Executive Summary
Das DLR-Transferprojekt RYSPAS
(RY Spacecraft Production Assistance System) startete am 30.01.2026 in der
Integrationshalle des DLR-Instituts für Raumfahrtsysteme. Ziel ist es, über
zwei Jahre die Systemintegration von Raumfahrtsystemen durch robotische
Assistenz, modernes Datenmanagement und Augmented Reality
deutlich effizienter, ergonomischer und fehlerfrei zu gestalten[1]. Aufbauend auf den
Erkenntnissen des GAIA‑X-basierten COOPERANTS-Projekts soll ein zentrales
Datenmanagementsystem integriert werden, das Schnittstellen zwischen
Industriepartnern und Forschung effizient verwaltet[2][3]. Spezialisierte
Robotersteuerungssoftware soll Montageaufgaben übernehmen und Arbeiter
entlasten, während AR-Brillen digitale Bauanleitungen direkt im Reinraum
visualisieren und so Papier überflüssig machen[4][5]. Das Vorhaben wird in
enger Kooperation mit Industriepartnern getestet und weiterentwickelt. Bislang
sind Budget, Partner und Meilensteine noch offen, was die Ausarbeitung
von Varianten und Annahmen erfordert.
Einleitung
Die Montage moderner
Raumfahrtsysteme – von Satelliten bis Trägerraketen – erfordert extrem präzises
Arbeiten unter Reinraumbedingungen. Die Komponenten zeichnen sich durch höchste
Systemintegration, Leichtbau und Leistungsdichte aus, wodurch traditionelle
manuelle Prozesse an Grenzen stoßen[6]. Gleichzeitig muss die Fertigung
effizient bleiben und Fehler in der Dokumentation oder Montage vermieden
werden. Ansätze der Industrie 4.0 und digitale Assistenzsysteme (z.B. Cobots,
AR) versprechen hier Fortschritte: Roboter können schwere Teile präzise
handhaben, digitale Zwillinge und zentrale Datenplattformen die Kooperation
über Unternehmensgrenzen hinweg verbessern, und AR-Anleitungen
Übertragungsfehler von Papierprozessen eliminieren. Das DLR-Institut für
Raumfahrtsysteme adressiert diese Herausforderungen mit RYSPAS: In zwei
Jahren sollen neueste Techniken aus Robotik, Datenmanagement und AR zur
Prozessoptimierung bei der Raumfahrtsystemmontage zusammengeführt werden[1].
Hintergrund: DLR-Transferprojekte
und COOPERANTS
Als
nationales Raumfahrtforschungszentrum betreibt das DLR zahlreiche Transferprojekte,
um Forschungsergebnisse rasch in Industrieanwendungen zu überführen[7].
RYSPAS ist als solches ein internes Förderformat, das neue Technologien für die
Praxis aufbereitet (Finanzierung vermutlich über BMK bzw. BMBF). Ein direkter
Vorgänger ist das Projekt COOPERANTS (2022–2025, BMWK-Förderung), ein
GAIA‑X-Lighthouse-Projekt mit Schwerpunkt auf digitalen Prozessen in Luft- und
Raumfahrt[2][8].
COOPERANTS entwickelte sichere Datenräume und Smart Services für
dezentrale Kooperation; als Ergebnis steht heute eine GAIA‑X-konforme Plattform
(„Pontus‑X“), über die Industriepartner Daten und Services austauschen[2][3].
Der Projektverbund um DLR und Industriepartner wie Airbus, OHB, Zulieferer und
Softwarefirmen schuf Advanced Smart Services für Prozesse vom Concurrent
Engineering bis zur Inbetriebnahme. DLR (Bremer IRS) leitete COOPERANTS
federführend und brachte dort u.a. AR-Technologien für Satellitenmontage
ein[9][4].
Somit greift RYSPAS auf bewährte COOPERANTS-Techniken zurück:
Datensouveränität, offene Schnittstellen, intelligente Dienste. Dieses
Fundament soll in RYSPAS um robotische Assistenz und AR-Erweiterungen ergänzt
werden. Zusätzlich nutzt RYSPAS DLR-übergreifende Expertise: So forschen das
DLR-Institut für Robotik & Mechatronik an hochintegrierten Robotersystemen
für Raumfahrtanwendungen (On-Orbit-Servicing, teleoperierte Assistenz,
komplexe Montage)[6],
und das DLR-Institut für Softwaretechnik und Data Science an Interoperabilität
und Cloud-Lösungen. RYSPAS vereint diese Kompetenzen, um einen ganzheitlichen
Integrationsansatz zu realisieren.
