Kran-KI: Antischwingregelung bis Predictive Maintenance

Schwere Brücken- und Zweiträgerkrane arbeiten dauerhaft in Metallurgie, Schiffbau, Schwermaschinenbau und Fertigteilproduktion – mit stark schwankenden Lasten und häufigen Start-Stopp-Zyklen. Wenn KI in das Steuerungssystem eines Krans einzieht, bedeutet das nicht einfach die Ergänzung einer Kamera oder eines Displays. Vielmehr werden elektrischer Antrieb, Strukturantwort, Lastposition und Anlagengesundheit in eine gemeinsame Berechnungskette integriert. In der Konstruktionsphase ist eine Strukturprüfung nach Norm DIN 15018 (Krandimensionierungsnorm) hinsichtlich zulässiger Spannung, Steifigkeit und dynamischem Lastfaktor erforderlich. Die Einbindung von Sicherheitsüberwachung und intelligenter Frühwarnung muss zudem die Anforderungen der Vorschrift TSG 51-2023 (Sicherheitstechnische Überwachungsvorschrift für Hebezeuge) an Überwachungsaufzeichnungen, Störungsmeldungen und Betriebszustandsarchivierung erfüllen.

Funktional lassen sich KI-Anwendungen bei Kranen in drei Bereiche gliedern:

Bewegungssteuerung: Pendeldämpfung, präzise Positionierung, Synchronhub mehrerer Mechanismen.

Visuelle Wahrnehmung: Hindernisvermeidung im toten Winkel des Bedienpersonals, Personenerkennung im Arbeitsbereich, Verformungserkennung an tragenden Strukturen.

Health-Management: Lagerabnutzung, Grübchenbildung an Zahnrädern, nachlassende Bremsenreaktion, Schweißrisserkennung an Hauptträgern.

Kelude Schwerindustrie zerlegt diese drei Fähigkeitsbereiche in seinen Doppelträgerkranen nach EU-Norm in verifizierbare Module, die projektbezogen kombiniert werden.

KI statt PID: Pendeldämpfung neu gedacht

Herkömmliche Brückenkrane setzen zur Pendeldämpfung meist auf Open-Loop-Eingangsformung oder PID-Drehzahlregelkreise. Die Eingangsformung reagiert empfindlich auf Seillängenänderungen, PID-Parameter hängen von der Inbetriebnahme vor Ort ab. Ändern sich Last, Seillänge, Hubhöhe oder Windlast, kehrt die Restpendelung schnell zurück. Das Bedienpersonal muss oft warten, bis die Last zur Ruhe kommt, bevor es präzise absetzen kann – das kostet Taktzeit.

KI-basierte Pendeldämpfung nutzt Online-Lernen oder modellprädiktive Regelung und verarbeitet Katzenposition, Geschwindigkeit, Seillänge, Lastmasse und Pendelwinkel als Eingangsgrößen. Innerhalb weniger Millisekunden wird der nächste Geschwindigkeitsbefehl berechnet. Anders als ein PID-Regler mit festen Parametern passt der KI-Controller Beschleunigung und Bremszeitpunkt dynamisch an den aktuellen Pendelzustand an und reduziert die Abhängigkeit von manuell eingestellten Erfahrungswerten.

Die von Kelude Schwerindustrie auf Doppelträgerkranen nach europäischer Norm von 50 t bis 300 t eingesetzte KI-Pendeldämpfung lässt sich mit Drehmomentschnittstellen des Frequenzumrichters und Encodersignalen koppeln. Die zugrunde liegende Verarbeitungslogik ist in der technischen Analyse zu KI-Antischwingregelung dokumentiert. Bei der Inbetriebnahme werden zunächst die Seillängenbereiche für drei typische Lastfälle – Leerhaken, Teillast, Volllast – in die Parametertabelle eingetragen. Der Controller interpoliert dann online, sodass nicht nur eine einzige Lastkonfiguration abgedeckt wird.

In der Praxis läuft das Zusammenspiel von Hubwerk und Katzmechanismus innerhalb weniger Sekunden ab. Die Verbesserung durch KI-Pendeldämpfung zeigt sich vor allem in geringerer Restpendelung, weniger Nachkorrekturen durch das Bedienpersonal und ruhigerem Bremsvorgang. In einigen Projekten lässt sich zusätzlich die Lastaufnahmeposition per Bildverarbeitung messen und eine kombinierte Pendel- und Positionierungsregelung realisieren.

