Im Labor Automatisierungstechnik sind moderne Steuerungssysteme, produktionsnahe Software-Systeme sowie Digitalisierungslösungen (Industrie 4.0) implementiert und werden sukzessive in Forschungsarbeiten weiterentwickelt. Dabei wird das komplette Spektrum der Automatisierungspyramide von der Sensor-Aktor-Ebene über die Steuerungstechnik (z.B. SPS) bis zur MES-Ebene (Manufacturing Execution Systems) abgebildet.
Der industrielle Einsatz dieser Systeme wird den Studierenden anhand praktischer Anwendungsszenarien vermittelt. Im Praktikum lernen diese wichtige Begriffe der Automatisierungstechnik und der produktionsrelevanten Softwaresysteme einzuordnen. Das Ziel des Praktikums ist, ein vertieftes Verständnis der Sprache, Ziele, Potenziale, Arbeitsweisen und technischen Realisierungen der Automatisierungs- und Softwaretechnik aufzubauen.
In Bachelor- und Masterarbeiten erfolgt die Entwicklung und Umsetzung neuer MES- und Digitalisierungslösungen zusammen mit industriellen Partnern. Dabei werden die Lösungen im Labor erprobt und die Ergebnisse anschließend zu den Partnern transferiert.
Campus | Ansbach |
Raum | 51.1.1 |
Studiengänge | N.N. |
Ansprechpersonen | Prof. Dr.-Ing. Jürgen Göhringer Dierk Seifert |
MES-Software / PPS-Software
MES-System Siemens SIMATIC IT - Scheduling Preactor (10 Arbeitsplätze)
MES-Systeme Hydra der Firma MPDV (8 Arbeitsplätze)
Funktionen: Feinplanung, Auftragssteuerung, BDE/MDE, Werkzeugmanagement, Produktrückverfolgung, KPIs/OEE
Virtuelles Engineering
Software zur Anlagenmodellierung und –programmierung (Festo Ciros)
Pneumatik / Elektropneumatik
Festo-Pneumatik und Elektropneumatik, Schaltungserstellung, Simulation, Festo-PC-Schulungssoftware
Steuerungstechnik
SPS-Programmiersystem (Siemens SIMATIC TIA Portal), SPS gesteuerte Bohrstation (Festo), SIMATIC S7 Steuerungen (real/virtuell) und HMI Festo Schulungssoftware SPS Wago PLC mit OPC UA
Robotik
Kuka-Roboter KR6 R900 Entwicklungsumgebung zur virtuellen Roboterprogrammierung (Kuka-Simulation, 15 Arbeitsplätze)
Cloud-Software
Cloud-Lösung mit Reporting und Machine Learning Konzepten zum Monitoring von SPS-gesteuerten Anlagen (Eigenentwicklung)
© 2025 Hochschule Ansbach