Warum Schuhkartons die nächste Hürde für Lagerroboter sind
Paletten, Kartons und standardisierte Behälter lassen sich in modernen Lagern längst zuverlässig automatisieren. Ein alltäglicher Gegenstand aus dem Fashion-Versand stellt Roboter jedoch weiterhin vor eine besondere Aufgabe: der Schuhkarton.
Schuhkartons machen rund 20 Prozent der Waren im Mode-E-Commerce aus. Ihre Schwierigkeit liegt in der Bauweise. Meist bestehen sie aus einem Unterteil und einem lose sitzenden Deckel. Schon geringe Unterschiede bei Überlappung, Ausrichtung oder Reibung können dazu führen, dass der Deckel beim Anheben verrutscht oder sich löst.
Hinzu kommt die Vielfalt des Sortiments. Lager verarbeiten zahlreiche Größen, Materialien und Designs, während sich der Bestand laufend verändert. Ein festgelegtes Greifmuster ist deshalb nur begrenzt belastbar.
Warum einfache Sicherungen keine Option sind
Ein Gummiband könnte Unterteil und Deckel zusammenhalten und den Einsatz herkömmlicher Sauggreifer erleichtern. Marken und Händler lehnen solche Lösungen jedoch häufig ab, weil sie die Präsentation des Produkts und das Kundenerlebnis beeinträchtigen. Logistikpartner erhalten daher vielfach die Vorgabe, keine Bänder einzusetzen.
Stattdessen gewinnt Physical AI an Bedeutung. Kameras erzeugen ein dreidimensionales Bild, anhand dessen der Roboter Abmessungen, Lage und Stabilität beurteilt. Modelle des maschinellen Lernens wählen eine Greifstrategie; taktile Sensorik prüft anschließend, ob der Griff sicher sitzt. Bei unerwarteten Veränderungen kann die Bewegung neu geplant werden.
Ein konkreter Schritt in Richtung flexibler Automatisierung
Der Shoebox Picker von Nomagic wurde für diese Anwendung entwickelt. Sein End-of-Arm-Werkzeug passt den Griff an Größe, Deckelkonfiguration und Orientierung des jeweiligen Kartons an. Nach Unternehmensangaben verarbeitet das System etwa 98 Prozent der Schuhkarton-SKUs und erreicht bis zu 450 Picks pro Stunde.
Für Betreiber ist das Beispiel deshalb relevant, weil Fashion-Fulfilment mit saisonalen Nachfrageschwankungen, vielen Artikeln und kurzen Liefererwartungen umgehen muss. Roboter, die sich an reale Produktunterschiede anpassen, können den Automatisierungsgrad erhöhen, ohne das Sortiment künstlich zu vereinheitlichen.
