Jungheinrich

Utvikler autonom løsning for lasting og lossing av lastebiler

24.6.2026 10:55:50 CEST | Jungheinrich | Pressemelding

Del

Jungheinrich investerer i teknologiselskapet Navflex for å automatisere lasting og lossing av lastebiler. Målet er å flytte last mellom lastebil og lager uten manuell styring. Løsningen testes allerede hos utvalgte kunder under reelle driftsforhold.

Jungheinrich investerer i teknologiselskapet Navflex for å automatisere lasting og lossing av lastebiler. Målet er å flytte last mellom lastebil og lager uten manuell styring. Løsningen testes allerede hos utvalgte kunder under reelle driftsforhold.
Jungheinrich og Navflex utvikler en autonom løsning for lasting og lossing av lastebiler. Foto: Jungheinrich AG

Automatiserer lasting og lossing av lastebiler

Jungheinrich har kjøpt seg inn i Navflex, et teknologiselskap som utvikler KI-baserte løsninger for autonom lasting og lossing av lastebiler. Samarbeidet skal bidra til å automatisere en av de siste sentrale prosessene i internlogistikken som fortsatt i stor grad utføres manuelt.

Løsningen utvikles med tanke på både det europeiske og nordamerikanske markedet.
 

Stort behov for automatisering ved lasterampen

Lasting og lossing av lastebiler er blant de mest krevende oppgavene å automatisere. Ulike typer hengere, varierende last og begrenset plass stiller høye krav til teknologi, sikkerhet og driftssikkerhet.

Samtidig er behovet for automatisering stort. Mange virksomheter opplever både mangel på arbeidskraft og økt krav til effektivitet.

– Lasting og lossing av lastebiler er en flaskehals i vareflyten for mange av kundene våre. Sammen med Navflex utvikler vi en løsning som kan automatisere denne prosessen på en sikker og pålitelig måte, sier Dr. Tobias Harzer, Chief Automation Officer i Jungheinrich.
 

Kombinerer trucker, roboter og KI

Samarbeidet bygger på Jungheinrich sin erfaring med trucker, autonome mobile roboter og integrering av automasjonsløsninger. Navflex bidrar med programvare og robotteknologi.

Løsningen er basert på en truckplattform fra Jungheinrich som videreutvikles for autonom drift ved lasteramper og terminalområder.
 

Utviklet for eksisterende lager og terminaler

Den autonome løsningen er utviklet for å fungere i miljøer der forholdene varierer fra oppdrag til oppdrag. Målet er at den skal kunne tas i bruk uten behov for ekstra infrastruktur eller omfattende tilpasninger.

KI-basert programvare gjør det mulig for trucken å oppfatte omgivelsene, navigere selvstendig og utføre oppgaver på en sikker måte.

– Vi har valgt å løse en oppgave som lenge har blitt sett på som svært vanskelig å automatisere. Sammen med Jungheinrich har vi fått en partner som kan bidra med industriell erfaring, videre utvikling og global service, sier Chuck Stovall, CEO i Navflex.
 

Tester løsningen hos kunder

Jungheinrich og Navflex arbeider nå med å utvikle en løsning som kombinerer maskinvare og programvare for bruk i daglig drift. Samtidig pågår omfattende testing hos større kunder under reelle driftsforhold.

Målet er å sikre at løsningen fungerer stabilt og pålitelig i krevende logistikkmiljøer.
 

Vil automatisere hele vareflyten

Investeringen i Navflex er en del av Jungheinrich sitt arbeid med å automatisere flere oppgaver i vareflyten. Selskapet ønsker spesielt å automatisere oppgaver ved lasterampen, som lenge har vært blant de mest krevende områdene innen internlogistikken.

Ved å kombinere autonome kjøretøy, KI og praktisk erfaring fra logistikkbransjen ønsker Jungheinrich å gjøre automatisering tilgjengelig for flere virksomheter.

Nøkkelord

Kontakter

Følg pressemeldinger fra Jungheinrich

Registrer deg med din e-postadresse under for å få de nyeste sakene fra Jungheinrich på e-post fortløpende. Du kan melde deg av når som helst.

Siste pressemeldinger fra Jungheinrich

I vårt presserom finner du alle våre siste pressemeldinger, kontaktpersoner, bilder, dokumenter og annen relevant informasjon om oss.

Besøk vårt presserom
World GlobeA line styled icon from Orion Icon Library.HiddenA line styled icon from Orion Icon Library.Eye