{"id":26983,"date":"2025-10-29T10:24:36","date_gmt":"2025-10-29T10:24:36","guid":{"rendered":"https:\/\/lamarr-institute.org\/?post_type=blog&p=26983"},"modified":"2025-11-12T14:53:10","modified_gmt":"2025-11-12T14:53:10","slug":"lagerlayout-mit-ki","status":"publish","type":"blog","link":"https:\/\/lamarr-institute.org\/de\/blog\/lagerlayout-mit-ki\/","title":{"rendered":"Von der Handskizze zum digitalen Lagerlayout: KI-gest\u00fctzte Verarbeitung im WarehouseDesigner\u00a0"},"content":{"rendered":"\n

Mehrere Monate Planungszeit, hohe Kosten, nur wenige vergleichbare Varianten<\/strong> \u2013 die Konzeptplanung moderner Lagersysteme st\u00f6\u00dft an ihre Grenzen. W\u00e4hrend Expertenwissen in Handskizzen und fragmentierten Dokumenten schlummert, w\u00e4chst der Druck: volatile Lieferketten, k\u00fcrzere Lieferzeiten, immer komplexere Automatisierungstechnologien. Der WarehouseDesigner automatisiert den ersten kritischen Schritt dieses Prozesses: Er erfasst Blocklayout-Skizzen per KI-gest\u00fctzter Computer Vision und generiert daraus in Sekunden optimierte, regelkonforme Lagerlayouts \u2013 ein entscheidender Schritt hin zu einer effizienteren Lagerplanung.<\/p>\n\n\n\n

Die Herausforderung: Warum Lagerplanung heute an Grenzen st\u00f6\u00dft<\/h2>\n\n\n\n

Die Lagerplanung moderner Lagersysteme folgt einem mehrstufigen Prozess: Nach der Analyse planungsrelevanter Daten und Prozesse folgt die Konzeptplanung, in der aus einem gro\u00dfen L\u00f6sungsraum m\u00f6glicher Technik- und Layoutvarianten jene ausgew\u00e4hlt werden, die Anforderungen und Zielfunktionen wie Kosten oder Fl\u00e4chenbedarf am besten erf\u00fcllen. Anschlie\u00dfend erfolgen Feinplanung, Ausschreibung, Realisierung und Betrieb.
Der Gesamtprozess dauert je nach Komplexit\u00e4t mehrere Monate bis Jahre und bindet erhebliche personelle wie finanzielle Ressourcen. Eines der Kernprobleme liegt in der Konzeptphase:<\/strong> Es handelt sich um ein schlecht strukturiertes Entscheidungsproblem, also ein komplexes Problem ohne klar definierte L\u00f6sungen, bei dem der L\u00f6sungsprozess stark von dem Expertenwissen einzelner Fachleute abh\u00e4ngt.
In der Folge werden h\u00e4ufig nur wenige Varianten aus dem gesamten L\u00f6sungsraum betrachtet \u2013 meist jene, die auf den Erfahrungen der beteiligten Personen beruhen. Hinzu kommt die fragmentierte Datenlage<\/strong>: Relevante Informationen sind auf Tabellen, Pr\u00e4sentationen, Layoutpl\u00e4ne, Dokumente und E-Mails verteilt. Diese Medienbr\u00fcche erh\u00f6hen den Planungsaufwand und verhindern, dass Wissen aus fr\u00fcheren Projekten systematisch genutzt werden kann.
Gleichzeitig steigt der externe Druck: Globale Lieferketten werden volatiler, Kund*innen erwarten k\u00fcrzere Lieferzeiten, und die Vielfalt moderner Automatisierungstechnologien macht die digitale Lagerplanung zugleich anspruchsvoller. Konventionelle Methoden sto\u00dfen an ihre Grenzen \u2013 sie sind aufwendig, teuer und k\u00f6nnen nur eine begrenzte Zahl an Alternativen vergleichen.<\/a><\/p>\n\n\n\n

Projektvision: Vom Papier zur digitalen Planung<\/strong><\/h2>\n\n\n\n

Das Projekt WarehouseDesigner<\/strong> adressiert diese Herausforderungen und geht einen ersten Schritt zur Automatisierung der Konzeptphase der Lagerplanung. In dieser Phase entstehen Lagerlayouts h\u00e4ufig zun\u00e4chst auf Papier oder als einfache digitale Skizzen, sogenannte Blocklayouts. Der WarehouseDesigner erfasst diese Skizzen mit KI-basierter Computer Vision und \u00fcberf\u00fchrt sie automatisiert in eine strukturierte digitale Form.<\/p>\n\n\n\n

