Wie funktioniert Spatial Computing?

Die Frage "Wie funktioniert Spatial Computing?" kommt ins Spiel, da immer mehr Industrieunternehmen ihr Geschäft digital transformieren wollen - insbesondere solche, die Außendienstmitarbeiter beschäftigen und in der "physischen Welt" arbeiten, wie z. B. in einer Fabrik, einem Lager oder auf einer Baustelle.

Der Begriff Spatial Computing wurde von MIT Media Lab Alumni Simon Greenwold in seiner sehr futuristischen Diplomarbeit im Jahr 2003 definiert. Allerdings sind wir erst seit Kurzem in der Lage, seine These und Vision möglich zu machen, und zwar aufgrund der Fortschritte in diesen Technologien: künstliche Intelligenz (KI), Kamerasensoren und Computer Vision, die Umgebungen, Menschen und Objekte verfolgen, Internet of Things (IoT), das Produkte und Anlagen überwacht und steuert, und Augmented Reality (AR), welche die Benutzeroberfläche für die Anwender bereitstellt.

Auf der höchsten Ebene ist Spatial Computing die Fähigkeit, einen Ort im Raum zuzuordnen, von einem autonomen Fahrzeug auf der Straße bis zu einem Roboter in einer Fabrik, indem einige oder alle dieser Technologien vereint werden. Es fügt Wissen über den relativen Standort hinzu, d. h. den Standort in Bezug auf andere Standorte, um das Konzept des "traditionellen Computings" zu erweitern. Ein autonomes Fahrzeug nutzt zum Beispiel GPS, LiDAR, Kamerasensoren und andere Technologien, um seine genaue Position zu triangulieren und seine Nähe zu Objekten in der Fahrumgebung zu messen.

Die Automatisierung und die Zusammenarbeit von Maschinen und Menschen nimmt weltweit zu. Spatial Computing wird synchronisierte Abläufe zwischen diesen Menschen und Maschinen ermöglichen, da sie Seite an Seite arbeiten. Es ist die ultimative Möglichkeit, ganze von Menschen und Maschinen besetzte Arbeitsplätze zu optimieren, einschließlich der Koordinierung der Arbeit aller am Prozess beteiligten Maschinen und Arbeiter.

Spatial Computing ermöglicht die gleichberechtigte Zusammenarbeit von Mensch und Maschine, aber auch die individuelle Förderung jedes Einzelnen. Wir erläutern die wichtigen Komponenten dieses Konzepts und zeigen anhand bestehender und zukünftiger Beispiele das Potenzial auf.

Spatial Computing bringt intelligente Maschinen weiter voran

Automatisierte Lagerabläufe sind hochmoderne Beispiele für räumliche Datenverarbeitung. Der "Amazon-Effekt", der die E-Commerce-Verkäufe und die Erwartung der Verbraucher nach Lieferung am nächsten Tag antreibt, hat die Lager des Einzelhandels verändert. Sie müssen Waren schnell bewegen, um zehntausende von täglichen Kundenbestellungen schnell zu erfüllen.

Die Autonomous Guided Vehicles (AGV) in diesen autonomen Operationen verarbeiten ständig Standort, relative Position und Geschwindigkeit. Diese Echtzeitfragen definieren, wo und relativ zu was sich das FTS jetzt befindet, wo es vor kurzem war und wo es als nächstes sein wird, und wie schnell es sich gerade bewegt. Spatial Computing verwaltet und optimiert in dieser dynamischen 3D-Umgebung eine Flotte von FTS für autonomes Fulfillment, indem es ihre relative Position zueinander, die Nähe zu den Zielgütern und die Zielpunkte nutzt, um letztendlich die richtige Ware auf die effizienteste Weise an den richtigen Ort zu bringen.

Ein Anwendungsfall muss nicht so anspruchsvoll sein wie ein hochautonomes Lagerhaus, um als Spatial Computing zu gelten. Intelligente Staubsauger wie Roomba nutzen analoge räumliche Technologien, um in Ihren Wohnräumen zu navigieren.

