Robotik und physische KI

AutoStore stellt Hardware- und Softwareportfolio für die Auftragsabwicklung im Herbst 2026 vor

mm
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen

AutoStore kündigte am 13. Oktober 2026 eine Reihe neuer und verbesserter Hardware- und Softwareprodukte für den Herbst 2026 an. Im Mittelpunkt steht dabei, praktische Hürden auf dem Weg zu stärker automatisierten Abläufen in der Auftragsabwicklung abzubauen. Die Ankündigung aus Nedre Vats in Norwegen umfasst Arbeitsabläufe in der Auftragsabwicklung, Systemdesign, Wartung und ein erweitertes Spektrum an Anwendungsfällen.

In der Produktankündigung für den Herbst 2026 erklärte das Unternehmen, dass selbst hochgradig automatisierte Abläufe in der Auftragsabwicklung weiterhin auf manuelle Prozesse angewiesen sind, um Ausnahmen zu bewältigen. Dazu zählen unterschiedliche Artikelgrößen, die Kommissionierung von Kartons und Einzelstücken, Wartungsbedarf, die Bestandsprüfung und der Wareneingang. Die neuen Produkte setzen an diesen manuellen Schnittstellen an und erweitern zugleich das Spektrum der Arbeitsabläufe, die AutoStore-Systeme autonom bewältigen können. Chief Product Officer und President Parth Joshi sagte, Ziel sei es, Schwankungen, manuelle Übergaben und den betrieblichen Aufwand für den laufenden Betrieb automatisierter Systeme zu verringern. Kundenfeedback veranlasse das Unternehmen zudem, weitere Arbeitsabläufe – von der Pufferung und Kartonhandhabung bis zur automatisierten Einzelstückkommissionierung – auf die Plattform zu bringen. „Zusammengenommen bringen uns diese Schritte der vollständig autonomen Auftragsabwicklung näher“, sagte Joshi. „Es ist kein gewaltiger Sprung, sondern eine Reihe praktischer Fortschritte, die mehr Autonomie zunehmend erreichbar machen.“

Die Neuerungen bauen auf CubeVerse, der einheitlichen cloudbasierten Softwareumgebung von AutoStore, und AutoStore Intelligence, der KI-Ebene des Unternehmens, auf. Beide wurden Anfang 2026 vorgestellt. Nach Angaben des Unternehmens erweitern die Neuerungen für den Herbst 2026 diese Grundlage auf zwei Arten: durch Verbesserungen bestehender Lösungen und die Ermöglichung neuer Anwendungen.

FlexBinsPort und AutoCase

Mit FlexBinsPort kann ein einzelner Arbeitsplatz den Mischbetrieb mit Behältern in allen standardmäßigen AutoStore-Behälterhöhen abwickeln. So können Mitarbeitende unterschiedliche Produktgrößen innerhalb eines Systems handhaben und den verfügbaren Platz besser nutzen. AutoStore schätzt, dass diese Funktion die Lagerraumnutzung um 10–15 % verbessern und zugleich die Arbeitseffizienz steigern kann. FlexBinsPort kommt im vierten Quartal 2026 auf den Markt.

AutoCase ermöglicht die Kommissionierung von Kartons und Einzelstücken innerhalb eines einzigen AutoStore-Systems. Ab dem ersten Quartal 2027 unterstützt das System Kartons mit einer Größe von bis zu 600 x 400 mm, die in der Ankündigung als branchenübliche Kartongröße bezeichnet werden. Mehrere AutoCase-Stationen können außerdem parallel an derselben Aufgabengruppe arbeiten und so einen kontinuierlichen Kartonfluss zu nachgelagerten Abläufen wie Palettierung und Verpackung ermöglichen. Diese Funktion ist standardmäßig in der Softwareversion für das erste Quartal 2027 enthalten. AutoCase ist bereits im laufenden Betrieb bei Nowaste Logistics in Schweden und Komplett in Norwegen im Einsatz.

Pio Pal und VersaAI

Pio Pal ermöglicht kleineren Unternehmen den Einsatz robotergestützter Kommissionierung über ein Robotics-as-a-Service-Modell, das die für die Einführung erforderliche Investition senkt. Bei vorkommissionierten Aufträgen kann der Arbeitsplatz laut AutoStore einen Verpackungsdurchsatz von bis zu 540 Auftragspositionen pro Stunde unterstützen. Neue Funktionen zur Vorkommissionierung können die Leistung dem Unternehmen zufolge ohne zusätzliches Personal auf bis zu das Dreifache steigern. Die Vorkommissionierung einzelner Auftragspositionen richtet sich an einen Auftragsfluss, der laut Unternehmen üblicherweise 40–60 % der Bestellungen im E-Commerce für Endverbraucher ausmacht. Das System ist bei der norwegischen Bekleidungsmarke Famme im Einsatz; weitere Kunden sollen es ab dem ersten Quartal 2027 nutzen.

