BU: Toyota Material Handling Europe setzt bei der Entwicklung künftiger autonomer Flurförderzeuge auf KI-gestützte Simulationen und digitale Zwillinge. Gemeinsam mit NVIDIA und SoftServe hat das Unternehmen eine Simulationsumgebung entwickelt, mit der sich autonome Lösungen bereits vor ihrem späteren Einsatz beim Kunden unter realitätsnahen Bedingungen testen und validieren lassen. Foto: Toyota
Digitale Zwillinge in der Intralogistik sollen die Inbetriebnahme autonomer Flurförderzeuge erheblich beschleunigen. Toyota Material Handling Europe entwickelt gemeinsam mit NVIDIA und SoftServe eine KI-gestützte Simulationsumgebung, in der sich Fahrzeuge und Materialflussprozesse bereits vor dem realen Einsatz testen lassen. Der Inbetriebnahmeaufwand soll dadurch um bis zu 50 Prozent sinken.
Digitale Zwillinge in der Intralogistik: Erst simulieren, dann automatisieren
Digitale Zwillinge in der Intralogistik sollen die Entwicklung und Inbetriebnahme autonomer Flurförderzeuge grundlegend verändern. Statt Fahrzeuge, Navigationsstrategien und Sicherheitsfunktionen erst am späteren Einsatzort umfassend zu erproben, verlagert Toyota Material Handling Europe einen Teil dieser Arbeiten in eine virtuelle Umgebung. Gemeinsam mit NVIDIA und dem IT-Dienstleister SoftServe hat der Flurförderzeughersteller eine Simulationsplattform entwickelt, mit der sich autonome Materialflusslösungen bereits vor der Implementierung beim Kunden unter realitätsnahen Bedingungen überprüfen und optimieren lassen.
Das wirtschaftliche Potenzial beziffert Toyota mit zwei Kennzahlen: Der Aufwand für die Inbetriebnahme soll sich um bis zu 50 Prozent reduzieren lassen. Gleichzeitig strebt das Unternehmen eine Verkürzung der Time-to-Market um bis zu 40 Prozent an. Es handelt sich dabei um Zielwerte der Initiative, nicht um bereits nachgewiesene Ergebnisse sämtlicher Anwendungen.
Technologische Grundlage sind die Bibliotheken von NVIDIA Omniverse, das Robotik-Simulationsframework NVIDIA Isaac Sim sowie die Digital-Engineering-Kompetenz von SoftServe. Mit diesen Werkzeugen lassen sich digitale Abbilder von Lager- und Produktionsumgebungen erstellen, in denen das Verhalten autonomer Flurförderzeuge simuliert und validiert werden kann.
Weitere Informationen zum Thema Flurförderzeuge: Kollisionsvermeidung im Lager: Wenn der Stapler selbstständig bremst
Virtuelle Inbetriebnahme soll Probleme frühzeitig aufdecken
Bei der Einführung autonomer Flurförderzeuge müssen zahlreiche technische und organisatorische Bedingungen berücksichtigt werden. Dazu gehören die räumlichen Gegebenheiten des Lagers, die Verkehrswege, die Navigation der Fahrzeuge und die eingesetzte Sicherheitslogik. Auch besondere Anforderungen einzelner Kunden können die Implementierung beeinflussen.
Toyota Material Handling will diese Faktoren bereits während der Entwicklung in der Simulation berücksichtigen. Lager- und Produktionslayouts lassen sich virtuell nachbilden, während Navigationsfunktionen, Sicherheitsabläufe und das Verhalten der Fahrzeuge unter unterschiedlichen Bedingungen überprüft werden.
Darüber hinaus können kundenspezifische Sonderfälle simuliert werden. Mögliche Schwierigkeiten sollen dadurch sichtbar werden, bevor die eigentliche Inbetriebnahme am Kundenstandort beginnt.
„Durch virtuelle Inbetriebnahme und Digital-Twin-Technologie können wir die Qualität absichern und gleichzeitig Muda, also Verschwendung, vermeiden, noch bevor die tatsächliche Implementierung beginnt“, sagt Johan Rosén, Senior Vice President Research & Development bei Toyota Material Handling Europe. „Indem wir mögliche Probleme früher im Prozess erkennen und lösen, können wir den Implementierungsaufwand reduzieren, den Kundennutzen schneller realisieren und Automatisierungslösungen mit größerer Sicherheit umsetzen.“
Der simulationsbasierte Entwicklungsansatz soll somit dazu beitragen, den Aufwand für Anpassungen während der späteren Implementierung zu verringern. Die virtuelle Validierung ergänzt dabei die Vorbereitung auf den tatsächlichen Betrieb.
NVIDIA Omniverse und Isaac Sim bilden die technische Grundlage
Für die Entwicklung der Simulationsumgebung hat Toyota Material Handling Europe NVIDIA Omniverse und NVIDIA Isaac Sim in seine eigenen Entwicklungsprozesse integriert.
