Robotika v potravinářství: proč je LG–Bear signál

51 % na papíře nevypadá jako drama. Jenže v případě dohody LG a Bear Robotics je důležitější jiná věta, která v rozhovorech s vedením firmy zazněla naplno: Bear má převzít a táhnout globální robotickou strategii LG. A to už je pro každého, kdo řeší automatizaci ve výrobě potravin, logistice nebo zemědělství, zpráva první kategorie.

Pro české podniky je to navíc načasované velmi „po našem“: konec roku 2025 je období, kdy se rozpočty na 2026 uzavírají, tlak na produktivitu roste a dostupnost lidí do směn je pořád problém. AI a robotika v potravinářství už nejsou „hezké demo na veletrhu“. Jsou to konkrétní projekty s návratností – pokud se udělají správně.

Níže rozkládám, proč je spojení velké korporace a agilní robotické firmy tak silný signál, co si z něj může vzít potravinářská výroba a chytré továrny (Průmysl 4.0) a jak se podobné technologie dají přenést „z restaurace do továrny“ – a klidně i do provozů prvovýroby.

Co dohoda LG–Bear skutečně znamená pro automatizaci

Nejde jen o akvizici, ale o přesun kompetencí: platforma, software a škálování. Z vyjádření CEO Bear Robotics Johna Ha vyplynulo, že klíčová část spolupráce není samotný většinový podíl, ale to, že Bear bude prakticky řídit vývoj a směr robotiky v rámci skupiny.

To má tři dopady, které je dobré číst i v kontextu potravinářství:

1. Platformizace místo jednorázových robotů. V praxi vyhrává ten, kdo nemá „jednoho robota“, ale platformu (hardware + software + servis), na kterou lze rychle stavět další aplikace.
2. Rychlejší komercializace. LG umí výrobu, dodavatelské řetězce a distribuci. Bear umí software, integrace a provozní realitu. Kombinace zkracuje cestu od prototypu k nasazení.
3. Důraz na ekosystém. Bear mluví o otevření platformy dalším firmám, které na ní staví své aplikace. To je přesně model, který v chytrých továrnách funguje: modulární rozšiřování bez toho, aby se vše stavělo od nuly.

„Velké M&A není o tom, kdo koho koupil. Je to o tom, kdo bude řídit produkt a standard.“

Pro výrobce potravin je to signál, že příští vlna automatizace nebude jen o jednotlivých cobotech na balírně. Bude o standardizovaných robotických „stavebnicích“ napojených na AI, data a servisní síť.

Proč se servisní robotika z gastronomie dá přenést do výroby potravin

Robot, který vozí jídlo v restauraci, řeší podobné problémy jako robot ve výrobě: navigaci, bezpečnost, workflow a interakci s lidmi. Rozdíl je hlavně v prostředí (hygiena, teplota, mokro, prach) a ve vazbě na stroje.

Co je přenositelné téměř 1:1

• Autonomní pohyb a vyhýbání se překážkám (AMR logistika) – využitelné ve skladech surovin, expedici, mezioperačních skladech.
• Orchestrace úkolů – kdy co kam jet, co vyzvednout, kde čekat, jak optimalizovat trasy.
• Bezpečnostní logika v prostoru s lidmi – to je ve směnném provozu klíčové.
• Servis a vzdálená diagnostika – bez toho vám robotika po třech měsících zhořkne.

Co se musí ve výrobě „přitvrdit“

• HACCP a sanitace: materiály, krytí, čistitelnost, oddělení zón.
• Integrace na linky: dopravníky, váhy, etiketování, MES/ERP.
• Stabilita provozu: restaurace odpustí výpadek, výrobní linka ne.

V praxi nejčastěji dává smysl začít tam, kde je nejvíc neproduktivních přesunů: vnitropodniková logistika. Právě tady AMR/servisní robotika často přináší návratnost dřív než plná robotizace manipulace s produktem.

AI v chytrých továrnách: kde dnes robotika vydělává peníze

Robotika bez AI je drahá mechanika. AI bez robotiky je často jen dashboard. Skutečná hodnota vzniká v kombinaci. V rámci série „Umělá inteligence ve výrobě a chytrých továrnách“ se opakují čtyři use-cases, které v potravinářství fungují nejlépe.

1) Prediktivní údržba pro roboty i linky

AI modely nad vibracemi, proudy motorů a chybovými kódy umí včas odhalit:

• opotřebení kol AMR/AGV,
• degradaci baterií,
• rozhozené kalibrace senzorů,
• „pomalu se horšící“ komponenty, které jinak padnou uprostřed směny.

Konkrétní přínos: méně neplánovaných odstávek a hlavně méně „nočních zásahů“, které stojí nejvíc.