Wichtig: KI-Pendeldämpfung ersetzt keine mechanischen Sicherheitsmargen. Die Berechnung der Tragkonstruktion muss weiterhin Hubdynamik, horizontale Trägheitskräfte und Windlastkombinationen abdecken. Der KI-Algorithmus verbessert die Steuerungsruhe, nicht den Festigkeitsnachweis.

Maschinelles Sehen für Bahnplanung und Hinderniserkennung

In großen Werkhallen kreuzen die Fahrbereiche von Kranen regelmäßig Personenwege, Säulen, Stapel und andere Anlagen. Laser-Entfernungsmessung oder mechanische Endschalter erfassen nur feste Positionen – temporäre Materialstapel, fahrende Fahrzeuge oder plötzlich eintretende Personen bleiben unsichtbar.

Durch die Fusion von maschinellem Sehen und LiDAR kann das System eine dreidimensionale Rasterkarte des Arbeitsbereichs aufbauen und Hindernisse erkennen sowie verfolgen. Die KI-Bahnplanung erzeugt aus aktueller Lastabmessung, Spreizerhöhe, Katzfahrgeschwindigkeitsgrenze und Bremsweg der Kranbrücke ausführbare Strategien zum Verzögern, Ausweichen oder Stoppen. Anders als bei einem festen Sicherheitsabstand lassen sich hier abhängig vom Hindernistyp unterschiedliche Reaktionsstufen unterscheiden.

Die Festlegung der Kollisionsschutzstrategie muss sowohl die Hallenlayout als auch das Gefährdungspotenzial für Personen berücksichtigen. Ergänzend lässt sich das in Sicherheitsabstand zur Kollisionsvermeidung beschriebene Zonenkonzept nutzen, um Warnzone, Verzögerungszone und Not-Halt-Zone in die SPS und den Edge-Controller zu programmieren. Die visuelle KI liefert dabei Position und Geschwindigkeit dynamischer Ziele – sie übernimmt jedoch nicht den Not-Aus-Kreis.

Kelude Schwerindustrie bindet in den elektrischen Systemen seiner Doppelträgerkrane nach EU-Norm die Signale von Vision-Host, LiDAR und Millimeterwellen-Radar üblicherweise über ein separates Gateway ein und koppelt sie via EtherCAT oder Profinet an die Hauptsteuerung. So belegt der Videodatenstrom nicht das Backbone-Netz, und die Zielpositionen können als Echtzeitdatenpakete an Pendeldämpfung und Bahnplanung übergeben werden.

Einschränkend gilt: Visuelle Erkennung wird durch Staub, Ölnebel, Gegenlicht und Vibration beeinträchtigt. In der Praxis sind Objektivreinigung, Zusatzbeleuchtung, passende Schutzart (IP) und redundante Sensoren vorzusehen. Eine einzelne Kamera darf nicht die alleinige Grundlage für Personensicherheit sein – der Sicherheitskreis basiert weiterhin auf Not-Aus, mechanischen Endschaltern und akustischem sowie optischem Alarm.

Predictive Maintenance: Schwingung und Temperatur im KI-Modell

Krane wurden bisher überwiegend regelmäßig gewartet und bei Ausfall repariert. Treten an Getrieben, Bremsen oder Trommellagergehäusen Unregelmäßigkeiten auf, sind oft schon deutliche Geräusche, Temperaturanstieg oder ungewöhnliche Geräusche messbar – ein Weiterbetrieb kann den Schaden vergrößern.

Der Kern prädiktiver Wartung besteht darin, Schwingungsbeschleunigung, Temperatur, Strom, Schmierzustand und Betriebszyklen als Zeitreihen zu erfassen, Merkmale zu extrahieren und einem Machine-Learning-Modell zuzuführen. Das Modell bewertet, ob der aktuelle Zustand von der Normalbaseline abweicht, und gibt eine Restnutzungsdauer oder ein empfohlenes Wartungsfenster an.

Schwingungsdaten eignen sich zur Früherkennung von Lagerabplatzungen, Verzahnungsverschleiß, Wellenausrichtung und Lockerungen. Temperaturdaten helfen bei der Beurteilung von Bremsenschleifen, mangelhafter Schmierung und lastbedingter Erwärmung des Motors. Stromsignale spiegeln Laständerungen, Mechanismusblockaden und verzögerte Bremsung wider.