Ziele und Zielsetzung von
RYSPAS
RYSPAS
strebt vier zentrale Ziele an: Erstens die Effizienzsteigerung
der Systemintegration durch Automatisierung: Roboter sollen zeitintensive
Handgriffe übernehmen und mit exakten Steueralgorithmen arbeiten. Zweitens die Ergonomieverbesserung
für Mitarbeiter: Indem Roboter Teile heben und präzise führen, werden
körperliche Belastungen reduziert. Drittens die Fehlerreduktion:
Digitale Assistenz (AR, zentralisierte Daten) verhindert Missverständnisse in
Anleitungen und minimiert Stapel- oder Dokumentationsfehler. Und viertens die Kostensenkung
durch verkürzte Montagezeiten und weniger Nacharbeit. Um diese Ziele zu
erreichen, verbindet RYSPAS drei technologische Bausteine: ein zentrales
Datenmanagementsystem, eine spezialisierte Robotersteuerungssoftware
und Augmented-Reality-Anwendungen[1]. In der
Praxis werden die entwickelten Verfahren zusammen mit Industriepartnern (z.B.
Satellitenhersteller, Systemintegratoren) im Integrationslabor erprobt. RYSPAS
hat laut DLR das Potenzial, den Bau von Raumfahrtsystemen zukünftig zu
optimieren und kostengünstiger zu gestalten[10].
Zentrales
Datenmanagement (Datenplattform)
Die
Datenplattform ist das Herzstück von RYSPAS. Sie basiert auf
GAIA‑X-Prinzipien (Federated Data Space) ähnlich wie im COOPERANTS-Projekt[2][3].
Über diese Plattform können Daten aus CAD/PLM-Systemen, Zuliefererdaten und
Messdaten einheitlich verwaltet werden. Ein wichtiges Merkmal sind feingranulare
Zugriffsrechte (Attribute Based Access Control): So lassen sich Projekte
oder Lieferantenschnittstellen gezielt freigeben. Dies ermöglicht sichere
Datenflüsse bei komplexen Multi-Partner-Entwicklungen, was laut Pontus‑X-Umfeld
„Zeit, Kosten und Fehler in komplexen Mehrlieferantenprojekten drastisch
reduziert“[3].
Die Architektur gliedert sich grob in Datenbanken/Repositorys, API-Schnittstellen
(z.B. REST/Gaia-API), Middleware (eventuell GAIA‑X-Dienste) und
Clientmodule. Die Datenplattform sammelt Informationen aus verschiedenen
Quellen: Konstruktionsdaten (3D-Modelle, Stücklisten), Produktionsdaten
(Sensoraufzeichnungen, Toleranzen) und Betriebsdaten (Testprotokolle).
Schnittstellen (z.B. OPC-UA, SQL, PLM-APIs) verknüpfen die Robotiksteuerung und
AR-Anwendungen mit dem Datenkern.
graph LR
DM["Zentrales Datenmanagement"]
AR["AR-Brille / HMI"]
RS["Robotersteuerung"]
ROB["Roboterarm / Manipulator"]
IP["Industriepartner / System"]
DM --> RS
DM --> AR
RS -->
ROB
ROB -->
DM
IP --> DM
IP --> RS
AR --> DM
Abb.
1: Systemarchitektur (Konzept): Zentrales
Datenmanagement (links) vernetzt AR-Arbeitsplätze, Robotersteuerung und
Industriepartner[1][3].
In der Umsetzung
könnten etablierte Enterprise-PLM-Systeme oder open‑source-Datenräume (z.B.
basierend auf Pontus-X) verwendet werden. Sicherungs- und Qualitätsanforderungen
spielen eine große Rolle: Datenintegrität (Versionskontrolle),
Zugriffssicherheit (Verschlüsselung, Authentifizierung) und Compliance (z.B.
NASA/DIN-Normen) müssen erfüllt sein. Ein offenes Datenmodell mit
standardisierten Ontologien für Satellitenteile und -prozesse erleichtert die
Interoperabilität. Zusätzlich könnte ein visueller Datenflussmonitor
(für Demozwecke) zeigen, wie AR-Brille und Roboter Daten aus der Plattform
abfragen und zurückschreiben.
