INNOVATION
Innovation im Einklang
Wahrnehmung, Menschen, Simulation, Standards. Die bewusste Arbeit an der Gestaltung der nächsten Stufe industrieller Automatisierung — bereits im Einsatz, dort wo es zählt.
Wo die Arbeit sichtbar wird
Wahrnehmung — cuVSLAM mit NVIDIA
GPU-beschleunigtes visuelles SLAM-System, das zentimetergenaue Lokalisierung ohne feste Infrastruktur ermöglicht. Gemeinsam mit NVIDIA entwickelt, läuft auf NVIDIA Jetson und ist bereits heute im Produktivbetrieb im Einsatz.
Simulation — Mega Omniverse Blueprint
Digitale Zwillinge ganzer Werke, integriert in den Deployment-Workflow von Idealworks. Kunden validieren Routing, Aufgabenverteilung und Verkehrsmanagement in der Simulation, bevor ein Roboter auf der Fläche in Bewegung gesetzt wird. Schnellere Inbetriebnahme, weniger Überraschungen. Im Produktivbetrieb bei SICK. Vorgestellt auf der NVIDIA GTC 2026.
Standards — VDA 5050, MassRobotics, ISO 27001
Idealworks leitete die Veröffentlichung von VDA 5050 3.0.0 nach drei Jahren im Kernteam und 243 Pull-Requests mit — mit der Einführung von Path Sharing und zonenbasiertem Verkehrsmanagement. Diese Haltung zieht sich durch die gesamte Standardlandschaft: mit Beiträgen zum AMR-Interoperabilitätsstandard von MassRobotics für die Flottenkoordination in Nordamerika sowie zu internationalen Bemühungen, VDA 5050 mit umfassenderen ISO-Rahmenwerken abzustimmen. Der TUM Cloud Connector — gemeinsam mit der TU München entwickelt — hält die Arbeit offen und erweiterbar.
Edge Compute — Individuelles IPC mit ADLINK
Der iw.hub läuft auf einer maßgeschneiderten Edge-AI-Plattform, gemeinsam mit ADLINK entwickelt und rund um NVIDIA Jetson aufgebaut — konzipiert für die Größen-, Gewichts- und Energiebeschränkungen eines batteriebetriebenen AMR im Ganzschichtbetrieb. SLAM, Routenplanung, Tiefenwahrnehmung, Hinderniserkennung — alles in Echtzeit, auf der Fläche, im Produktivbetrieb. Erst diese Rechenleistung macht die Wahrnehmung möglich.
Multi-Agent Path Finding — ML-gestützte Flottenintelligenz
Dutzende Roboter ohne Kollisionen, Deadlocks oder Kaskadenausfälle zu bewegen, ist ein NP-schweres Problem — klassische Lösungsansätze stoßen dabei im realen Maßstab an ihre Grenzen. Das Applied-AI-Team von Idealworks war Mitautor der ersten umfassenden, peer-reviewten Studie, die aufzeigt, wie maschinelles Lernen jede Phase von MAPF verändert: Umgebungsrepräsentation, Pfadplanung und Ausführung in der realen Welt. Die Forschungsgrundlage für Flotten, die schneller planen, sich von Ausfällen erholen und ohne zentrale Steuerung skalieren.
Aktive Orchestrierung in diesen Branchen
Produktivbetrieb voran
Jede Initiative beginnt mit einem realen Problem aus dem Produktivbetrieb. Die Fabrikhalle gibt die Aufgabe vor — das Labor liefert die Antwort.
Offen von Grund auf
Jeder Roboter, der die gemeinsame Standardsprache spricht, ist ein Roboter, den Idealworks OS koordinieren kann. Je größer das offene Ökosystem, desto mehr kann die Orchestrierungsebene leisten.
Bewährt, bevor beworben
Was wir veröffentlichen, liefern wir auch aus. Alles auf dieser Seite existiert bereits heute — im laufenden Einsatz.
Wohin Innovation führt
Industrielle Automatisierung hat mehrere Stufen durchlaufen. Zuerst einzelne Roboter, dann Flotten, jetzt Orchestrierung — mehrere Flotten, mehrere Hersteller, mehrere Standorte, die sich wie ein einziges System verhalten.
Jede Stufe verlagert sich wiederholende körperliche Arbeit von der Fläche und rückt qualifizierte Tätigkeiten weiter nach oben in der Wertschöpfungskette. Orchestrierung macht dasselbe in größerem Maßstab. Materialtransport, Shuttle-Fahrten, vorhersehbare Lastbewegungen — Arbeit, die Menschen zuvor Stunden jeder Schicht gekostet hat — übernimmt nun das System. Die Menschen steuern die Ebene darüber: den Betrieb orchestrieren, Störungen beheben, schulen, Entscheidungen treffen, die auf Erfahrung und Urteilsvermögen beruhen.
Mit zunehmender Reife von Physical AI und wachsender Skalierung der Orchestrierung wird dieser Wandel realistischer — und umso wichtiger, ihn bewusst zu gestalten. Unternehmen, die das richtig umsetzen, profitieren nicht nur von schnelleren, sondern auch von intelligenteren Abläufen — über Roboter, Software und Menschen hinweg.