Ultralytics YOLO27: Trag dich in die Warteliste ein.
YOLO lizenzieren
17. September 2026

SK Godelius erkennt mit Ultralytics YOLO 3.400 Fehler an Förderbändern im Bergbau

Erfahre, wie SK Godelius mit Ultralytics YOLO die Erkennung von Fehlern und Anomalien automatisiert und so die Sicherheit in Bergbaubetrieben erhöht und Arbeitsabläufe optimiert.

SK Godelius erkennt mit Ultralytics YOLO 3.400 Fehler an Förderbändern im Bergbau
Industry
Fertigung und Industrie
95 %
Durchschnittliche wöchentliche Abdeckung der Förderbänder im Bergbau
3400+
Erkannte Anomalien, von denen 900 als „kritisch“ eingestuft wurden

Die Inspektion von Bergbau-Förderbändern ist gefährlich, langsam und uneinheitlich. Diese Förderbänder können sich kilometerweit durch Tagebau und Untertagebergwerke erstrecken. Dabei sind Inspektionsteams saurem Staub, extremer Hitze, UV-Licht und unbequemen Arbeitshaltungen ausgesetzt.

Traditionell muss ein Beschäftigter die gesamte Länge des Förderbands ablaufen und den Zustand Tausender Komponenten mit bloßem Auge beurteilen. Harte Bedingungen und die Schwierigkeit, sich genau zu merken, welches Teil wo ausfiel, machen diese Aufgabe noch schwieriger.

SK Godelius hilft Bergbauunternehmen dabei, diese wichtigen Anlagen mithilfe von Robotik, Bildverarbeitung und multimodaler Sensorik zu überwachen und instand zu halten. Mit Ultralytics YOLO-Modellen können die Roboter des Unternehmens beispielsweise neben Förderbändern herfahren und Komponenten wie Tragrollen automatisch erkennen. Dabei markieren sie Rollen, die fehlen, blockiert sind oder überhitzen.

Robotik und KI in die härtesten Bergwerke der Welt bringen#

SK Godelius ist ein seit 2011 tätiges Ingenieur- und Robotikunternehmen mit Niederlassungen in Chile, Kanada und Australien. Das Unternehmen vereint Robotik, künstliche Intelligenz, Ingenieurwesen und fundiertes Fachwissen im Bergbau, um Technologien für anspruchsvolle Bedingungen zu entwickeln. Im Laufe der Jahre hat diese Technologie verändert, wie Bergwerke mit Sicherheit und Effizienz umgehen.

Entscheidend ist, dass das Unternehmen nicht nur Code schreibt, sondern die Maschinen selbst entwirft und baut: Roboter mit eigenen Sensoren, Kameras, Prozessoren und integrierter Intelligenz, die im Tagebau und unter Tage mit wenig oder ganz ohne menschliche Überwachung arbeiten können.

Ein zentrales Ziel dieser Arbeit ist es, Menschen aus Gefahrenbereichen herauszuhalten. Bei Inspektionen im Bergbau kommen Beschäftigte oft in engen Kontakt mit gefährlichen Bedingungen. SK Godelius möchte diese risikoreichen manuellen Aufgaben durch autonome Systeme ersetzen, die sie sicherer und zuverlässiger erledigen können.

Durch die Kombination von Robotik und KI ermöglicht das Unternehmen Bergbaubetreibern, den Zustand ihrer Anlagen zuverlässig und reproduzierbar zu beurteilen. So wird eine einst gefährliche manuelle Aufgabe zu einem standardisierten, datengestützten Prozess.

Die versteckten Kosten manueller Förderbandinspektionen#

Förderbänder sind das Rückgrat eines Bergwerks: Sie transportieren kontinuierlich Erz über Entfernungen von mehreren Kilometern. Damit sie betriebsfähig bleiben, müssen sie regelmäßig inspiziert werden. Traditionell bedeutete das, dass Beschäftigte die gesamte Förderstrecke zu Fuß abgingen.

Im Tagebau findet diese Arbeit bei starker Sonneneinstrahlung, Staub, Säuredämpfen und über lange Zeit in unbequemen Körperhaltungen statt. Unter Tage herrschen andere Bedingungen, etwa enge Räume, wenig Licht, schlechte Belüftung und eingeschränkte Sicht.