Robotiksteuerung und -assistenz
Die Robotersteuerungssoftware
ist speziell auf Montageaufgaben in Reinraumbedingungen ausgelegt. Sie wird eng
mit den DLR-Einrichtungen im Bereich Robotik & Mechatronik abgestimmt[6]. Dabei
kommen leichtgewichtige, kollaborative Roboter (Cobots) oder Sechs- bis
Sieben-Achs-Manipulatoren zum Einsatz, die mit Kraft- und Positionssensoren
ausgestattet sind. Die Steuerungssoftware umfasst Bewegungsplanung (Trajectory
Planning), Kraft-/Momentenregelung (zur Berührungserkennung) und
Benutzerschnittstellen. Wahrscheinlich wird ROS/ROS2 oder ein vergleichbares
Framework als Basis dienen, ergänzt durch grafische Programmieroberflächen und
Echtzeitkomponenten.
Die Roboter können sowohl
vorprogrammierte Abläufe (Pick-and-Place, Schraubenmontage) als auch adaptive
Assistenz übernehmen (z.B. Helferarme für Hebeaufgaben). Schnittstellen zu
externen Sensoren (3D-Kameras, Kraftsensoren) erlauben Lageerkennung und
Fehlerdiagnose. Über das zentrale Datenmanagement bezieht die Robotersteuerung
z.B. Bauteildaten, und meldet Rückmeldungen (Sensorwerte, Prozessstatus).
Sicherheitsanforderungen (ISO 10218, ISO 13482) werden strikt berücksichtigt:
Alle Roboter arbeiten mit Sicherheitskappen, Not-Aus und ggf. gemeinsamen
Arbeitsbereichen mit Kraftbegrenzung (Kollaborationsmodus). Für die Integration
ist eine durchgängige Testinfrastruktur (Simulationsmodelle, Digital Twins)
vorgesehen.
Arbeitssicherheit und
Ergonomie: Roboter übernehmen ergonomisch belastende
Tätigkeiten (Heben schwerer Panels, ständiges wiederholtes Schrauben) und
schützen den Mitarbeiter vor Gefahren (Reinraum-Contamination, Stürzen). Für
die Mensch-Roboter-Kooperation werden Algorithmen zur sicheren Bahnplanung und
Kollisionsvermeidung verwendet (z.B. adaptiver Pfadplanung basierend auf
3D-Lidar). Darüber hinaus könnten Hilfsmittel wie Exoskelette kurzzeitig
eingesetzt werden.
Augmented Reality (AR)
in der Montage
AR-Anwendungen visualisieren digitale Inhalte direkt im Montagebereich: Ingenieure
tragen Datenbrillen (z.B. Microsoft HoloLens oder ähnliche) und sehen
überlagert dreidimensionale Arbeitsanleitungen auf dem realen Objekt. Ein
Konsortialbeitrag des DLR IRS im COOPERANTS-Projekt entwickelte eine AR-Lösung
genau für Satellitenmontage[4]. Dort
wurde herausgearbeitet: „Mit Augmented Reality machen wir das Papier entlang
der gesamten Produktionskette überflüssig. Wir vermeiden Fehler, vereinfachen
Prozesse, beschleunigen sie und gestalten sie effektiver“[4].
AR-Brillen zeigen Schritt-für-Schritt-Animationen (Position von Einbauteilen,
Drehmomentvorgaben), Qualitäts-Checks und Warnhinweise direkt ins Sichtfeld.
Daten kommen dabei aus dem
zentralen Datenmanagement: Stücklisten, 3D-Modelle oder CAD-Hinweise werden in
die Brille gestreamt. Träger können sprachgesteuert oder per Gestenfeedback
Informationen anfordern. Die Qualität der AR-Implementierung misst sich an
Nutzerakzeptanz (Usability), Systemlatenz (minimale Verzögerung) und
Korrelation der virtuellen Objekte mit der Realität (markerbasiert oder
Simultaneous Localization and Mapping – SLAM). Fehlerreduktion tritt ein, weil
Engpässe wie veraltete Pläne oder fehlende Updates entfallen: Änderungen in der
Stückliste spiegeln sich sofort in der AR-Anleitung. Studien zeigen zudem, dass
AR-Arbeitsanweisungen die Fehlerrate und Einarbeitungszeiten von Technikern
deutlich senken. In RYSPAS wird das AR-System eng mit Robotik und
Datenplattform verzahnt: Beispielsweise könnte eine AR-Anzeige automatisch
einen Roboter in Bereitschaft setzen, sobald der Techniker einen bestimmten
Schraubschritt initiiert.
