Leergut und Warenträger automatisch sortieren: Typenerkennung bei der Rückführung ins Lager

Am Ende der Lieferkette dreht sich der Materialfluss um. Behälter, Kleinladungsträger und Gitterboxen kommen leer ins Lager zurück und müssen wieder ihrem Typ zugeordnet werden, bevor sie eingelagert oder erneut bereitgestellt werden. Was in der Theorie einfach klingt, wird in der Anwendungspraxis zum Engpass, sobald das Sortiment groß ist und die Etiketten den Rücktransport nicht überstehen. Dieser Beitrag zeigt, wie sich die Typenerkennung bei der Leergut-Rückführung mit Bildverarbeitung lösen lässt, warum ein Codeleser allein hier oft nicht ausreicht und wie eine AI-Klassifizierung den Behälter an seinem Gesamtbild erkennt. Er gehört zum Themenfeld der Warensortierung nach Typ, konzentriert sich aber auf den Sonderfall des zurücklaufenden Ladungsträgers.

Wichtige Punkte im Überblick

  • Bei der Leergut-Rückführung laufen in dokumentierten Anwendungen je nach Auftragsmix 150 bis 350 Behältertypen gemischt ins Lager zurück und werden bislang oft von Hand nach Typ getrennt.
  • Ein Codeleser erkennt nur die Beschriftung, nicht den Behälter selbst, und scheitert daher, sobald Etiketten im Umlauf beschädigt, überklebt oder abgerissen sind.
  • Eine All-in-One Kamera mit integrierter AI der Modellreihe VS erkennt den zurücklaufenden Träger per AI-Klassifizierung an seinem Gesamtbild aus Umriss, Farbe, Struktur und Aufdruck, sodass ein fehlendes Label unkritisch ist.
  • Bei mehreren Hundert Typen wird die Pflege zur Auslegungsfrage: Das Lagerpersonal lernt neue Träger mit Beispielbildern im realen Zustand ein, und ein unbekannter Behälter wird kontrolliert ausgeschleust statt geraten.
  • Die robusteste Lösung kombiniert beides an einer Station: Der Codeleser liefert bei intaktem Label die eindeutigste Zuordnung, die AI-Klassifizierung fängt als Rückfallebene die unlesbaren Fälle ab.

Das Rückführungsproblem: viele Trägertypen, beschädigte Labels, manuelle Nachsortierung

In dokumentierten Anwendungen laufen je nach Auftragsmix 150 bis 350 verschiedene Behältertypen ins Lager zurück. Sie unterscheiden sich in Größe, Farbe, Bauform, Gefachaufteilung oder Aufdruck, und jeder Typ hat seinen eigenen Lagerplatz. Solange die Rückführung sortenrein erfolgt, ist die Aufgabe überschaubar. In der Realität kommt das Leergut jedoch gemischt an, in wechselnder Reihenfolge und häufig direkt vom Lkw oder aus dem vorgelagerten Prozess.

Bisher steht an dieser Stelle oft ein Mitarbeiter, der die Träger von Hand nach Typ trennt. Bei hohem Durchsatz bindet das eine Person über die gesamte Schicht, und trotzdem passieren Verwechslungen. Ein falsch eingelagerter Behälter fehlt später an seinem eigentlichen Platz, und die Nachsortierung erzeugt zusätzlichen Aufwand.

Drei Punkte machen die Aufgabe anspruchsvoll:

  • Große Typenzahl. Mehrere Hundert Varianten lassen sich mit festen Regeln oder einem einzelnen Farbsensor nicht mehr sauber trennen.
  • Ähnliche Träger. Manche Behälter haben dasselbe Außenmaß und unterscheiden sich nur in einem Detail wie Farbe, Griffform oder Aufdruck.
  • Schwankender Zustand. Leergut ist gebraucht. Es kann verschmutzt, verkratzt oder leicht verformt sein, und die Beleuchtung in der Halle ist selten ideal.

Die Erkennung muss deshalb robust gegen Abnutzung sein und darf die Linie nicht anhalten.

Warum Codeleser allein an abgerissenen Etiketten scheitern

Der naheliegende Ansatz ist ein Codeleser, der ein Etikett am Behälter ausliest und daraus den Typ ableitet. Solange das Label unversehrt ist, funktioniert das zuverlässig. Der Haken zeigt sich im Rücklauf. Etiketten werden im Umlauf beschädigt, überklebt, teilweise abgerissen oder fehlen ganz. Ist der Code nicht mehr lesbar, kann der Leser den Träger nicht zuordnen, und der Behälter fällt aus der automatischen Sortierung heraus.

Genau an dieser Stelle entsteht die manuelle Nachsortierung wieder, die eigentlich vermieden werden sollte. Jeder nicht lesbare Träger landet auf einem Umlaufband oder in einem Pufferbereich und wird später von Hand einsortiert. Bei einigen Prozent unlesbarer Labels und hohem Durchsatz summiert sich das schnell.