Die Omniverse-Bibliotheken ermöglichen die Erstellung digitaler Zwillinge von Lager- und Produktionsumgebungen. Innerhalb dieser Modelle können unter anderem die räumliche Anordnung von Anlagen, die Navigation autonomer Fahrzeuge sowie deren Sicherheitslogik abgebildet werden.
NVIDIA Isaac Sim dient als Robotik-Simulationsframework. Damit lassen sich die autonomen Lösungen unter unterschiedlichen Einsatzbedingungen testen und validieren, bevor sie am späteren Standort implementiert werden.
SoftServe übernahm die Entwicklung der Digital-Twin-Umgebung und die Integration der NVIDIA-Technologien in eine Simulationsplattform für Toyota Material Handling Europe. Das Unternehmen ist seit 2022 NVIDIA Elite Partner und seit 2026 NVIDIA Advanced Technology Partner.
Im Mittelpunkt der Zusammenarbeit steht die Möglichkeit, Entwicklungs- und Validierungsschritte bereits in einer digitalen Umgebung durchzuführen und die Ergebnisse für die spätere Implementierung zu nutzen.
Weitere Informationen zum Thema Flurförderzeuge: Elektrostapler: Digitalisierung, Energieeffizienz und Fahrersicherheit prägen die nächste Fahrzeuggeneration
Zero Muda: Verschwendung vermeiden, bevor sie entsteht
Der Ansatz folgt einem zentralen Prinzip des Toyota-Produktionssystems. Unter dem Begriff „Zero Muda“ verfolgt das Unternehmen das Ziel, unnötigen Zeit- und Ressourceneinsatz möglichst frühzeitig zu vermeiden.
Auf die Entwicklung autonomer Materialflusslösungen übertragen bedeutet dies, dass potenzielle Probleme bereits vor der Implementierung erkannt und bearbeitet werden sollen. Die Simulation dient damit nicht nur der technischen Überprüfung, sondern auch der Vorbereitung effizienterer Entwicklungs- und Inbetriebnahmeprozesse.
„Zero Muda setzt einen klaren Maßstab: Verschwendung vermeiden, bevor sie entsteht, nicht erst danach“, sagt Olha Moroz, EVP und Head of EMEA bei SoftServe. „SoftServe unterstützt diesen Ansatz mit NVIDIA Omniverse und einer speziell für die Kunden von Toyota Material Handling Europe entwickelten Simulationsumgebung. So können mögliche Probleme bereits in der digitalen Welt erkannt werden, lange bevor sie ein reales Flurförderzeug im Kundeneinsatz erreichen.“
Die frühzeitige Validierung soll insbesondere dazu beitragen, den späteren Anpassungsbedarf zu reduzieren. Toyota verbindet damit die Erwartung, autonome Lösungen mit geringerem Implementierungsaufwand und höherer Qualität bereitstellen zu können.
Physical AI simuliert gemischte Verkehrsbereiche
Eine besondere Herausforderung für autonome Flurförderzeuge sind Einsatzumgebungen, in denen automatisierte und manuell bediente Fahrzeuge gemeinsam mit Beschäftigten unterwegs sind.
Solche gemischten Verkehrsbereiche lassen sich mit den digitalen Zwillingen ebenfalls simulieren. Toyota Material Handling kann damit Szenarien untersuchen, in denen autonome Geräte mit Menschen und konventionell bedienten Flurförderzeugen zusammenarbeiten.
Neben den Lager- und Fabriklayouts werden dabei auch die Navigation, die Sicherheitslogik und das Verhalten der autonomen Fahrzeuge berücksichtigt.
Die Simulation soll es ermöglichen, unterschiedliche Einsatzbedingungen bereits während der Entwicklung zu überprüfen. Damit wird die virtuelle Umgebung zu einem Werkzeug, um autonome Materialflusslösungen auf ihre späteren Aufgaben vorzubereiten.
Toyota ordnet diesen Ansatz dem Bereich Physical AI zu. Dabei werden KI-Technologien mit der Simulation und Steuerung physischer Systeme verbunden.
Weitere Informationen zum Thema Flurförderzeuge: Automatisierte Intralogistik Systeme 2026: Zwischen skalierbaren Lösungen und humanoider Robotik
KI-Training verbessert Palettenerkennung um mehr als 70 Prozent
Ein konkretes Beispiel für den Einsatz künstlicher Intelligenz ist die kamerabasierte Palettenerkennung.
Für das Training des entsprechenden Erkennungsmoduls erzeugten die Entwickler mithilfe der Omniverse-Bibliotheken synthetische Daten. Diese wurden durch die offenen World Foundation Models von NVIDIA Cosmos ergänzt.
Mit diesem Ansatz ließ sich der Recall bei der Objekterkennung auf ausgewerteten realen Datensätzen aus Lagerumgebungen um mehr als 70 Prozent verbessern.