Menschen durch räumliche Fähigkeiten befähigen

Mensch-Maschine-Schnittstellen entwickeln sich, damit Arbeiter an dieser aufkommenden Spatial-Computing-Arena teilnehmen können. Zum Beispiel kann die Interaktion von Arbeitern mit physischen Systemen, die in industriellen Umgebungen wie Fabriken üblich sind, durch Spatial Computing unterstützt werden.

Neuprogrammierung von Robotern in Echtzeit

Viele Roboter in einer Produktionslinie müssen neu programmiert werden, wenn sie eine neue Aufgabe ausführen sollen. Dieser zeitaufwändige Prozess kann Linienstillstände und spezialisierte Techniker für Software-Updates erfordern, was kostspielige Auswirkungen auf Maschineneinrichtungs- und Umrüstzeiten sowie andere kritische Fertigungs-KPIs hat.

Mit Spatial Computing könnte die kontextbezogene Neuprogrammierung von Robotern es einem menschlichen Bediener ermöglichen, die Bewegungen des Roboters einfacher zu verstehen, zu steuern und für neue Aufgaben zu planen - mit minimaler Ausfallzeit und ohne spezielle technische Kenntnisse. Diese einfache und visuelle Programmierung mit anpassbaren logischen Abläufen bringt die Bewegungen des Roboters in das Sichtfeld des Arbeiters und ermöglicht so potenziell mehr kollaborative Arbeitsformen. So könnte ein mobiler Bediener Wegpunkte für einen mobilen Cobot festlegen, um eine schwere Last durch eine Fabrik zu tragen - eine anstrengende und unsichere Aufgabe für Menschen.

Spatial Analytics für die Produktivität der Belegschaft

Fabriken und Industriebetriebe versuchen ständig, die Arbeitsabläufe und Bewegungen ihrer Hunderte von Mitarbeitern zu optimieren. Einundsiebzig Prozent der Hersteller geben an, dass manuelle Zeit- und Bewegungsstudien für diese Optimierung der Belegschaft wichtig sind, doch 43% haben kein Vertrauen in die Daten, die sie liefern.

Der Einsatz von Spatial Analytics zur kontinuierlichen Prozessverbesserung kann Mitarbeiter- und Produktionsengpässe genauer und schneller identifizieren als manuelle oder papierbasierte Methoden. Diese Erkenntnisse können entscheidend für die Neukonfiguration von Produktionskapazitäten und Fertigungsprozessen sein, um die Arbeitseffizienz zu verbessern, die Sicherheit und Produktivität zu erhöhen und sogar neue Produkte schneller auf den Markt zu bringen.

Wie wir sehen können, ist AR/MR die perfekte Benutzerschnittstelle, um sich mit Spatial Computing zu beschäftigen, da es Menschen ermöglicht, Daten im physischen Kontext zu visualisieren. Es ist jedoch wichtig zu beachten, dass nicht alle AR/MR-Lösungen Spatial Computing sind, da nicht alle AR/MR-Lösungen Standortdaten nutzen.

Schlussgedanken

Dies sind nur einige von vielen potenziellen Anwendungsfällen, in denen Spatial Computing den Geschäftswert von Produkten, Prozessen, Menschen und Orten in Industrieunternehmen steigern wird. Angesichts der Tatsache, dass drei Viertel der weltweiten Belegschaft an vorderster Front arbeitet und Investitionen in Anlagen und Ausrüstung in Milliardenhöhe getätigt werden, sind die Möglichkeiten zur Optimierung von Geschäftsprozessen enorm.

Spatial Computing steht zwar noch am Anfang, wird aber in dem Maße in das Blickfeld von Industrieunternehmen rücken, wie sich Technologien wie IoT, AR/MR und KI durchsetzen und neue Quellen für Standortdaten erfasst und genutzt werden.

Wer gleich loslegen möchte, kann sich die Vuforia Spatial Toolbox herunterladen, ein Open-Source-Angebot, das wir geschaffen haben, damit Entwickler, Innovatoren und Forscher in ihren eigenen Unternehmen mit räumlichen Berechnungen experimentieren können.

Image Credit