In beiden Umgebungen kommen Beschäftigte bei Inspektionen anspruchsvollen und mitunter gefährlichen Bedingungen nahe. Zudem lässt sich die manuelle Vorgehensweise nur schwer einheitlich gestalten.

Eine einzelne Person, die kilometerlange Förderbänder abläuft, kann sich nicht ohne Weiteres jeden Fehler merken: Welche Tragrolle überhitzte, welche stehen geblieben war und wo genau das Problem lag. Verschiedene Schichten melden möglicherweise unterschiedliche Dinge. Dadurch kann dasselbe Förderband von einem Tag auf den anderen unterschiedlich bewertet werden, was es erschwert, Probleme nachzuverfolgen oder Muster im Zeitverlauf zu erkennen.

Diese Uneinheitlichkeit verursacht reale Kosten. In einem großen Bergwerk kann ein ausgefallenes Förderband durch Produktionsausfälle bis zu 100.000 $ pro Stunde kosten. Die Reparatur eines gerissenen Bands kann ein oder zwei ganze Schichten dauern. Ohne vollständige, einheitliche Daten reagieren Betreiber oft erst auf Ausfälle, statt sie zu verhindern.

Förderbandinspektionen mit Ultralytics YOLO#

Um Inspektionen zu automatisieren, setzt SK Godelius eine Roboterplattform ein, die neben der Förderstrecke entlangfährt und dabei Bild-, Wärme- und Akustikdaten erfasst.

Jeder Sensor hat eine bestimmte Aufgabe: Die Akustikanalyse erkennt Probleme an den Tragrollen, bevor sie sich durch Wärme bemerkbar machen. Wärmebildkameras zeigen, welche Komponenten heiß laufen, und eine Pipeline für Bildverarbeitung mit KI, die Ultralytics YOLO-Modelle nutzt, wertet die Bilddaten in Echtzeit aus.

Ein Roboter von SK Godelius inspiziert mit Ultralytics YOLO ein Bergbauförderband

Abb. 1. Ein Roboter von SK Godelius inspiziert ein Förderband mit Ultralytics YOLO (Quelle).

Von den mehr als 50 Ausfallarten an Förderbändern, die SK Godelius erfasst, sind etwa 20 visuell erkennbar und werden über die Bildverarbeitungspipeline erfasst. Die übrigen Ausfallarten werden mithilfe ergänzender Sensortechnologien erkannt. Da Ultralytics YOLO-Modelle Aufgaben der Bildverarbeitung wie die Objekterkennung unterstützen, kann das System die Komponenten und Zustände identifizieren, die an einer Förderstrecke am wichtigsten sind. YOLO ist damit ein zentraler Bestandteil einer umfassenderen multimodalen Inspektionslösung.

Das bedeutet, einzelne Tragrollen zu erkennen und zu markieren, wenn sie fehlen oder sich nicht mehr drehen, Materialansammlungen unter dem Band aufzuspüren und alles zu erfassen, was vom Normalzustand der Strecke abweicht – etwa ein offen gelassenes Schutzgitter oder ein Gegenstand beziehungsweise Fahrzeug an einer Stelle, an der es nicht sein sollte.

Um auch unter diesen anspruchsvollen Bedingungen zuverlässige Erkennungen zu gewährleisten, begann SK Godelius mit Ultralytics YOLOv8 und ist inzwischen auf Ultralytics YOLO11 umgestiegen. Das Unternehmen nutzt die mittelgroße Modellvariante, die ein gutes Verhältnis von Geschwindigkeit und Genauigkeit bietet, und führt sie direkt auf der Hardware des Roboters am Einsatzort statt in der Cloud aus. So findet die Erkennung direkt an der Förderlinie statt.

Warum Ultralytics YOLO-Modelle wählen?#

Für SK Godelius liegt der wichtigste Vorteil der Ultralytics YOLO-Modelle in ihrer Genauigkeit. An einer Förderstrecke muss das System genau erkennen, welche Komponente ausfällt und wo sie sich befindet. YOLO liefert die präzisen Erkennungen, die nötig sind, um ein bestimmtes Teil während der Inspektion entlang der Strecke genau zu lokalisieren.

