Automatisierte Reifenerkennung mit KI: Daten, Schäden und Kennzeichnungen in Echtzeit erfassen

Neureifen werden in der Logistik oft unsortiert, in gemischten Chargen und unter hohem Zeitdruck angeliefert. Genau dort stoßen manuelle Identifikations- und Sortierprozesse schnell an Grenzen. Gemeinsam mit der Detection-X GmbH hat die PPW Handel GmbH für das Projekt Tire:AI eine industrielle Lösung realisiert, die Reifendaten direkt am Förderband automatisch erfasst, auswertet und in den Materialfluss integriert. Der Anwenderbericht zeigt, wie aus KI-gestützter Bildverarbeitung und belastbarer Anlagenintegration ein prozesssicherer Erkennungsprozess entsteht.

In der Reifenlogistik zählt nicht nur Geschwindigkeit, sondern vor allem Eindeutigkeit. Wenn unterschiedliche Reifentypen chaotisch angeliefert werden, müssen sie möglichst ohne manuelle Eingriffe erkannt, identifiziert, dokumentiert und dem richtigen Lager- oder Versandprozess zugeordnet werden. Das betrifft insbesondere Neureifen, die vom Hersteller auf Sattelschleppern oder in Containern ankommen und anschließend in interne Materialflüsse überführt werden.

In solchen Szenarien ist die manuelle Erfassung von Seitenwanddaten, DOT-Nummern, Markierungen oder Barcodes aufwendig, fehleranfällig und nur begrenzt skalierbar. Gleichzeitig steigen die Anforderungen an Rückverfolgbarkeit, Prozessgeschwindigkeit und Datenkonsistenz. Gefragt ist deshalb eine Lösung, die optische Information zuverlässig in strukturierte Prozessdaten übersetzt und direkt in die Förder- und Lagertechnik einbindet.

Genau an diesem Punkt setzt das Projekt Tire:AI an. Ziel war es, eine Anlage zu realisieren, die Reifen automatisch erkennt, eindeutig identifiziert, sortiert und alle relevanten Daten manipulationssicher dokumentiert. Aus Sicht von PPW lag der Schwerpunkt dabei auf der industrietauglichen Einbindung der KI in eine belastbare Automatisierungsumgebung.

Achim Fikus von PPW bei der Programmierung der Schaltschrank- und Steuerungstechnik für das Projekt Tire:AI.

Das intelligente Kernsystem der Anlage bildet die Software Tire:AI der Detection-X GmbH. Sie analysiert aufgenommene Bilddaten von Reifen und erkennt automatisch relevante Informationen direkt von der Reifen-Seitenwand. Dafür setzt Detection-X Deep-Learning-Modelle ein, die speziell für die Erkennung komplexer Reifenkennzeichnungen trainiert wurden. Erfasst werden unter anderem Hersteller, Modell, Größe, Saisonkennzeichnung, Herstellungsland, DOT-Nummer sowie Barcodes zur eindeutigen Identifikation. Zusätzlich können weitere Seitenwandinformationen und Markierungen automatisiert ausgelesen und klassifiziert werden.

Die Rolle von PPW bestand darin, diese KI-Funktionalität in einen industriellen Gesamtprozess zu überführen. Für Detection-X und das Projekt Tire:AI hat PPW die Schalt- und Steuerungstechnik projektiert, verkabelt und grundprogrammiert. Damit übernahm PPW genau den Teil, der in vielen Innovationsprojekten über die Praxistauglichkeit entscheidet: die Verbindung aus Softwareintelligenz, Maschinenlogik, Antriebstechnik und sicherer Kommunikation auf Anlagenebene.

Das Ergebnis ist keine isolierte Bilderkennung, sondern eine funktionsfähige Fördertechniklösung, in der KI-Auswertung und Materialfluss präzise aufeinander abgestimmt sind. Reifen werden erkannt, identifiziert, den definierten Kategorien zugeordnet und anschließend für Auslieferung oder Einlagerung im Hochregallager weitergeführt. Ein zusätzlicher Anwendungsfall ist die automatisierte Sortierung von Altreifen für das Recycling.

Die technische Umsetzung basiert auf einem klar auf industrielle Robustheit ausgelegten Systemaufbau. Für die Prozesssteuerung setzt PPW auf eine Siemens S7 mit HMI-System. Die Bedienung und Visualisierung erfolgt über Siemens WinCC, das Engineering im Siemens TIA Portal. Ergänzt wird die Steuerungsarchitektur durch passend ausgelegte Frequenzumrichter zur exakten Regelung der Antriebstechnik.

Eine zentrale Voraussetzung für die Leistungsfähigkeit der Gesamtanlage sind zudem moderne Hochleistungsrechner mit leistungsfähigen CPU- und GPU-Architekturen sowie zukunftsweisender Speichertechnologie. Sie bilden die Hardwarebasis für die schnelle Verarbeitung der Bilddaten und die Ausführung der KI-Modelle. Gerade bei hohen Durchsätzen ist diese Rechenleistung nicht nur für die Erkennungsgenauigkeit, sondern vor allem für die Taktfähigkeit des Gesamtsystems entscheidend.

Aus Integrationssicht liegt die eigentliche Leistung jedoch nicht allein in der Auswahl einzelner Komponenten, sondern in ihrem abgestimmten Zusammenspiel. Die Bildaufnahme muss exakt zum Förderprozess passen. Die Auswertungsergebnisse müssen ohne Verzögerung in Steuerbefehle, Sortierlogiken und Dokumentationsprozesse überführt werden. Gleichzeitig darf die Anlage auch unter realen Logistikbedingungen keine instabilen Übergänge zwischen Bildverarbeitung, Steuerung und Materialtransport erzeugen.

