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

Sortierung ist in Lager und Logistik selten Selbstzweck. Bevor ein Paket auf die richtige Bahn läuft, ein Behälter ins passende Regal zurückgeht oder eine Palette abgestapelt wird, muss die Anlage wissen, welcher Typ oder welche Variante gerade vorliegt. Genau hier häufen sich in der Anwendungspraxis die Probleme: Die Zahl der Varianten wächst, Etiketten reißen ab, und eine manuelle Sortierstation kommt an ihre Grenze. Die Folge sind Fehlläufe, falsch eingelagerte Ware und Mitarbeiter, die eine ganze Schicht lang von Hand nachsortieren.

Dieser Beitrag zeigt, wie sich die Warensortierung nach Typ mit Bildverarbeitung systematisch auslegen lässt: von der Wahl des Unterscheidungsmerkmals über die Auswahl zwischen Vision-Sensor, All-in-One Kamera und Bildverarbeitungssystem bis zur Anbindung an Sorter, Klappe oder Roboter. Er grenzt die Aufgabe bewusst von zwei Nachbarthemen ab. Es geht nicht um die reine Positionsbestimmung für einen Greifpunkt, und es geht auch nicht allein um das Lesen eines Codes zur Rückverfolgung. In der Logistik trifft ein gelesener Code oft direkt die Sortierentscheidung, und häufig muss die Anlage den Typ auch dann erkennen, wenn kein lesbarer Code vorhanden ist.

Wichtige Punkte im Überblick

Sortierung ist in Lager und Logistik selten Selbstzweck: Bevor ein Paket auf die richtige Bahn läuft, muss die Anlage den Typ erkennen, und zwar dort, wo die Ware noch flexibel umgelenkt werden kann.
Drei Konstellationen überfordern die einfache Sortierung: eine in dokumentierten Anwendungen hohe Variantenvielfalt von 8 bis 90 Produkten je Linie, die Rückführung von Leergut mit abgerissenen Labels und ein fehlender sortenreiner Fluss im Wareneingang.
Der erste Auslegungsschritt ist nicht die Kameraauswahl, sondern die Frage, woran sich die Typen trennen lassen: an Form und Umriss, an Farbe und Aufdruck, an Maß und Volumen oder an einer Kennzeichnung.
Aus Merkmal, Variantenzahl und Takt ergibt sich die Systemklasse: ein Vision-Sensor mit Sortiermodus für wenige Typen, eine All-in-One Kamera mit AI-Klassifizierung für viele Typen und ein Bildverarbeitungssystem, wenn viele Programme zentral zu verwalten sind.
Der Nutzen entsteht erst, wenn das Prüfergebnis, also Typnummer oder Sortierziel, über Profinet, EtherCAT oder Ethernet einen Aktor wie Klappe, Sorter oder Roboter ansteuert und nicht nur gespeichert wird.

Warum Sortierung in der Logistik schwieriger wird

In den dokumentierten Anwendungen wiederholen sich drei Konstellationen, die eine einfache Sortierung überfordern.

Hohe Variantenvielfalt auf einer Bahn. Auf einer Linie laufen 8 bis 90 verschiedene Produkte, im gesamten Sortiment mehrere Hundert Artikel. Manche Kartons haben dieselbe Größe und unterscheiden sich nur im Aufdruck oder in der Farbe. Ein einzelner Farbsensor oder eine feste Größenabfrage trennt solche Fälle nicht mehr sauber.
Rückführung von Leergut. 150 bis 350 leere Behältertypen kommen ins Lager zurück. Reißt das Label ab, kann ein Codeleser den Träger nicht mehr zuordnen, und die Ware landet im falschen Bereich oder muss von Hand nachsortiert werden.
Kein sortenreiner Fluss. Im Wareneingang treffen Güter in beliebiger Reihenfolge ein, teils ohne jede Kennzeichnung. Ihre Zuordnung ergibt sich erst aus Aussehen, Maß oder Code, den die Anlage im Durchlauf erfassen muss.

Hinzu kommt, dass die Anlage die Entscheidung im laufenden Prozess treffen muss. Anders als in der Fertigung, wo ein Werker das Teil an einen Anschlag legt, kommt die Ware in der Logistik in wechselnder Lage, in wechselnder Reihenfolge und häufig direkt vom Lkw oder aus dem vorgelagerten Prozess. Eine starre Vorabsortierung ist daher selten möglich, und die Erkennung muss mit Schwankungen in Position, Beleuchtung und Zustand der Güter zurechtkommen.