Mögliche
Implementierungsansätze
Die
Implementierung von RYSPAS kann in mehreren Variante(n) erfolgen. Eine
robuste Lösung könnte auf einem modularen Software-Stack basieren: Ein
GAIA‑X Data Space (z.B. Pontus‑X) als Datenplattform; ROS/ROS2 und EtherCAT für
die Robotiksteuerung; Unity oder WebXR für die AR-Client-Apps. Die Hardware
umfasst einen oder mehrere Industrieroboter (z.B. KUKA iiwa oder Universal
Robots UR-Reihe), AR-Brillen (HoloLens 2 oder RealWear HMT-1) und Server für
Datenhaltung (Cloud oder lokaler High-Performance-Server). Interfaces könnten
REST-APIs oder OPC-UA nutzen.
Alternativ wäre ein Szenario
mit Edge-Computing möglich: Lokale Server im Reinraum übernehmen
KI-Aufgaben (z.B. visuelle Bauteilerkennung), um Latenz zu minimieren. Die
Datenplattform könnte entweder rein intern (DLR-Cluster) oder über den GAIA-X
Verbund betrieben werden, je nach Sicherheitsanforderungen. Für AR besteht die
Wahl zwischen gekoppelten (vernetztes Tablet/Brille) vs. autarken Geräten
(Standalone-Brille). Für die Robotersteuerung kommt ein hybrider Ansatz
infrage: Übergabe schwerer Teile durch einen Roboter, während ein Mensch (über
AR geführt) Feinarbeiten übernimmt. Dabei könnten auch mobile
Roboterplattformen (AGVs mit Manipulator) erprobt werden, um Teile autonom
an den Einsatzort zu transportieren.
Da Budget, Partner und genaue
Spezifikation nicht festliegen, sind mehrere Szenarien denkbar: Vom kleinen
DLR-internen Demonstrator (wenige hunderttausend Euro, begleitend durch
Gastraum und studentische Hilfskräfte) bis zum größeren Industrieprojekt mit
Subunternehmen (>1 Mio €). Als Partner kommen sowohl große
Raumfahrtunternehmen (z.B. OHB, Airbus, Thales) als auch spezialisierte KMU
(Autoren der COOPERANTS-Plattform, PLM-Anbieter wie itemis/valispace) in Frage.
Externe AR-Spezialisten (Fraunhofer IAO, RWTH U, IBM) oder Robotikfirmen (KUKA,
ABB) könnten systematische Unterstützung leisten. In jedem Fall ist eine enge Kollaboration
zwischen DLR-Instituten (Space Systems, Software Tech, Data Science, Robotik)
und Industrie essenziell, um Software- und Hardware-Komponenten integrativ
abzustimmen.
Risiken, Ergonomie-
und Fehlerreduktionsstrategien
Risiken: Technologisch besteht die Gefahr, dass die komplexe Integration zu
Verzögerungen führt: z.B. Entwicklungsaufwand für stabile GAIA‑X-Integration,
Kompatibilitätstests von Robotersteuerung mit Reinraum-Schnittstellen oder
AR-Streaming unter Reinraumbedingungen. Ein weiteres Risiko ist die Akzeptanz:
Facharbeiter müssen die neuen Systeme annehmen; intensive Schulungen oder
Widerstände gegenüber AR/Datenbrillen wären denkbar. Zudem müssen
regulatorische Vorgaben (Luftfahrtqualität, Sicherheitsnormen für
Elektromagnetik, Reinraumzulassung) eingehalten werden. Auch Cybersecurity
(insbesondere Datenraum) ist kritisch, da IP-Schutz in der Raumfahrt höchste
Priorität besitzt.
Ergonomie: Durch den Einsatz der Roboter werden physisch belastende Tätigkeiten
(Heben, Halten in Zwangshaltung) minimiert. Die AR-Anwendungen geben den
Mitarbeitern ihre Kognitiven Ressourcen zurück, da sie nicht zeitgleich
Anleitungen nachschlagen oder Dokumente blättern müssen. Die Hände bleiben
frei, da AR-Informationen im Sichtfeld erscheinen[11].