\"Die
Abbildung 1 Workflow im WarehouseDesigner: Der Workflow l\u00e4uft \u00fcber vier wesentliche Schritte ab: Das Zeichnen des Lagerlayouts in einem Canvas (1), oder Hochladen von fotografierten Layouts. Das \u00dcberpr\u00fcfen des von der Vision-Pipeline erkannten Layouts (2), die Generierung optimierter Lagerlayouts und Darstellung dieser (3) und zuk\u00fcnftig die 3D-Visualisierung der generierten Lagerlayouts (4). Copyright Fraunhofer IML (1-3), Nvidia Omniverse<\/a> (4) <\/sub><\/figcaption><\/figure>\n\n\n\n

<\/a>Abbildung 1 zeigt die Funktionsweise auf einen Blick:<\/p>\n\n\n\n

1. Zeichnen oder Hochladen<\/strong>: Blocklayouts werden grob manuell aufgezeichnet \u2013 entweder direkt im Canvas oder als fotografierte Skizzen hochgeladen. Dabei werden Funktionsbereiche (z. B. Wareneingang, Palettenlager) benannt und optional mit Kapazit\u00e4ten sowie den Abmessungen des Lagergeb\u00e4udes versehen.
2. Automatische Erkennung<\/strong>: Die Vision-Pipeline extrahiert alle relevanten Informationen aus der Skizze und bringt sie in eine strukturierte Datenform. Planer k\u00f6nnen das Ergebnis pr\u00fcfen und bei Bedarf korrigieren.
3. Layout-Generierung<\/strong>: Ein genetischer Algorithmus platziert die Funktionsbereiche regelkonform innerhalb der Lagerma\u00dfe, dimensioniert sie anhand der Vorgaben und f\u00fcllt sie mit geeigneten Technologien. Das System generiert optimierte Varianten, die Zielfunktionen wie Fl\u00e4cheneffizienz oder in Zukunft auch kurze Wegebeziehungen<\/a> ber\u00fccksichtigen.
4. Visualisierung und Export<\/strong>: Die generierten Layouts werden zweidimensional dargestellt und sind als CAD-Dateien exportierbar. K\u00fcnftig folgt auch eine dreidimensionale Visualisierung. Planer k\u00f6nnen die Layouts als Basis f\u00fcr die Feinplanung verwenden oder weiter anpassen.<\/p>\n\n\n\n

Neben der Beschleunigung der Variantenerstellung und -layoutierung in der Konzeptplanungsphase schafft der WarehouseDesigner so eine strukturierte Datenbasis, die k\u00fcnftig f\u00fcr Recommender-Systeme genutzt werden kann. In der Weiterentwicklung wird unter anderem die Unterst\u00fctzung von Planungen in bestehenden Lagern verfolgt sowie die Integration von Materialflussanalysen in die Platzierung der Funktionsbereiche \u2013 ein wichtiger Beitrag f\u00fcr die Automatisierung der Lagerplanung und die Nutzung existierenden Expertenwissens.<\/a><\/p>\n\n\n\n

Technischer Kern: Die Vision-Pipeline<\/h2>\n\n\n\n

Die KI-basierte Vision<\/a>-Pipeline erkennt automatisch Funktionsbereiche und Text in Skizzen und strukturiert diese Informationen f\u00fcr die weitere Verarbeitung. Damit legt sie den Grundstein f\u00fcr eine pr\u00e4zise, datenbasierte Lagerplanung.<\/p>\n\n\n\n

Was wird extrahiert?<\/h3>\n\n\n\n

Die Pipeline erfasst drei zentrale Informationstypen:<\/p>\n\n\n\n

    \n
  1. Funktionsbereiche<\/strong> mit rechteckiger Abgrenzung<\/li>\n\n\n\n
  2. Typ und Meta-Informationen<\/strong> innerhalb der Bereiche (z.B. Wareneingang, Palettenlager; Kapazit\u00e4t oder Zielgr\u00f6\u00dfe)<\/li>\n\n\n\n
  3. Gesamtausdehnung des Lagers<\/strong> anhand der Au\u00dfenkanten sowie dessen Ma\u00dfe<\/li>\n<\/ol>\n\n\n\n

