Cat 777G: Fortschritte skalierbarer Technologie

Caterpillar und Luck Stone, größter familiengeführter Hersteller von Schotter, Sand und Kies in den USA, haben vor wenigen Wochen einen echten Meilenstein erreicht: Eine Million Tonnen Diabas wurden autonom im Steinbruch Bull Run in Chantilly, Virginia, mithilfe von Cat Muldenkippern 777G transportiert. Seit 2022 arbeiten beide Unternehmen zusammen, um Know-how über autonome Großgeräte im Rohstoffabbau in Steinbrüchen aufzubauen. Das bislang erzielte Ergebnis wertet Caterpillar als Bestätigung, dass autonome Transporte kon­stante und wiederholbare Leistung liefern können – auch außerhalb vom Bergbau, wo autonome Skw seit inzwischen zwölf Jahren im Einsatz sind.

„Der Meilenstein zeigt eindrucksvoll, was möglich ist, wenn wir mit unseren Kunden zusammenarbeiten, um Lösungen für ihre wichtigsten Herausforderungen zu entwickeln. Eine Million Tonnen autonom im Bull Run zu transportieren, beweist, dass die autonome Technologie nicht nur für den Bergbau geeignet ist. Sie ist skalierbar, zuverlässig und bereit, die Baustoffindustrie zu transformieren. Wir sind stolz darauf, mit Luck Stone gemeinsam diesen Wandel voranzutreiben“, erklärt Denise Johnson, Group President von Caterpillar.

Eine Million Tonnen Diabas wurden autonom im Steinbruch Bull Run in Chantilly, Virginia, mithilfe von Cat Muldenkippern 777G transportiert. Foto: Caterpillar

Die Zusammenarbeit zwischen Caterpillar und Luck Stone begann mit einer gemeinsamen Vision: Steinbruchbetriebe durch moderne Technologie zu transformieren. Der Standort von Bull Run war der erste in der Baustoffindustrie, an dem autonome Cat 777G in Verbindung mit der Cat MineStar-Technologie Command for Hauling eingesetzt wurden. Seit der Erprobung der Technologie und deren Implementierung 2022 konzentriert sich die Zusammenarbeit darauf, Autonomie unter Bedingungen zu validieren, die typisch für Steinbrüche, aber anders als im Bergbau sind. „Diese autonome Reise mit Caterpillar gehört zu den wirkungsvollsten Projekten in unserer hundertjährigen Geschichte. Was einst wie ein Traum auf unserem Bull Run-Gelände erschien, ist heute Realität – dank des Vertrauens, der Zusammenarbeit und des gemeinsamen Engagements unserer Teams. Es beweist, dass diese Technologie sehr gut in einem Steinbruch funktioniert. Vor allem schafft sie Möglichkeiten für unsere Mitarbeiter, Teil von etwas Bahnbrechendem zu sein. Dieses Projekt zeigt, was möglich ist, wenn Menschen, Zielsetzung und Fortschritt zusammenkommen“, so Charlie Luck, Präsident und CEO, Luck Companies. Eingebunden waren alle Abteilungen und Bereiche von Luck Stone. Nun stehen nächste Schritte an: Geprüft wird nun, ob der Einsatz autonomer Baumaschinen sich auf weitere Standorte und Anwendungen ausweiten lässt.

Kasten:

Wie ein autonomer Skw seine Umgebung erkennt

Ein Bergbaugelände bietet sich für autonome Fahrzeuge an, denn dort können Muldenkipper auf definierten Routen mit vorgegebener Geschwindigkeit verkehren. Die Baumaschinen steuern Ladestellen an, werden beladen und bringen ihre Fracht zum Brecher – dann geht es wieder zurück und das Spiel beginnt von vorn. Fahrstrecken und Bewegungen wiederholen sich unentwegt. Das bedeutet nicht, dass keine Hindernisse auftreten können. Denn es kann unerwartet ein anderes Fahrzeug auftauchen oder plötzlich ist der Fahrweg durch einen großen Stein blockiert, dem man ausweichen muss. Doch entscheidend ist die Fähigkeit, Umgebungsbedingungen und Hindernisse zu erkennen und darauf zu reagieren. Für einen Fahrer hinter dem Steuer ist es einfach: Er reduziert die Geschwindigkeit, bremst oder schlägt einen anderen Weg ein. Doch welche Möglichkeiten hat nun ein autonomer Skw? Caterpillar setzt in solchen Fällen auf die autonome Transportlösung Cat MineStar Command for Hauling. Sie basiert auf LiDAR. Grundlage dafür ist ein laserbasiertes Bildgebungssystem, das pro Minute eine Million Laserstrahlen aussendet, die auf Objekte treffen und dann zum Sensor reflektiert werden. Daraus wird eine detaillierte Punktwolke erstellt, die eine dreidimensionale Karte der Umgebung generiert, in der sich der Skw aufhält. Trifft der Laser auf ein Objekt, reagiert der Skw, indem er langsamer fährt, bremst, anhält oder hupt, um einen Unfall zu vermeiden. Auch hier trägt wiederum maschinelles Lernen zur Routine in den Abläufen bei, indem Hindernisse immer besser erkannt werden und somit Baumaschinen mitdenken.

Oktober 2025