Zur Sicherstellung der Ergonomie können standardisierte Bewertungstools (z.B.
RULA/REBA-Analysen, NASA-TLX Fragebögen) eingesetzt.
Fehlerreduktionsstrategien: Zentraler Ansatz ist das "Zero-Defect"-Prinzip: Jede
Prozessstufe speichert ihre Ergebnisse und Validierungen im Datenmanagement,
sodass Unstimmigkeiten sofort auffallen. Beispielsweise könnten
Gewichtssensoren am Robotergreifer prüfen, ob das richtige Teil gegriffen
wurde; AR kann visuelle Marker einblenden, die korrekte Teilorientierung
bestätigen. Bereits im Konzept werden Checks definiert (z.B.
„Pokayoke“-Prinzipien aus dem Qualitätsmanagement): Jede Montageaktion wird
durch Leitplanken (Sequenzkontrolle, Berechtigungspflege) abgesichert. Die
AR-Software selbst weist automatisch auf vergessene Schritte hin. Dadurch sinkt
die Wahrscheinlichkeit, dass Bauteile falsch verbaut werden oder
Dokumentationen fehlen.
Architektur- und
Schnittstellen: Der Datenfluss ist so ausgelegt, dass
jeder Integrationsschritt nachvollziehbar protokolliert wird (Audit-Trail).
Systemarchitektur und Datenflüsse lassen sich in einem einfachen Diagramm
zusammenfassen (siehe Abb. 1). Eine Besonderheit ist der Umgang mit Inkrementaler
Digitalisierung: RYSPAS baut auf vorhandenen Systemen auf (vorhandene
PLM-Systeme, MES), statt alles neu zu entwickeln. Das reduziert Risiko und
erleichtert Einführung.
Zeitplan und Meilensteine
|
Phase |
Zeitraum |
Wichtige
Meilensteine / Deliverables |
|
Konzept & Design |
Jan–Mai 2026 |
Kick-off (30.01.2026), Pflichtenheft
& Architekturentwurf (Mai 2026) |
|
Prototypenentwicklung |
Jun–Sep 2026 |
Entwicklungsprototypen: DM-System,
Robotik-Software, AR-Anwendung |
|
Integration & Test I |
Okt 2026–Mär 2027 |
Zusammenführung der Prototypen,
Integrationstests, Vorbereitung Demonstrator |
|
Zwischenpräsentation |
Apr 2027 |
Meilenstein: Statusvorstellung,
Evaluation (inkl. 1. Überprüfung) |
|
Integration & Test II |
Apr–Dez 2027 |
Fortlaufende Optimierung,
End-to-End-Test, Validierung im Einsatzzweck |
|
Abschluss |
Jan 2028 |
Abschlusspräsentation,
Technologiedemonstration |
gantt
title RYSPAS
Zeitplan (Jan 2026 – Jan 2028)
dateFormat YYYY-MM-DD
section
Konzept und Design
Kick-off-Meeting : milestone, kick, 2026-01-30, 1d
Konzepterstellung :
2026-01-31, 2026-03-31
Anforderungen und Architektur : 2026-04-01, 2026-05-31
section
Entwicklung
DM-Systementwicklung :
2026-06-01, 2026-09-30
Robotersteuerung-Software :
2026-06-15, 2026-10-15
AR-Anwendung :
2026-07-01, 2026-10-01
section
Integration & Test
Integrierte
Tests I : 2026-10-02,
2027-03-31
Zwischenpräsentation (Meilenstein) : milestone, mid, 2027-04-01, 1d
Integrierte
Tests II : 2027-04-02,
2027-12-15
Abschlusspräsentation (Meilenstein) : milestone, final, 2028-01-30, 1d
Abb. 2: Zeitstrahl des Projekts über die zweijährige Laufzeit (inkl.
Meilensteine).