    Diese Meta-Informationen sind entscheidend f\u00fcr die anschlie\u00dfende automatische Dimensionierung der Fl\u00e4chen. Aktuell kann entweder eine Kapazit\u00e4t oder eine gew\u00fcnschte Zielfl\u00e4che angegeben werden. Die Option der Zielfl\u00e4che ist hilfreich, da Skizzen nicht ma\u00dfstabsgetreu sein m\u00fcssen. Fehlen numerische Angaben, berechnet das System des WarehouseDesigners die relative Gr\u00f6\u00dfe im Verh\u00e4ltnis zur Gesamtfl\u00e4che und den angegebenen Ma\u00dfen des Gesamtlagers.<\/a><\/p>\n\n\n\n

    Technische Umsetzung<\/h3>\n\n\n\n

    Aufgrund der Komplexit\u00e4t bei der Layout-Generierung in der Lagerplanung arbeitet die Pipeline aktuell mit rechteckbasierten Funktionsbereichen. Das erm\u00f6glicht den effizienten Einsatz eines Object-Detection-Modells zur Erkennung der Bereiche und schafft die Grundlage, Layouts automatisiert zu analysieren und zu optimieren. <\/p>\n\n\n\n

    Abbildung 2 veranschaulicht diesen mehrstufigen Prozess vom Bild bis zur strukturierten Datenstruktur<\/p>\n\n\n\n

    <\/a><\/p>\n\n\n\n

    \"-
    Abbildung 2: Workflow der Vision-Pipeline: Ausgehend von einer Skizze eines Blocklayouts werden parallel Funktionsbereiche und Text erkannt. Anschlie\u00dfend erfolgt eine Named Entity Recognition und erzeugt aus den einzelnen Text-Schnipseln strukturierte Datenobjekte, die in einem weiteren Schritt zu den erkannten Funktionsbereichen zugeordnet werden. \u00a9 Fraunhofer IML<\/figcaption><\/figure>\n\n\n\n

    1. Parallele Erkennung<\/strong>: Ein Object-Detection-Modell<\/a> identifiziert die Funktionsbereiche, w\u00e4hrend ein anderes Modell Textregionen mit handschriftlichem oder digitalem Text erkennt.
    2. Handschrifterkennung<\/strong>: Die erkannten Textregionen werden einem Vision-Language-Model (VLM) \u00fcbergeben, das die Handschrift transkribiert.
    3. Zuordnung<\/strong>: Erkannte Texte (Titel und Meta-Informationen) werden anhand ihrer Position den entsprechenden Funktionsbereichen zugeordnet. Textregionen an Au\u00dfenkanten bestimmen die Lagerma\u00dfe.
    4. Named Entity Recognition<\/strong>: Die einem Funktionsbereich zugeordneten Texte werden aggregiert und einem Sprachmodell \u00fcbergeben. Dieses extrahiert per     <\/a>Named Entity Recognition<\/a>  die relevanten Informationen: Titel, Gr\u00f6\u00dfe, Kapazit\u00e4t und deren Einheiten.
     Das Ergebnis ist eine digitale Repr\u00e4sentation aller Funktionsbereiche mit zugeh\u00f6rigen Informationen, welche die Grundlage f\u00fcr automatisierte Workflows in der Lagerplanung bildet und es erlaubt, Layouts k\u00fcnftig datengetrieben zu entwickeln und zu vergleichen.
    Nach und nach sollen sowohl die geometrischen Formen der Funktionsbereiche als auch deren Meta-Informationen komplexer werden, um den Planungsprozess zu verbessern und die Lagerplanung Schritt f\u00fcr Schritt weiter zu digitalisieren.    <\/a><\/p>\n\n\n\n

    Layout-Generierung: Von der Skizze zum optimierten Layout<\/h2>\n\n\n\n

    Nachdem die Vision-Pipeline das gezeichnete Layout erkannt hat und Planer*innen es im Frontend validiert haben, k\u00f6nnen daraus optimierte Layout-Varianten generiert werden.  Dieser Schritt bildet den Kern einer datengetriebenen Lagerplanung, bei der Varianten systematisch verglichen und bewertet werden k\u00f6nnen.<\/p>\n\n\n\n

    Die Herausforderungen<\/a><\/h3>\n\n\n\n

    Zwischen Handskizze und nutzbarem Layout liegen zahlreiche Nebenbedingungen:<\/p>\n\n\n\n