Die Sortierentscheidung gehört deshalb an die Stelle, an der die Ware noch flexibel umgelenkt werden kann: vor die Verzweigung des Sorters, vor das Einlagern, vor das Palettieren.

Woran sich Waren unterscheiden lassen

Der erste Auslegungsschritt ist nicht die Kameraauswahl, sondern die Frage, woran sich die Typen überhaupt trennen lassen. In der Praxis fallen die Merkmale in vier Klassen.

Form und Umriss

Kartons, Gebinde und Paletten unterscheiden sich oft in Umriss, Grundfläche oder Höhe. Solche Merkmale sind für die Bildverarbeitung gut zugänglich, auch bei den in dokumentierten Anwendungen üblichen Bildfeldern bis etwa 2 m. Für die reine Typenerkennung genügt es, dass das Merkmal die Varianten eindeutig trennt.

Farbe und Aufdruck

Wo Waren über Farbe oder Druckbild codiert sind, etwa unterschiedliche Artworks auf gleich großen Kartons, wertet eine Kamera Farbe und Muster flächig aus. Anders als ein Farbsensor bleibt ein kamerabasiertes System auch bei wachsendem Sortiment erweiterbar.

Maß und Volumen

Wenn nicht das Aussehen, sondern die Größe entscheidet, werden Kanten, Höhe oder Volumen erfasst. Das reicht von der Paketvermessung im Wareneingang bis zur Zuordnung von Gütern zu Lagerplätzen. Für Kanten und Höhen auf dem Band eignen sich Laser-Profilsensoren, für höhen- und profilbasierte Typunterscheidung ein 3D Laser-Snapshot-Sensor.

Kennzeichnung

Trägt die Ware einen Code oder eine Klarschrift, kann dieser die Sortierung direkt steuern. Data-Matrix-Codes, Barcodes und Versandetiketten werden gelesen, und das Ergebnis lenkt das Gut auf die passende Bahn. Fehlt oder beschädigt die Kennzeichnung, übernimmt die Klassifizierung nach Aussehen.

Vision-Sensor, All-in-One Kamera oder Bildverarbeitungssystem?

Aus Merkmal, Variantenzahl und Takt ergibt sich die Systemklasse.

Vision-Sensor mit Sortiermodus

Für überschaubare Aufgaben, etwa die Unterscheidung einer Handvoll Kartontypen, eine Palettenfarbe oder eine Rechts-/Links-Entscheidung, ist ein AI Vision-Sensor der Modellreihe IV4 mit Sortiermodus die wirtschaftliche Lösung. Er lässt sich schnell auf reale Ware einlernen und meldet das Ergebnis direkt an die Steuerung.

All-in-One Kamera mit AI-Klassifizierung

Steigt die Zahl der Typen auf Dutzende oder Hunderte, oder soll ein Merkmalsmix aus Umriss, Farbe, Aufdruck und Klarschrift bewertet werden, ist die All-in-One Kamera mit integrierter AI der Modellreihe VS die passende Klasse. Die AI-Klassifizierung erkennt einen Behälter an seinem Gesamtbild, auch wenn ein einzelnes Label fehlt, und liest per AI-OCR bei Bedarf zusätzlich die Klarschrift.

Bildverarbeitungssystem für viele Programme und breite Lasten

Müssen viele Typprogramme zentral verwaltet werden oder sind breite Ladungen zu prüfen, kommt die High-Performance Bildverarbeitung mit integrierter AI der Modellreihe VS-G zum Einsatz. Sie eignen sich für die Vollständigkeits- und Typprüfung breiter Paletten und Formate. Wird zusätzlich eine Zeilenkamera benötigt, führt der Weg über die Modellreihe XG-X, die Zeilenkameras über ein Kamera-Erweiterungsmodul einbindet.

3D, wenn Form oder Höhe den Typ bestimmt

Unterscheidet sich der Typ nur in einem Höhen- oder Profilmerkmal, misst ein 3D-Sensor das Merkmal, statt es nur zu sehen. Der 3D Laser-Snapshot-Sensor der Modellreihe LJ-S8000 erkennt Typen über Höhe und Profil, der 2D/3D Laser-Profilsensor der Modellreihe LJ-X8000 erfasst Kanten und Höhen auf dem laufenden Band.