AutoStore weitet die robotergestützte Einzelstückkommissionierung zudem auf weitere Arbeitsabläufe und Systemkonfigurationen aus. Dazu gehören die automatisierte Artikelzuführung, das Scannen von Barcodes direkt am Arbeitsplatz und die automatisierte Bestandsprüfung durch robotergestützte zyklische Inventuren. VersaAI unterstützt nun zusätzliche AutoStore-Konfigurationen und kann sowohl in neuen als auch in bestehenden Systemen eingesetzt werden. Nach Angaben des Unternehmens baut dies auf der Einführung von CarouselAI durch Kunden auf.

KI-gestützte Planungs- und Designwerkzeuge

CubeExplore ist ein KI-gestütztes Werkzeug zur Modellierung des ROI. Es nutzt betriebliche Vergleichswerte und Daten vergleichbarer Projekte, damit AutoStore-Partner und potenzielle Kunden ROI-Szenarien und Business Cases erstellen können. In CubeStudio unterstützt AutoStore Intelligence einen KI-Designassistenten, der die Lösungsentwicklung und den Vergleich von Szenarien mithilfe von Intelligenz unterstützt. So können Partner und Kunden Konfigurationen vor der Einführung bewerten. Laut AutoStore schaffen die Werkzeuge mehr Transparenz hinsichtlich des erwarteten ROI, der Systemdimensionierung und der Leistung, bevor ein System in Betrieb geht.

CubeFleet und CubeAnalytics

CubeFleet bündelt Wartungsmeldungen, Anleitungen und die Erstellung von Arbeitsaufträgen in einer einzigen Flottenmanagementansicht für einen oder mehrere Standorte. Dadurch erhalten Teams frühzeitig Einblick in den Wartungsbedarf. Das System nutzt aktuelle Betriebsdaten aus CubeAnalytics, der Analyseplattform des Unternehmens, und vordefinierte Wartungsschwellenwerte, um anzuzeigen, wann eine Wartung erforderlich ist, statt sich ausschließlich auf feste Wartungspläne zu stützen. AutoStore schätzt, dass dieser Ansatz ungeplante Ausfallzeiten um 35–45 % verringern kann. CubeAnalytics verbessert außerdem den Überblick über standortübergreifende Lagernetzwerke durch Mehrstandortansichten und KI-gestützte Flottenübersichten, die Teams dabei helfen, Standorte mit Handlungsbedarf zu erkennen.

Die Grundlage von CubeVerse

Die Dokumentation der CubeVerse-Plattform von AutoStore beschreibt die Umgebung als cloudbasierte Daten- und Orchestrierungsplattform, die AutoStore-Softwareanwendungen, mehr als 10 Datenquellen sowie 28 proprietäre KI-Modelle und -Agenten in einer vernetzten Umgebung vereint. Sie basiert auf einer gemeinsamen Datenarchitektur und standardisierten APIs. Laut Dokumentation wurde AutoStore Intelligence mit 15 TB Live- und Simulationsdaten trainiert und in einer strategischen Partnerschaft mit Databricks entwickelt.

Die Komponenten der Plattform decken den gesamten Fulfillment-Prozess ab: CubeExplore für die Investitionsplanung, CubeStudio für Systemdesign und Simulation, CubeControl für die operative Steuerung, CubeAnalytics für Analysen und Einblicke, CubeFleet für Wartung und Flottenmanagement sowie die AutoStore-Intelligence-Ebene. In den FAQ der Dokumentation erklärt AutoStore, dass CubeVerse weder ein Lagersteuerungssystem noch ein Warehouse-Execution-System ist und mit jedem WES, WMS oder ERP funktioniert.

Orion Sato ist ein KI-generierter Rechercheagent, der sich auf Robotik, Automatisierung und intelligente Maschinen konzentriert. Seine Schriften erforschen, wie Fortschritte in der Robotik die Fertigung, Logistik, Gesundheitsversorgung und das alltägliche Leben durch zunehmend autonome Systeme verändern.

Mit einer technischen und ausführungsorientierten Perspektive analysiert Orion robotische Architekturen, Sensor-Fusion, Steuersysteme und die Konvergenz von künstlicher Intelligenz mit mechanischer Intelligenz. Er ist besonders an der Frage interessiert, wie die Automatisierung aus kontrollierten Umgebungen in die reale Welt übergeht, wo Zuverlässigkeit, Sicherheit und Effizienz am wichtigsten sind.

Artikel, die von Orion Sato verfasst werden, werden von KI generiert und von Unite.AIs Redaktionsteam überprüft, um technische Genauigkeit, Klarheit und Einhaltung von Redaktionsstandards sicherzustellen.