Ultralytics YOLO auf einem Roboter zur Inspektion von Bergbauförderbändern

Abb. 2. Ultralytics YOLO im Einsatz auf Bergbauförderbändern (Bildquelle: Godelius).

Ebenso wichtig ist die Einheitlichkeit. Eine einzelne Person, die kilometerlange Förderbänder abläuft, kann nicht jeden Fehler zuverlässig erkennen und im Gedächtnis behalten. Ein auf YOLO basierendes Bildverarbeitungsmodell beurteilt die Strecke dagegen jedes Mal auf dieselbe Weise. Diese einheitlichen Erkennungen fließen in die umfassendere Inspektionsplattform von SK Godelius ein, die daraus standardisierte Berichte, Rückverfolgbarkeit und Instandhaltungsabläufe erstellt und so fundiertere Entscheidungen unterstützt.

Die Modelle laufen außerdem effizient direkt auf dem Roboter und nicht in der Cloud. Das sorgt an abgelegenen Bergbaustandorten für schnelle und zuverlässige Erkennungen, obwohl die Verbindung eingeschränkt und die Bedingungen mit Hitze, Staub und Säure in der Luft anspruchsvoll sind.

Mit Ultralytics YOLO im Wochendurchschnitt mehr als 95 % Abdeckung erreichen#

Durch die Automatisierung von Förderbandinspektionen mit einer autonomen, auf Ultralytics YOLO basierenden Inspektionslösung hat SK Godelius diese schneller, sicherer und deutlich einheitlicher gemacht. Wenn das System ein Problem erkennt, ordnet es den Befund einem genauen GPS-Standort zu und sendet dem Instandhaltungsteam einen Bericht, der die Stelle des Problems – oft auf einen Meter genau – sowie ergänzende Daten angibt.

Da die Strecke nicht mehr zu Fuß abgegangen werden muss, sind Beschäftigte zudem seltener gefährlichen Umgebungen ausgesetzt. Durch standardisierte, wiederholbare Erkennungen können Teams Probleme angehen, bevor sie eskalieren, statt erst auf Ausfälle zu reagieren. So lassen sich die kostspieligen Stillstandszeiten vermeiden, die ein angehaltenes Förderband in einem großen Bergwerk verursachen kann.

Auf Mängel und Anomalien überwachtes Bergbauförderband

Abb. 3. Überwachung eines Bergbauförderbands auf Mängel und Anomalien (Quelle).

Wie deutlich diese Vorteile sind, zeigt einer der Bergbaubetriebe von SK Godelius: Das autonome Förderbandinspektionssystem wurde an mehr als zehn Bergwerksstandorten im Tagebau und unter Tage eingesetzt und hat im Rahmen von Betriebskampagnen mehr als 16 Förderbänder bewertet. Dabei lag die durchschnittliche wöchentliche Abdeckung bei über 95 %.

In diesem Zeitraum hat das System mehr als 3.400 Anomalien erkannt. Über 900 davon wurden als kritisch eingestuft. So konnten die Teams frühzeitig vor den Problemen gewarnt werden, die am ehesten zu Ausfällen führen. Insgesamt ist ein nachvollziehbarer, wiederholbarer und datengestützter Inspektionsprozess entstanden, der Bergwerken dabei hilft, Instandhaltungsmaßnahmen besser zu priorisieren, Risiken früher zu erkennen und wichtige Anlagen betriebsfähig zu halten.

Sicherere und intelligentere Inspektionen im Bergbau entwickeln#

Während SK Godelius wächst, arbeitet das Unternehmen daran, die Erkennungsfähigkeiten seiner Systeme zu erweitern und sie für zusätzliche Bedingungen auszulegen. Es prüft unter anderem, wie sich mithilfe von 3D-Bildgebung und Vibrationsanalyse der Bandverschleiß beurteilen, Förderbandkomponenten mit Röntgenstrahlen inspizieren und der Bereich unter den Bändern mit Robotern reinigen lässt. Außerdem möchte das Unternehmen die neuesten Ultralytics YOLO26-Modelle nutzen, um die Genauigkeit und Effizienz der Erkennung weiter zu steigern.

