Case Study

Saipem steigert Sicherheit und Effizienz durch autonome Industrie-Inspektionen

Saipem hat eine neue Plattform für das Management autonomer Roboter eingeführt. Durch den Einsatz vierbeiniger Laufroboter – wie dem Go2 von Unitree – werden industrielle Inspektionen nicht nur sicherer, sondern auch präzise reproduzierbar und skalierbar.

DIE Herausforderung

Effizientes Management von Inspektionsmissionen in komplexen, unstrukturierten und gefährlichen Industrieumgebungen: Zugänglichkeit, Konnektivität und Datenvolumen für maximal standardisierte und reproduzierbare Abläufe

Das SZENARIO

Autonome Robotik für komplexe industrielle Inspektionen

Industrielle Inspektionen werden immer komplexer – insbesondere dort, wie Anlagen über weitläufige Standorte verteilt sind, die betriebliche Kontinuität entscheidend ist und viele Bereiche für das Personal nur schwer oder unter Risiko zugänglich sind. Vor diesem Hintergrund hat Saipem – ein weltweit führendes Unternehmen für Engineering und Großprojekte im Energie- und Infrastruktursektor – sein Inspektionsmodell weiterentwickelt, um Sicherheit, Effizienz und Wiederholbarkeit optimal zu vereinen.

Dabei ging es nicht nur darum, Robotik vor Ort einzuführen. Die Lösung sollte integriert und skalierbar sein und den realen Bedingungen industrieller Umgebungen gerecht werden: Diese sind oft unstrukturiert, bieten nur begrenzte Konnektivität und stellen hohe Anforderungen an Cybersicherheit und Datenschutz. Gemeinsam mit Roboverse Reply wurde daher eine Plattform für das autonome Roboter-Management entwickelt und implementiert. Sie orchestriert die Robotereinsätze, sammelt Felddaten und erstellt ein digitales Abbild der inspizierten Umgebung, was die Verknüpfung von physischen Anlagen und digitalen Prozessen maßgeblich stärkt.

die Lösung

Cloud und Infrastructure as Code: eine hochmoderne Middleware

Die neue Plattform für das autonome Robotermanagement integriert den vierbeinigen Laufroboter Unitree Go2, der mit einem 3D-Laserscanner, einem Bordcomputer sowie einer maßgeschneiderten Nutzlast ausgestattet ist. Sie ermöglicht es dem Bedienpersonal, autonome Missionen über eine intuitive grafische Benutzeroberfläche zu konfigurieren und zu starten – ganz ohne spezielle Robotikkenntnisse.

Der Roboter navigiert autonom durch die Umgebung, erstellt und aktualisiert in Echtzeit eine dreidimensionale Karte des Standorts und sammelt dabei visuelle sowie räumliche Daten. Diese Inspektionsdaten werden lokal auf dem Roboter gespeichert und automatisch mit dem zentralen System synchronisiert, sobald eine Verbindung besteht. Das gewährleistet die betriebliche Kontinuität selbst in komplett vom Netzwerk getrennten Umgebungen. Zudem werden während der Missionen aufgenommene Bilder mittels Computer Vision automatisch anonymisiert, um die Einhaltung der Datenschutzbestimmungen sicherzustellen.

Die Plattform basiert auf einer offenen Architektur, die mit verschiedenen Robotertypen und Drohnen kompatibel ist, und unterstützt die zentrale Bereitstellung über mehrere Standorte hinweg. Eine physikbasierte PhysX-Simulationsumgebung sowie RTX-Rendering ermöglichen es, neue Anwendungsfälle in einer virtuellen Nachbildung der Betriebsumgebung zu testen und zu validieren, noch bevor die physische Umsetzung erfolgt.

Das Ergebnis

Weniger Risiken, mehr Daten und kontinuierlicher Betrieb: ein neues Inspektionsmodell für Saipem

Dank der neuen Plattform hat Saipem die Voraussetzungen geschaffen, um sein Inspektionsmodell sicherer, kontinuierlicher und digitaler zu gestalten. Die wichtigsten Ergebnisse betreffen sowohl den täglichen Betrieb als auch die Möglichkeit, das Modell auf neue Anwendungsszenarien auszuweiten:

Mehr Sicherheit
für das Personal

Inspektionsaktivitäten in gefährlichen oder schwer zugänglichen Umgebungen werden jetzt von Robotern durchgeführt, wodurch das direkte Risiko für das Bedienpersonal erheblich minimiert wird.

Höhere
betriebliche Effizienz

Der autonome Missionsmodus und die intuitive Touch-and-Go-Oberfläche verkürzen die Rüst- und Startzeiten. Dies ermöglicht häufigere Inspektionen, ohne den betrieblichen Aufwand zu erhöhen.

Datenqualität
und -konsistenz

Präzise Datenlokalisierung und standardisierte Erfassungsprotokolle gewährleisten langfristig exakte, reproduzierbare und vergleichbare Ergebnisse – völlig unabhängig von der jeweiligen Person oder dem Standort.

Sicherstellung
der Betriebskontinuität

Die „Offline-First“-Architektur hebt die Abhängigkeit von Netzwerkverbindungen auf. Dadurch funktioniert die Plattform selbst in den abgelegensten und isoliertesten Umgebungen absolut zuverlässig.

Zukunftssichere
Skalierbarkeit

Die Plattform ist für die Erweiterung auf neue Standorte, Robotertypen und Anwendungsfälle ausgelegt. Dies schließt auch die künftige Integration von KI-Modellen zur automatischen Anomalieerkennung und vorausschauenden Wartung ein.

Saipem ist ein internationaler Konzern, der auf Engineering- und Bauleistungen für den Energiesektor spezialisiert ist. Mit einer Präsenz in über 60 Ländern und einem Portfolio, das von der Upstream-Öl- und Gasindustrie bis hin zu Infrastrukturen für erneuerbare Energien reicht, ist Saipem in einigen der komplexesten und abgelegensten Regionen der Welt aktiv. Das Unternehmen investiert kontinuierlich in technologische Innovationen, um die Sicherheit, Effizienz und Nachhaltigkeit seiner Betriebsabläufe stetig zu verbessern.

Roboverse Reply

Roboverse Reply begleitet Unternehmen bei der Umsetzung anspruchsvoller Automatisierungsvorhaben. Als Spezialist für Robotik, 3D-Technologien und Agentic AI unterstützen wir unsere Kunden ganzheitlich – von der Strategie bis zum produktiven Betrieb. Wir automatisieren Inspektions-, Materialfluss- und Routineaufgaben und orchestrieren heterogene Roboterflotten zu einem reibungslosen Gesamteinsatz. Digitale Zwillinge schaffen dabei Transparenz, erlauben vorab simulierte What-If-Szenarien und bilden die Grundlage für KI-gestützte Prozessoptimierung. So minimieren wir Investitionsrisiken, erhöhen die operative Agilität und helfen unseren Partnern, Robotik nachhaltig und zukunftssicher zu skalieren.