Der Recall beschreibt, welcher Anteil der tatsächlich vorhandenen relevanten Objekte von einem Erkennungssystem korrekt identifiziert wird. Eine Verbesserung dieses Kennwerts bedeutet, dass das System einen größeren Anteil der gesuchten Objekte erkennt.
Das Ergebnis zeigt, welchen Beitrag synthetische Trainingsdaten bei der Entwicklung KI-gestützter Wahrnehmungsfunktionen leisten können. Die genannte Verbesserung bezieht sich allerdings ausdrücklich auf den untersuchten Anwendungsfall der Palettenerkennung und die dafür ausgewerteten Datensätze.
KI soll auch Qualitätsprüfung und Wartung unterstützen
Toyota Material Handling Europe will künstliche Intelligenz nicht ausschließlich für die Entwicklung autonomer Flurförderzeuge nutzen.
Weitere vorgesehene Einsatzbereiche sind KI-basierte Bildverarbeitung und intelligente Agenten für die Qualitätsprüfung, die vorausschauende Wartung, die Prozessoptimierung und das Energiemanagement.
Damit soll der Einsatz von KI-Technologien auch auf weitere Produktionsprozesse ausgeweitet werden.
Während die digitalen Zwillinge vor allem die Simulation und Validierung autonomer Materialflusslösungen unterstützen, sollen die zusätzlichen KI-Anwendungen weitere Möglichkeiten zur Verbesserung von Produktionsabläufen erschließen.
Bis zu 50 Prozent weniger Aufwand bei der Inbetriebnahme
Die wirtschaftlichen Ziele der Initiative sind deutlich formuliert. Toyota Material Handling Europe will die Time-to-Market autonomer Materialflusslösungen um bis zu 40 Prozent verkürzen. Gleichzeitig soll der Aufwand für die Inbetriebnahme um bis zu 50 Prozent sinken.
Erreicht werden sollen diese Verbesserungen durch die frühzeitige Simulation, Optimierung und Validierung der Systeme.
Die virtuelle Vorbereitung soll außerdem mögliche Beeinträchtigungen während der späteren Inbetriebnahme am Kundenstandort reduzieren und die Qualität der Lösungen bereits vor dem Produktivbetrieb verbessern.
Darüber hinaus erwartet Toyota Fortschritte bei der Entwicklungsproduktivität, der Produktionsflexibilität und der Produktqualität. Auch die Betriebskosten sollen durch den skalierbaren Einsatz KI-gestützter Materialflusslösungen gesenkt werden.
Konkrete Ergebnisse abgeschlossener Kundenimplementierungen, die die angestrebten Einsparungen von 40 beziehungsweise 50 Prozent belegen, werden in den vorliegenden Angaben nicht genannt. Die Werte beschreiben die Zielsetzung des Entwicklungsansatzes.
Weitere Informationen zum Thema Flurförderzeuge: Clark Europe setzt auf Elektrifizierung und neue Vertriebsstrategie
Digitale Zwillinge sollen autonome Intralogistik schneller verfügbar machen
Mit der Verbindung von digitalen Zwillingen, KI-gestützter Simulation und virtueller Inbetriebnahme verfolgt Toyota Material Handling Europe das Ziel, autonome Materialflusslösungen schneller vom Entwicklungsstadium in den praktischen Einsatz zu bringen.
Die Zusammenarbeit mit NVIDIA und SoftServe soll dabei helfen, technische Herausforderungen frühzeitig zu erkennen, Entwicklungsprozesse zu optimieren und die Implementierung beim Kunden vorzubereiten.
„Unser Ziel ist Zero Muda: Wir wollen Verschwendung beseitigen, die die Produktivität in Materialflussprozessen beeinträchtigt“, sagt Ernesto Dominguez, President und CEO von Toyota Material Handling Europe. „Indem wir unser Lean Thinking und unsere Automatisierungskompetenz mit der Physical-AI-Plattform von NVIDIA und der Engineering-Expertise von SoftServe verbinden, können wir Innovationen beschleunigen, die Qualität unserer Lösungen verbessern und Kunden dabei unterstützen, Zero Muda auch in ihren automatisierten und autonomen Prozessen zu erreichen.“
Die Initiative zeigt, welche Rolle simulationsbasierte Entwicklungsverfahren künftig bei der Automatisierung innerbetrieblicher Transportprozesse spielen sollen. Digitale Zwillinge in der Intralogistik ermöglichen es, Fahrzeuge und ihre Einsatzumgebungen bereits vor der realen Inbetriebnahme zu untersuchen. Wie stark sich dadurch Entwicklungszeiten und Implementierungsaufwand in der Praxis tatsächlich reduzieren lassen, wird sich bei der Anwendung des Ansatzes in konkreten Kundenprojekten zeigen.