KPIs,
Evaluationsmethoden und Validierungsplan
Für
die Erfolgskontrolle werden klare Key Performance Indicators (KPIs)
festgelegt. Beispiele sind:
|
KPI |
Beschreibung |
Messgröße
/ Methode |
|
Integrationsdauer |
Zeitbedarf für
gesamte Montage |
Vergleich zu
Basiszeit (historisch), Zeitstudie in Pilotläufen |
|
Montage-Fehlerquote |
Anteil fehlerhaft
montierter Bauteile |
Zählung von
Abweichungen pro Batch, Nacharbeiten |
|
Ergonomieindex |
Physische Belastung
der Mitarbeiter |
Bewertung mittels
standardisierter Ergonomie-Checks (z.B. RULA) und Fragebögen |
|
Datenkonsistenz |
Vollständigkeit und
Richtigkeit des Datenflusses |
Anzahl korrigierter
Fehler im Datenbestand, Daten-Quality-Reports |
|
Prozesskosten |
Kostenaufwand pro
Systemsatz |
Budgetabweichung,
Stundenaufwand im Vergleich |
|
AR-Nutzerakzeptanz |
Zufriedenheit der
Techniker mit AR-Unterstützung |
Umfrage
(Likert-Skala) und Beobachtungsstudien bei Nutzertests |
|
Technologie-Adoption |
Grad der Nutzung von
Robotik/AR im Ablauf |
Anzahl durch Roboter
ausgeführter Schritte, Häufigkeit AR-Einsatz |
Zur Erhebung werden Messkampagnen
geplant: Im ersten Projektjahr Prototypentests im DLR-Integrationslabor mit
Kontrollgruppe (ohne Assistenz) vs. Versuchsgruppe (mit System). Messungen umfassen
Zeitaufnahmen, Fehlerprotokolle und Fragebögen. Zusätzlich soll ein
Pilotversuch in einer Industrieumgebung (z.B. bei OHB) stattfinden, um
Realbetriebsszenarien zu validieren. Die Datensammlung erfolgt digital über das
zentrale System; so können Metriken automatisiert ausgewertet werden.
Der Validierungsplan
sieht mehrstufige Reviews vor: Regelmäßige interne Meilenstein-Reviews (Design,
Prototyp, Pre-Validation) und einen abschließenden Technik-Demonstrator mit
externen Prüfern. Evaluierungsmethoden beinhalten Funktionstests (Erfüllung
technischer Spezifikation), Akzeptanztests (Interviews), Leistungstests
(Vergleich Vorher-Nachher) und Stress-Tests (bewusste Fehlerinduktion, um
Fehlertoleranz zu prüfen).
Partnerkategorien und Rollen
Mögliche
Projektpartner gliedern sich in folgende Kategorien:
|
Partnerkategorie |
Beispiele
(mögliche Partner) |
Rolle im
Projekt |
|
Raumfahrt-Hersteller |
Airbus
Defence & Space, OHB Systems, Thales Alenia Space |
Anwender/Anforderer,
Integrationsexperten für Satellitenbau |
|
Robotik-/Automatisierung |
KUKA, ABB Robotics, Fraunhofer
IPA |
Entwicklung und Anpassung von
Robotiklösungen, Systemintegration |
|
Software/PLM-Anbieter |
Valispace, itemis, Siemens
Digital Industries |
Bereitstellung von
Datenmanagement-Tools, PLM/PLattform-Anbindung |
|
AR-/IT-Entwickler |
Microsoft (HoloLens), Meta,
Fraunhofer IAO |
Realisierung der AR-Software,
Usability-Design, Visualisierung |
|
Forschungseinrichtungen |
DLR-Institute
(Space, Data Science, Robotik), Universitäten (Uni Bremen) |
Forschungspartner, Risiko- und
Evaluationsstudien, KI/Algorithmen |
|
Normung/Behörden |
ESA, DIN, BMBF/BMWK |
Rahmenbedingungen,
Sicherheitsrichtlinien, Förderung/Finanzierung |
Jeder Partner bringt spezifisches
Know-how ein: Raumfahrtunternehmen liefern die use cases und Prüfumgebungen,
Robotik- und Softwarefirmen entwickeln die Technologien,
Forschungseinrichtungen führen Analysen durch und koordinieren. Eine klare
Rollenverteilung (z.B. Projektleitung DLR, Gesamtintegration DLR, Teilaufgaben
an Industrie/Partner) muss zu Beginn definiert werden.