Durch die Kombination von Robotik, multimodaler Sensorik und Ultralytics YOLO macht SK Godelius aus einer gefährlichen manuellen Aufgabe einen standardisierten, vorausschauenden Prozess, der wichtige Anlagen betriebsfähig hält und Menschen vor Gefahren schützt.

Möchtest du erfahren, wie Bildverarbeitung dein Unternehmen verändern kann? Besuche unser GitHub-Repository, um zu sehen, wie Ultralytics YOLO-Modelle Innovationen wie KI in der Fertigung und Bildverarbeitung in der Robotik voranbringen. Erfahre mehr über unsere Lizenzoptionen und starte noch heute den Weg zu intelligenterer und effizienterer Automatisierung.

NUNuvola Ladi

Our solution to your industry

Computer Vision im Sport

Computer Vision im Sport

Entdecke, wie Ultralytics YOLO die Sportbildanalyse voranbringt – mit Spieler- und Ballverfolgung, Leistungsanalysen, Erkenntnissen für das Coaching und der Rehabilitation von Athleten.
Mehr erfahren
Computer Vision für Luftbilder

Computer Vision für Luftbilder

Verwandle Drohnen- und Luftbilder mit Ultralytics YOLO in Echtzeit-Erkenntnisse für Landwirtschaft, Aquakultur, Naturschutz und Geodatenanalyse.
Mehr erfahren
Computer Vision in der Luft- und Raumfahrt

Computer Vision in der Luft- und Raumfahrt

Setze Computer Vision in der Luft- und Raumfahrt mit Ultralytics YOLO ein – für Flugzeuginspektionen, die Erkennung von Fremdkörpern auf Start- und Landebahnen, den Bodenbetrieb am Flughafen und die Erkennung von Verbundwerkstofffehlern.
Mehr erfahren
Computer Vision im Sicherheitsbereich

Computer Vision im Sicherheitsbereich

Schütze jeden Standort mit Ultralytics YOLO-Modellen. Vision-KI ermöglicht die Überwachung von Grundstücksgrenzen, die Erkennung von Bedrohungen, die Kennzeichenerkennung und die Sicherheit am Arbeitsplatz.
Mehr erfahren
Computer Vision in der Robotik

Computer Vision in der Robotik

Mach Maschinen mit Ultralytics YOLO-Modellen leistungsfähiger. Vision-KI in der Robotik ermöglicht autonome Navigation, Wahrnehmung, Objektverfolgung und Steuerung in Echtzeit.
Mehr erfahren
Bildverarbeitung in der Logistik

Bildverarbeitung in der Logistik

Optimiere die Logistik mit Ultralytics YOLO-Modellen. Vision AI ermöglicht die Paketprüfung, Sortierung und Fahrzeugverfolgung sowie die Sicherheitsüberwachung von Lagerhäusern in Echtzeit.
Mehr erfahren
Bildverarbeitung im Einzelhandel

Bildverarbeitung im Einzelhandel

Gestalte den Einzelhandel mit Ultralytics YOLO-Modellen neu. Vision AI ermöglicht Bestandsverfolgung, Regalüberwachung und Warteschlangenmanagement und liefert bessere Einblicke in das Kundenverhalten.
Mehr erfahren
Bildverarbeitung im Gesundheitswesen

Bildverarbeitung im Gesundheitswesen

Entwickle Lösungen für das Gesundheitswesen mit Ultralytics YOLO-Modellen. Vision AI ermöglicht im Gesundheitswesen schnellere medizinische Bildgebung, bessere Diagnostik und die Überwachung von Patienten.
Mehr erfahren
Computer Vision in der Fertigung

Computer Vision in der Fertigung

Optimiere die Fertigung mit Ultralytics-YOLO-Modellen. Vision AI ermöglicht Qualitätskontrolle, Fehlererkennung, die Überprüfung der Einhaltung von Vorgaben zu persönlicher Schutzausrüstung und die Automatisierung von Montagelinien.
Mehr erfahren
Computer Vision in der Automobilbranche

Computer Vision in der Automobilbranche

Setze Computer Vision in der Automobilbranche mit Ultralytics-YOLO-Modellen ein. Vision AI verbessert die Verkehrssicherheit, Fahrerassistenz und Fahrzeugautomatisierung – für intelligentere Straßen.
Mehr erfahren
Computer Vision in der Landwirtschaft