Zur Orientierung: Für die reine Identifikation sind Takte um ein Gut pro Sekunde und Bandgeschwindigkeiten bis in den m/s-Bereich üblich. Palettenprüfungen laufen eher im Bereich von etwa 12 Sekunden pro Palette.

Paletten, Gitterboxen und Stapel als eigener Fall

Ein großer Teil der Sortier- und Erkennungsaufgaben betrifft nicht die einzelne Ware, sondern den Ladungsträger. Europaletten, Einweg- und Kunststoffpaletten sowie Gitterboxen unterscheiden sich in Typ, Farbe und Bauform, und die Anlage muss diese Merkmale erfassen, bevor der Träger eingelagert, abgestapelt oder weitertransportiert wird. In realen Projekten geht es um rund 20 bis 25 Ladungsträgervarianten, um Bildfelder bis etwa 2 m und um Takte um 12 Sekunden pro Palette.

Drei Aufgaben tauchen hier immer wieder auf:

Typ und Farbe des Trägers bestimmen. Ein Vision-Sensor der Modellreihe IV4 unterscheidet Palettentypen oder Farben zuverlässig.
Stapelbild prüfen und Zwischenlagen zählen. Ist der Stapel korrekt aufgebaut, stimmt die Anzahl der Zwischenlagen? Hier zählt neben der Anzahl auch die Typunterscheidung der Lagen.
Greifspalten für den Abstapler finden. Damit ein Entstapler die Gabeln ansetzen kann, muss die Anlage die Spalten am Träger sicher erkennen. Eine All-in-One Kamera der Modellreihe VS übernimmt diese Erkennung samt Palettentyp.

So ersetzt die Bildverarbeitung an dieser Stelle den Menschen mit dem Gabelstapler, der Trägertyp und Stapelqualität bislang nach Augenmaß beurteilt hat.

Von der Erkennung zur Sortierentscheidung

Am Ende entscheidet die Anbindung. Bewährt hat sich, dass das Prüfergebnis, also Typnummer oder Sortierziel, direkt im Prozessabbild der Steuerung steht und den nächsten Aktor auslöst. Gängige Schnittstellen sind Profinet, EtherCAT und Ethernet (TCP/IP).

Drei Hinweise aus realen Projekten:

Aktor statt Protokoll. Der Nutzen entsteht, wenn das Ergebnis eine Klappe, einen Sorter oder einen Roboter ansteuert, nicht wenn es nur gespeichert wird.
Doppelstrategie bei Labels. Wo Etiketten abreißen können, sichert die Kombination aus Codeleser und Klassifizierung nach Aussehen die Zuordnung ab.
Einlernen im Betrieb einplanen. Bei Hunderten Typen sollte früh geklärt werden, wer neue Varianten einlernt und die Programme pflegt.

Praxisbeispiele aus Lager und Logistik

Vier anonymisierte Muster, die sich in den Anwendungsdaten wiederholen:

Kartontypen auf dem Sorter. Auf zwei Linien laufen 50 und 40 verschiedene Produkte, manche Kartons gleich groß, aber mit anderem Aufdruck. Ein Vision-Sensor im Sortiermodus trennt die Typen bei etwa einem Karton pro Sekunde und übergibt das Ziel an den Sorter.
Leergut-Rückführung. Mehrere Hundert leere Behältertypen kommen ins Lager zurück, Codeleser scheitern an abgerissenen Labels, ein Mitarbeiter sortiert bislang von Hand nach. Eine All-in-One Kamera mit AI-Klassifizierung erkennt den Träger am Gesamtbild und ordnet ihn wieder korrekt ein.
Depalettieren mit Varianten. Aus sortenreinen Behältern, die aber in vielen Typen kommen, greift eine Zelle unsortierte Teile und legt sie lagerichtig in den nächsten Träger. 3D-Robot-Vision erkennt Variante und Lage vor dem Ablegen.
Sortieren nach Maß. Im Wareneingang treffen Güter ohne feste Reihenfolge und ohne verlässliche Kennzeichnung ein. Ein Laser-Profilsensor erfasst Kanten und Höhe im Durchlauf, und das gemessene Maß bestimmt Zuordnung und Lagerplatz.