Genau diese Übersetzungsarbeit zwischen KI-System und Automatisierung war die Kernaufgabe von PPW. Die Automatisierungstechnik musste so aufgebaut werden, dass die Softwareergebnisse von Tire:AI nicht nur sichtbar, sondern unmittelbar prozesswirksam werden.

Im laufenden Prozess übernimmt Tire:AI eine Reihe von Funktionen, die für Logistik, Lagerführung und Qualitätssicherung unmittelbar relevant sind. Dazu gehört zunächst die automatische Erfassung des DOT-Codes inklusive Produktionswoche und Produktionsjahr. Hinzu kommt das präzise Auslesen von Informationen auf der Reifenseitenwand, etwa Hersteller, Modell, Speed-Index, Load-Index und weitere Textinformationen.

Darüber hinaus erkennt das System Farb- und Symbolmarkierungen sowie OEM-Kennzeichnungen auf Reifen und klassifiziert diese automatisiert. Auf dieser Datenbasis kann die Anlage Reifen selbstständig Kategorien, Lagerorten oder Förderlinien zuordnen. Für die Nachverfolgung besonders wichtig ist die automatische Erfassung individueller Sicherheitsmerkmale sowie die sichere Dokumentation aller relevanten Identifikationsdaten in einer Datenbank.

Der Nutzen geht damit deutlich über eine reine Texterkennung hinaus. Die Bildauswertung wird zum aktiven Bestandteil der Sortier- und Materialflusslogik. Manuelle Prüf- und Erfassungsschritte werden ersetzt, die Datenerfassung wird standardisiert und reproduzierbar, und gleichzeitig steigt die Prozessgeschwindigkeit.

Ergänzend ist das System in weiteren Einsatzformen gedacht. Dazu zählt eine mobile Version, bei der die Erkennung per Smartphone-Kamera direkt am Lagerplatz erfolgen kann. Ebenfalls vorgesehen ist Tire:AI Desk: Reifen werden auf einem Tisch platziert, automatisch erkannt und bei Bedarf direkt etikettiert, etwa für Einzellagerung oder Retouren. Die nahtlose ERP-Integration erweitert das System zusätzlich in Richtung durchgängiger Datenverarbeitung über den eigentlichen Erfassungspunkt hinaus.

Eine der größten Herausforderungen des Projekts lag neben der KI-Entwicklung durch Detection-X in der ganzheitlichen Systemintegration. In der Praxis genügt es nicht, dass ein Modell Informationen erkennt. Entscheidend ist, dass diese Informationen in Echtzeit und mit hoher Stabilität in einen laufenden Anlagenprozess eingebunden werden.

Genau hier wurde die Aufgabe anspruchsvoll: Nicht alle beteiligten Komponenten bewegten sich innerhalb eines geschlossenen Standardökosystems. Die prozesssichere Ansteuerung von Anlagenkomponenten auch außerhalb des klassischen Siemens-Umfelds erforderte komplexe bidirektionale Kommunikationsschnittstellen und entsprechend tiefes Know-how über mehrere Technologiesektoren hinweg. Es ging also nicht nur um Steuerungstechnik im engeren Sinn, sondern um die belastbare Kopplung unterschiedlicher Systemwelten.

Das Ziel bestand darin, sämtliche Komponenten so zu synchronisieren, dass maximale Auswertegeschwindigkeit und höchste Prozessstabilität zusammenkommen. Ein instabiles Zusammenspiel hätte die Erkennungsleistung im praktischen Betrieb entwertet. Erst die saubere Integrationsarbeit stellt sicher, dass aus einer leistungsfähigen KI-Anwendung eine industriell nutzbare Gesamtlösung wird.

Aus Sicht von PPW zeigt sich darin die eigentliche Relevanz des Projekts: Die Wertschöpfung entsteht nicht nur durch das Erkennen von Daten, sondern durch deren prozesssichere Weiterverwendung in einer automatisierten Fördertechniklösung.

Das realisierte System identifiziert aktuell über 1.000 Reifen pro Stunde zuverlässig und liest sämtliche relevanten Seitenwandkennzeichnungen automatisiert aus. Dazu gehören Hersteller, Modell, Größe, Saisonkennzeichnung, Herstellungsland, DOT-Nummer sowie die ID per Barcode. Diese Daten werden dem jeweiligen Reifen eindeutig zugeordnet und manipulationssicher in einer Datenbank gespeichert.

Durch eine automatisierte Be- und Entladung sind darüber hinaus mehr als 2.500 Scannungen pro Stunde realisierbar. Diese Leistungsdaten zeigen, dass das Projekt nicht auf einen Labor- oder Demonstratorbetrieb ausgelegt ist, sondern auf einen realen, hochdynamischen Materialfluss.

Für PPW ist das Ergebnis vor allem ein Beleg dafür, dass moderne KI-Anwendungen dann ihr volles Potenzial entfalten, wenn sie konsequent in die industrielle Automatisierung integriert werden. Erst durch die Kombination aus Steuerungstechnik, Antriebstechnik, Visualisierung, Rechenleistung und belastbarer Schnittstellenarchitektur wird aus optischer Datenerfassung ein durchgängiger Prozess.