Das eigentliche Problem ist konzeptionell. Ein Codeleser erkennt nicht den Behälter, sondern nur seine Beschriftung. Fehlt die Beschriftung, fehlt die Information vollständig, obwohl der Träger physisch eindeutig identifizierbar wäre. Ein Mensch braucht das Etikett nicht, um eine Gitterbox von einem Kleinladungsträger zu unterscheiden. Er erkennt den Typ am Aussehen.

AI-Klassifizierung nach Aussehen statt nach Label

Hier setzt die AI-Klassifizierung an. Eine All-in-One Kamera mit integrierter AI der Modellreihe VS lernt die Behältertypen anhand von Beispielbildern ein und erkennt einen zurücklaufenden Träger an seinem Gesamtbild. Sie wertet dabei nicht ein einzelnes Merkmal aus, sondern das Zusammenspiel aus Umriss, Proportion, Farbe, Struktur und Aufdruck. Ein fehlendes oder beschädigtes Label ist damit unkritisch, denn der Behälter selbst bleibt das Erkennungsmerkmal.

Der Vorteil gegenüber klassischen Regelwerken liegt in der Toleranz gegenüber Schwankungen. Verschmutzung, Kratzer oder leichte Verformungen ändern das Gesamtbild nur wenig, sodass die Klassifizierung stabil bleibt. Trägt der Behälter zusätzlich eine Klarschrift, etwa eine Typbezeichnung im Prägestempel, kann dieselbe Kamera diese per AI-OCR mitlesen und das Ergebnis absichern.

Für sehr einfache Fälle mit nur wenigen, klar verschiedenen Trägern kann bereits ein AI Vision-Sensor der Modellreihe IV4 im Sortiermodus genügen, etwa wenn nur zwei oder drei Behälterfarben unterschieden werden sollen. Sobald die Zahl der Varianten steigt oder ein Merkmalsmix nötig ist, ist die All-in-One Kamera mit AI-Klassifizierung die passende Klasse.

150 bis 350 Trägertypen verwalten: Einlernen und Pflege im Betrieb

Bei mehreren Hundert Typen wird die Verwaltung selbst zur Auslegungsfrage. Es reicht nicht, das System einmal einzurichten, denn das Behältersortiment verändert sich über die Zeit. Neue Trägertypen kommen hinzu, alte fallen weg, und die Erkennung muss mitwachsen.

Für einen tragfähigen Betrieb sollten Sie früh klären:

  • Wer lernt neue Typen ein? Das Einlernen sollte so einfach sein, dass es das Lagerpersonal ohne tiefe Bildverarbeitungskenntnisse übernehmen kann.
  • Wie werden Beispielbilder gesammelt? Für eine belastbare Klassifizierung braucht jeder Typ Aufnahmen im realen Zustand, also auch verschmutzt oder beschädigt.
  • Wie werden ähnliche Typen abgesichert? Die am schwersten trennbaren Paare sollten gezielt mit vielen Beispielen hinterlegt werden, damit keine Verwechslung entsteht.
  • Was passiert bei einem unbekannten Träger? Ein Behälter ohne gelernten Typ sollte kontrolliert ausgeschleust und nicht geraten werden.

Ein gut gepflegtes Klassenmodell ist der eigentliche Wert der Anlage. Wer die Pflege von Anfang an mitdenkt, vermeidet, dass die Erkennungsrate mit jedem neuen Behältertyp langsam abfällt.

Code und Klassifizierung kombinieren: die robuste Doppelstrategie

In der Praxis muss man sich nicht zwischen Code und Kamera entscheiden. Die robusteste Lösung kombiniert beides an einer Station. Der Codeleser liest das Etikett, wann immer es lesbar ist, weil ein gültiger Code die schnellste und eindeutigste Zuordnung liefert. Fehlt oder versagt der Code, greift die AI-Klassifizierung als Rückfallebene und erkennt den Träger am Aussehen.

Diese Doppelstrategie fängt genau die Fälle ab, an denen eine reine Codelösung scheitert, ohne den Durchsatz im Normalbetrieb zu bremsen. In realen Projekten übernimmt teils eine einzige All-in-One Kamera beide Rollen, weil sie sowohl klassifiziert als auch per AI-OCR die Klarschrift liest. Alternativ arbeiten ein AI-Codeleser der Modellreihe SR-X oder SR-5000 und eine All-in-One Kamera nebeneinander und übergeben ihr Ergebnis gemeinsam an die Steuerung.

Wichtig ist die Logik dahinter. Beide Quellen liefern denselben Typwert, und die Anlage entscheidet nach einer klaren Priorität, welche Quelle gilt. So bleibt nachvollziehbar, warum ein Träger einer Klasse zugeordnet wurde.

