, um die Maschinensteuerung zu verfeinern, die Datenverarbeitung bei Vermessung und Realitätserfassung zu automatisieren sowie die Baustellenüberwachung und Fortschrittsverfolgung zu verbessern – nicht, um Bediener zu ersetzen, sondern um ihnen zu helfen, effizienter und sicherer zu arbeiten“, sagt Williams.

Letztendlich hängt die Akzeptanzrate von der Technologie und ihrem Nutzen ab. „Wir haben festgestellt, dass Kunden Technologien sehr schnell einsetzen, wenn der Mehrwert die Kosten übersteigt“, sagt Veasy. Als historisches Beispiel nennt er die GPS/GNSS-Niveauregelung.

„Sobald Kunden erfahren, dass sie die gewünschte Qualität in einem Durchgang erreichen können, überwiegen die Zeitersparnis und die Effizienz die anfänglichen Kosten“, so Veasy weiter. „Wir gehen davon aus, dass die Technologieeinführung mit sinkenden Kosten für fortschrittliche Technologie und steigendem Bedarf an produktiverer Ausrüstung entsprechend zunehmen wird.“