Kommunikations- und
Transferstrategie
Die
Überführung der Ergebnisse in die Industrie soll aktiv begleitet werden. Dazu
gehören Fachpublikationen (z.B. in Konferenzbänden wie IAC,
Fachzeitschriften) und DLR-Dokumentationen. Regelmäßige Workshops
oder Tech-Demos (z.B. auf Raumfahrt-Kongressen und Messen wie ILA Berlin, Space
Tech Expo) stellen den Wissenstransfer sicher. Gezielte Schulungsangebote
für Industriepartner, Webinare und Whitepaper dienen der Verbreitung von
RYSPAS-Lösungen.
Intern wird RYSPAS in den
DLR-weiten Transfer etabliert: Beispielsweise können erfolgreiche Komponenten
(digitale Plattform, AR-App) in das DLR-Virtual Product House (VPH) eingebracht
werden[12].
Synergien mit anderen Projekten (z.B. Clean Aviation, LuFo)
werden geprüft. Medienarbeit (Pressemitteilungen wie diese, Social Media)
kommuniziert Teilerfolge. Langfristig wird angestrebt, die RYSPAS-Methoden in
Industriesektoren zu überführen – sei es durch Lizenzierung der Software oder
durch Beteiligung der Industriepartner an Nachfolgeprojekten.
Offene Fragen und Annahmen
Einige Unklarheiten
und Annahmen prägen den Projektplan: Das Gesamtbudget ist noch offen
(übliche DLR-Transferprojekte bewegen sich im niedrigen Millionenbereich). Die genauen
Partner stehen noch nicht fest; zur Planung gehen wir von einem gemischten
Konsortium aus Industrie und Forschung aus. Technische Spezifikationen
(etwa Anzahl Roboter oder Wahl der AR-Hardware) werden flexibler gehandhabt:
Unterschiedliche Konfigurationen werden geprüft, wobei Offenheit für
verschiedene Hersteller besteht. Als Annahme gilt, dass die
GAIA‑X-Infrastruktur (Pontus‑X) im Projektverlauf stabil verfügbar bleibt.
Ungeklärt ist auch, welche
bestehenden IT-Systeme der Partner (z.B. PLM-Systeme) integriert werden müssen
– hier sind Schnittstellenanpassungen ein Risiko. Sicherheitstechnisch müssen
weiterhin Anforderungen aus der Luftfahrt (z.B. Weltraum-Qualitätssicherung)
verifiziert werden. Im Projektbericht wird vermerkt, dass diese Punkte während
der Detailplanung evaluiert werden (z.B. Sicherheits-Reviews,
Schnittstellen-Analysen). Abschließend zeigt sich: RYSPAS steht auf einem
soliden techniknahen Fundament, doch zum Erfolg müssen diese Annahmen
validiert und die offenen Fragen in den ersten Projektmonaten systematisch
adressiert werden.
Quellen:
Offizielle DLR-Nachricht zum RYSPAS-Kickoff[1],
DLR-Informationen zu COOPERANTS und Pontus-X[2][3],
DLR-AR-Anwendungsberichte[4] sowie DLR/
Fraunhofer-Robotikbeschreibungen[6]. Alle Inhalte
wurden aus diesen Quellen entnommen und für RYSPAS kontextualisiert.
[1] [10] RYSPAS: Smarte Systemintegration
für die Raumfahrt
https://www.dlr.de/de/irs/aktuelles/nachrichten/ryspas-smarte-systemintegration-fuer-die-raumfahrt
[2] COOPERANTS
https://www.dlr.de/en/dw/research-transfer/projects/cooperants
[3]
Pontus-X Ecosystem
[4] [11] Deutsche Gesellschaft für Luft-
und Raumfahrt - Lilienthal-Oberth e.V. - DGLR: Willkommen im digitalen
Ökosystem! Wie ein Datenraum die Luft- und Raumfahrt effizienter macht
https://www.dglr.de/?id=68&tx_ttnews[tt_news]=1259
[5] [6] Abteilung Mechatronische Systeme
https://www.dlr.de/de/rm/ueber-uns/abteilungen/mechatronische-systeme
[7] Forschung und Transfer
https://www.dlr.de/de/forschung-und-transfer
[8] [12] Digitalisierung - Aviaspace
Bremen
https://www.aviaspace-bremen.de/digitalisierung/
[9]
DLR - German Aerospace Center - COOPERANTS
https://cooperants.de/en/partner/deutsches-zentrum-fuer-luft-und-raumfahrt-dlr/
Keine Kommentare:
Kommentar veröffentlichen