Von einem Werk in viele: eine Lösung standardisiert ausrollen

Eine Leergut-Sortierung ist selten ein Einzelfall. Wer sie an einer Rückführung erfolgreich betreibt, hat dieselbe Aufgabe meist an weiteren Linien und Standorten. Deshalb lohnt es sich, die erste Anlage von Beginn an als wiederverwendbaren Baustein zu planen.

Dazu gehört ein einheitliches Vorgehen beim Einlernen, ein gemeinsames Klassenmodell für gleiche Behältertypen und eine standardisierte Anbindung an die Steuerung über Profinet, EtherCAT oder Ethernet (TCP/IP). Lässt sich das Klassenmodell zentral pflegen, kann ein neuer Trägertyp einmal eingelernt und auf mehrere Anlagen verteilt werden, statt ihn an jeder Linie einzeln nachzuziehen.

Der Weg von der Pilotlinie in die Fläche fällt so leichter. Aus einer punktuellen Maßnahme gegen die manuelle Nachsortierung wird ein Standard für die gesamte Leergut-Rückführung, der sich über Werke hinweg gleich verhält.

Häufige Fragen

F Wie lässt sich Leergut erkennen, wenn das Label fehlt oder beschädigt ist?

A

Ein Codeleser kann einen Behälter nicht mehr zuordnen, sobald das Etikett abgerissen oder unlesbar ist. Eine All-in-One Kamera der Modellreihe VS mit AI-Klassifizierung erkennt den Träger stattdessen an seinem Gesamtbild aus Umriss, Farbe, Struktur und Aufdruck. Das fehlende Label spielt dann keine Rolle mehr, weil der Behälter selbst das Merkmal ist.

F Wie viele Behältertypen kann eine Kamera zuverlässig unterscheiden?

A

In dokumentierten Anwendungen laufen je nach Auftragsmix 150 bis 350 Trägertypen zurück, die unterschieden werden müssen. Entscheidend ist weniger die reine Anzahl als die Trennbarkeit ähnlicher Typen, die mit ausreichend Beispielbildern abgesichert wird. Die konkrete Grenze sollte im Machbarkeitstest mit dem realen Behältersortiment bestätigt werden.

F Warum reicht ein Codeleser für die Rückführung oft nicht aus?

A

Ein Codeleser erkennt nur die Beschriftung, nicht den Behälter selbst. Im Rücklauf werden Etiketten aber beschädigt, überklebt oder abgerissen, sodass ein Teil der Träger nicht lesbar ist und aus der automatischen Sortierung fällt. Diese Fälle erzeugen genau die manuelle Nachsortierung, die eigentlich vermieden werden soll.

F Sollte man Code und Kamera kombinieren?

A

In den meisten Fällen ja. Der Codeleser liefert bei intaktem Label die schnellste und eindeutigste Zuordnung, und die AI-Klassifizierung fängt als Rückfallebene die unlesbaren Fälle ab. Beide Quellen liefern denselben Typwert, und die Anlage entscheidet nach einer festen Priorität, welche gilt.

F Wer pflegt die Behältertypen im laufenden Betrieb?

A

Das Einlernen neuer Typen sollte so einfach sein, dass es das Lagerpersonal ohne Programmierkenntnisse übernimmt. Jeder neue Träger wird mit Beispielbildern im realen Zustand hinterlegt, auch verschmutzt oder beschädigt. Wird das Modell zentral gepflegt, lässt sich ein neuer Typ einmal einlernen und auf mehrere Anlagen verteilen.

F Wie wird das Ergebnis an die Lagerlogistik übergeben?

A

Die erkannte Typnummer wird direkt in das Prozessabbild der Steuerung geschrieben, üblicherweise über Profinet, EtherCAT oder Ethernet (TCP/IP). Von dort löst sie die Einlagerung am richtigen Platz oder die Umlenkung auf die passende Bahn aus. Ein unbekannter Träger wird kontrolliert ausgeschleust statt geraten.

Weiterführende Artikel

Übergeordnete Themenseite: Automatisierung und Identifikation in Lager und Logistik: Der Überblick für Intralogistik-Verantwortliche

Hauptartikel zum Thema: Warensortierung nach Typ in Lager und Logistik: Kartons, Behälter und Paletten sicher unterscheiden

Weiterer Artikel im Thema: Griff in die Kiste und Depalettieren mit Variantenerkennung: 3D-Robot-Vision in der Logistik

Weiterer Artikel im Thema: Sortieren nach Maß und Volumen: Kanten, Höhen und Abmessungen als Sortierkriterium

Weiterer Artikel im Thema: Wenn der Code sortiert: DMC, Barcode und Klarschrift als Sortierentscheidung in der Fördertechnik