Machbarkeit absichern

Eine Sortierlösung lässt sich vor der Beschaffung belastbar prüfen:

1.

Originalgebinde und Originalware bereitstellen, einschließlich der einander ähnlichsten Typen und der kritischen Grenzfälle wie beschädigte Labels.
2.

Sortierklassen und Fehlerfälle definieren: Welche Verwechslungen sind am teuersten, welche Ware muss ausgeschleust werden?
3.

Einlernen und Testlauf auf der realen Bahn, mit realistischem Takt und realer Bandgeschwindigkeit.
4.

Schrittweise ausrollen: von der Pilotlinie zur flächigen Lösung über mehrere Bahnen oder Standorte.

So wird aus einer Einzelmaßnahme ein wiederverwendbarer Baustein für die Warensortierung, der sich über Linien und Werke hinweg standardisieren lässt.

Häufige Fragen

F Wie sortiert man Kartons und Pakete automatisch nach Typ?

In dokumentierten Anwendungen werden 8 bis 90 Kartontypen pro Linie bei etwa einem Gut pro Sekunde getrennt. Ein Vision-Sensor der Modellreihe IV4 mit Sortiermodus deckt kleine Sortimente ab, eine All-in-One Kamera der Modellreihe VS mit AI-Klassifizierung bewältigt viele Typen und einen Merkmalsmix aus Umriss, Farbe und Aufdruck. Das Ergebnis steuert über die SPS direkt den Sorter oder eine Klappe an.

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

Codeleser können einen Behälter nicht mehr zuordnen, sobald das Etikett abgerissen ist. Eine All-in-One Kamera mit AI-Klassifizierung erkennt den Träger stattdessen an seinem Gesamtbild und bleibt damit auch bei beschädigten Labels zuverlässig. In der Praxis wird beides kombiniert, sodass der Code gelesen wird, wenn er vorhanden ist, und die Klassifizierung als robuster Rückfall dient.

F Wann sortiert man per Code und wann per Kamera?

Trägt die Ware einen zuverlässigen Code oder eine Klarschrift, ist das Lesen der direkteste Weg zur Sortierentscheidung, und der gelesene Wert lenkt das Gut auf die passende Bahn. Fehlt die Kennzeichnung, unterscheiden sich die Typen nur im Aussehen, oder reißen Labels häufig ab, sortiert eine Kamera nach Form, Farbe oder Aufdruck. Für maximale Robustheit lassen sich beide Ansätze an einer Station kombinieren.

F Wann reicht 2D nicht mehr, und wann braucht es 3D?

Solange sich die Typen im Bild über Umriss, Farbe oder Aufdruck trennen lassen, genügt eine 2D-Lösung. Sobald der Unterschied in Höhe, Profil oder Volumen liegt, etwa bei der Paketvermessung oder bei formähnlichen Gütern, misst ein 3D-Sensor das Merkmal. Der 2D/3D Laser-Profilsensor der Modellreihe LJ-X8000 erfasst Kanten und Höhen auf dem Band, der 3D Laser-Snapshot-Sensor der Modellreihe LJ-S8000 unterscheidet Typen über Höhe und Profil.

F Wie schnell darf das Band für eine sichere Sortierung laufen?

In den dokumentierten Fällen sind Takte um ein Gut pro Sekunde und Bandgeschwindigkeiten bis in den m/s-Bereich üblich, bei Palettenprüfungen eher rund 12 Sekunden pro Palette. Die erreichbare Geschwindigkeit hängt von Bildfeld, Merkmal und Beleuchtung ab und sollte im Machbarkeitstest mit realer Ware und realem Takt bestätigt werden.

F Wie wird die Sortierentscheidung an die Anlage angebunden?

Üblich ist die Übergabe des Ergebnisses, also Typnummer oder Sortierziel, direkt in das Prozessabbild der Steuerung über Profinet, EtherCAT oder Ethernet (TCP/IP). Von dort löst es einen Aktor aus, etwa eine Klappe, einen Sorter oder einen Roboter. Der größte Nutzen entsteht, wenn das Ergebnis die Umlenkung steuert und nicht nur protokolliert wird.

Weiterführende Artikel

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

Weiterer Artikel im Thema: Leergut und Warenträger automatisch sortieren: Typenerkennung bei der Rückführung ins Lager

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