2) Počítačové vidění pro kontrolu kvality

Ve výrobě potravin se počítačové vidění typicky uplatní na:

• kontrolu etiket (správná šarže, datum, alergenové značení),
• kontrolu uzavření obalů,
• detekci defektů a kontaminace na povrchu,
• kontrolu plnění (výška hladiny, počet kusů v balení).

Tady je moje zkušenost jednoduchá: nejrychlejší projekty jsou ty, kde už existuje jasná definice „vadného kusu“ a kde se výstup napojí na vyřazení/stop linky.

3) Optimalizace směn a toku materiálu (AI plánování)

V potravinářství běží spousta provozů na hraně: termíny, čerstvost, přestavby linek, mytí, omezené skladování. AI plánování pomáhá:

• snížit prostoje při přestavbách,
• lépe načasovat CIP/mytí,
• vyhladit špičky ve skladu a expedici,
• sladit výrobu s dostupností lidí.

4) „Robotický produkt“ jako služba (RaaS) a škálování

Model, který naznačuje i Bear Robotics (platforma + instalace + tech support), se ve výrobě objevuje stále častěji:

• méně CAPEX,
• jasně definované SLA,
• jednodušší rozšiřování flotily.

Pro LEADS je to podstatné: firmy se často nerozhodnou, protože „robot je velká investice“. Službový model s pilotem tuhle bariéru snižuje.

Od restaurace k poli: co z toho plyne pro zemědělství

Stejná robotická platforma, která zvládne bezpečný pohyb mezi lidmi, se dá adaptovat na farmu – ale musíte změnit předpoklady. Terén je horší, GPS není vždy spolehlivá, a bezpečnostní režimy jsou jiné.

Kde je přenos nejsnazší:

• skladová a dvorní logistika (palety, bedny, přejezdy mezi halami),
• třídírny a balírny (robotika + vidění),
• krmné a provozní trasy v živočišné výrobě (opakující se „nudné“ jízdy).

A tady se ukazuje pointa LG–Bear: když velká skupina hledá růst, roboti se přelévají mezi vertikálami. Dnes gastronomie, zítra sklady, pozítří domácnost. Pro agrifood je to dobrá zpráva, protože náklady na komponenty, software a servis díky tomu klesají.

Praktický postup: jak začít s AI a robotikou ve výrobě potravin

Nejrychlejší cesta k výsledku je pilot s jasným KPI, měřením a plánem integrace. Pokud to uděláte jako „koupíme robota a uvidíme“, skončíte u drahé hračky.

Doporučený postup v 6 krocích:

1. Vyberte proces s bolestí, ne s prestiží. Typicky vnitrologistika, kontrola kvality, expedice.
2. Definujte 3 KPI, které se nedají okecat. Např. počet přeprav/h, prostoje linky, zmetkovitost, počet zásahů údržby.
3. Zmapujte data a integrace. Co máte v MES/ERP? Jaké signály umíte číst? Kde se rozhoduje?
4. Navrhněte bezpečnost a hygienu. Zóny, sanitace, režimy zastavení, školení.
5. Spusťte pilot na 8–12 týdnů. Krátké iterace, týdenní vyhodnocení, úpravy workflow.
6. Připravte škálování. Servis, náhradní díly, školení směn, rozšiřování flotily.

Moje osobní pravidlo: pokud pilot nemá „majitele“ z výroby (ne z IT), šance na úspěch padá na polovinu.

Co čekat v roce 2026: platformy, ekosystémy a IPO mindset

Plán Bear Robotics na budoucí IPO je signál, že firma sází na dlouhodobý růst a provozní disciplínu. Pro trh to obvykle znamená tlak na:

• standardizaci produktů,
• opakovatelné nasazení,
• lepší jednotkové ekonomiky,
• silnější servisní strukturu.

A pro vás jako výrobce nebo zpracovatele potravin? Že se bude čím dál víc vyplácet vybírat dodavatele, kteří:

• mají platformu (ne jen projekt na míru),
• umí integrace do vašeho digitálního prostředí,
• mají support pro reálný směnný provoz,
• a přemýšlejí ekosystémově (partneři, rozšiřování, kompatibilita).

Když se mě někdo zeptá, co je dnes největší omyl v robotizaci agrifood, odpověď je krátká: řešíme hardware dřív než proces a data. A přitom právě software a provozní model (instalace, podpora, měření) rozhodují, jestli to bude fungovat po prvním nadšení.

Na jaký proces ve vašem provozu by dávalo největší smysl nasadit nejdřív „měkkou“ automatizaci – třeba jen flotilu AMR a jednoduché AI plánování toku materiálu – ještě před tím, než sáhnete po plné robotizaci linky?