Computer Vision in der Landwirtschaft

Setze mit Ultralytics YOLO-Modellen KI für Bildverarbeitung in der intelligenten Landwirtschaft ein. Ermögliche die Überwachung von Nutzpflanzen, die Verfolgung von Nutztieren und Präzisionslandwirtschaft für höhere und nachhaltigere Erträge.
Mehr erfahren

Häufig gestellte Fragen

  • Ultralytics-YOLO-Repositories werden standardmäßig unter der Lizenz AGPL-3.0 veröffentlicht. Diese von der OSI anerkannte Lizenz richtet sich an Studierende, Forschende und Enthusiasten, fördert die offene Zusammenarbeit und verlangt, dass jede Software, die Komponenten unter AGPL-3.0 verwendet, ebenfalls als Open Source veröffentlicht wird. Das sorgt für Transparenz und fördert Innovation, ist aber möglicherweise nicht für kommerzielle Anwendungsfälle geeignet.

    Wenn dein Projekt die Einbindung von Ultralytics-Software und KI-Modellen in kommerzielle Produkte oder Dienstleistungen umfasst und du die Open-Source-Auflagen der AGPL-3.0 umgehen möchtest, ist eine Unternehmenslizenz ideal.

    Zu den Vorteilen der Unternehmenslizenz gehören:

    • Kommerzielle Flexibilität: Ändere den Quellcode und die Modelle von Ultralytics YOLO und integriere sie in proprietäre Produkte, ohne die AGPL-3.0-Auflage erfüllen zu müssen, dein Projekt als Open Source zu veröffentlichen.
    • Proprietäre Entwicklung: Du erhältst volle Freiheit, kommerzielle Anwendungen mit Ultralytics-YOLO-Code und -Modellen zu entwickeln und zu vertreiben.

    Damit die Integration reibungslos gelingt und du die Einschränkungen der AGPL-3.0 vermeidest, beantrage über das bereitgestellte Formular eine Ultralytics-Unternehmenslizenz. Unser Team hilft dir dabei, die Lizenz auf deine konkreten Anforderungen abzustimmen.

  • Welches Modell du auswählst, hängt von den Anforderungen deines Projekts ab, darunter Leistung, Genauigkeit, Bereitstellungsziel und Hardwareeinschränkungen. Für die meisten neuen Projekte empfehlen wir Ultralytics YOLO26 als Ausgangspunkt, da es die neuesten Verbesserungen bei Geschwindigkeit, Genauigkeit, Exportmöglichkeiten und der Unterstützung mehrerer Aufgaben bietet.

    Frühere YOLO-Modellfamilien stehen weiterhin Teams mit bestehenden Arbeitsabläufen oder Kompatibilitätsanforderungen zur Verfügung.

    Wenn du neu startest, wähle zunächst YOLO26 und vergleiche anschließend kleinere oder größere Varianten, um für deine Bereitstellungsumgebung die richtige Balance aus Geschwindigkeit und Genauigkeit zu finden.

  • Ultralytics-YOLO-Modelle bilden eine Familie von Computer-Vision-Modellen für Aufgaben wie Objekterkennung, Segmentierung, Klassifizierung, Posenschätzung und die Erkennung gedrehter Objekte. YOLO26 ist die neueste stabile Version und wird für die meisten neuen Projekte empfohlen. Frühere YOLO-Versionen stehen weiterhin Teams mit bestehenden Arbeitsabläufen oder Kompatibilitätsanforderungen zur Verfügung.

  • Ultralytics-YOLO-Modelle sind Computer-Vision-Architekturen, die visuelle Daten aus Bildern und Videos analysieren. Sie lassen sich für Aufgaben wie Objekterkennung, Instanzsegmentierung, Klassifizierung, Pose-Schätzung, Erkennung orientierter Objekte und Tracking trainieren.

    Die neueste Ultralytics-YOLO-Modellfamilie ist YOLO26. Frühere YOLO-Versionen stehen für bestehende Arbeitsabläufe weiterhin zur Verfügung.

Lass uns gemeinsam die Zukunft der KI gestalten!

Starte deine Reise in die Zukunft des maschinellen Lernens