Langzeitermüdung an Hauptträgerschweißnähten und Strukturbauteilen ist komplexer. Dehnungsmessstreifen, Schallemission oder visuelle Messung liefern lokale Spannungsänderungen, die über Regressionsalgorithmen auf anomalie Trends geprüft werden. Zu den Prüfverfahren für Schweißrisse sei auf die ingenieurmäßigen Ansätze in Schweißrisserkennung an Hauptträgern verwiesen. Kelude Schwerindustrie sieht bei Strukturbauteilen von Doppelträgerkranen nach EU-Norm bereits vor Auslieferung Messstellenanschlüsse vor, um die spätere Einbindung eines Health-Monitoring-Systems zu erleichtern.

Vorausschauende Wartung bedeutet nicht die vollständige Abschaffung regelmäßiger Inspektionen. Verschleißteile wie Bremsbeläge müssen weiterhin nach Herstellervorgabe zyklisch geprüft werden. KI-gestützte Prognose eignet sich vor allem für langsam fortschreitende Degradationsprozesse wie frühen Lagerausfall, Grübchenbildung an Zahnrädern oder anomale Spannungen in der Struktur.

Die Datenqualität entscheidet unmittelbar über die Zuverlässigkeit der Prognose. Einbauposition der Sensoren, Abtastrate, Temperaturausgleich und Lastkalibrierung beeinflussen das Ergebnis. In der Projektvorbereitung ist eine Baseline-Lernphase unter Normalbetrieb erforderlich – sonst neigt das Modell dazu, normale Schwerlast als Anomalie fehlzuinterpretieren.

KI-gestützte Sicherheitsüberwachung und Remote-Health-Management für Doppelträgerkrane nach europäischer Norm

Doppelträgerkrane nach europäischer Norm stellen hohe Anforderungen an Steifigkeit, Geräuschpegel, Sicherheitsüberwachung und Fertigungskonsistenz. Die Produkte von Kelude Schwerindustrie im Bereich 50 t bis 300 t sind vor allem für Schwermaschinenbau, Metallurgie, Schiffbau und große Fertigbetonbauteile konzipiert. Da sich Hubhöhe, Spannweite und Triebwerksgruppe je nach Projekt erheblich unterscheiden, muss das KI-System projektspezifisch angepasst werden.

In der Praxis wird die Edge-Computing-Einheit üblicherweise im Elektroschrank des Brückenträgers untergebracht und erfasst Daten von Hubwerk, Katzenmechanismus, Kranfahrwerk, Sicherheitsbremse sowie von Messpunkten am Hauptträger. Die Edge-Einheit übernimmt Echtzeit-Alarmierung und leichtgewichtige Inferenz, während historische Daten an eine lokale oder cloudbasierte Plattform übertragen werden. Bei instabiler Netzwerkanbindung vor Ort bleiben die aktuellen Betriebsaufzeichnungen auf der Edge-Seite erhalten.

Die Remote-Health-Management-Plattform organisiert die Daten mehrerer Krane in einer Gerätestruktur und bildet Kennwerte wie Lastkollektiv, Bremsenbetätigungen, Motorübertemperatur und Getriebevibrationstrends ab. Betreiber können Health-Scores einsehen und erhalten Hinweise auf geplante Wartungsmaßnahmen. Bei Doppelträgergeräten nach europäischer Norm sollte die Plattform zudem den Export des Betriebstagebuchs unterstützen, um die Anforderungen der Sicherheitsüberwachungsdokumentation zu erfüllen.

Die Konfiguration von Sicherheitsüberwachung und intelligenter Frühwarnung sollte Schlüsselgrößen wie Tragfähigkeit, Drehmoment, Hubhöhe, Hub, Geschwindigkeit, Bremsenstatus und Verriegelungsschutz abdecken. Bei der Inbetriebnahme vor Ort erfolgt die Funktionsprüfung unter Berücksichtigung der einschlägigen sicherheitstechnischen Überwachungsanforderungen. Kelude Schwerindustrie bietet Kalibrierung vor Auslieferung, Inbetriebnahme vor Ort und Bediener-Schulung, um eine klare Abgrenzung zwischen intelligenten Modulen und dem bestehenden Sicherheitskreis sicherzustellen.

Aus der praktischen Anwendung zeigt sich: Der Nutzen von KI beschränkt sich nicht auf die Reduzierung von Störungen, sondern umfasst auch weniger wiederholte Einstellungen des Bedieners bei der präzisen Positionierung, geringere Bedienbelastung und verbesserte Wahrnehmung bei Nacht oder in rauer Umgebung. Beim Aufbau eines intelligenten Kransystems sollten zunächst Sicherheitsverriegelung und grundlegende elektrische Steuerung solide umgesetzt werden, bevor KI-Funktionen ergänzt werden – so wird vermieden, dass intelligente Module zu einem neuen Single Point of Failure werden.

Häufige Fragen