Lernfähige Roboter: Wie Mensch und Maschine zusammenarbeiten

Die Verzahnung von Robotik mit Methoden der Künstlichen Intelligenz (KI) hebt die Robotik auf eine neue Stufe. In enger Zusammenarbeit mit Menschen und gesteuert via Sprache, Gesten oder durch interaktives Lernen können sich Roboter flexibel an unterschiedliche Aufgaben, Menschen und Umgebungen anpassen. Daraus entstehen neue Anwendungsfelder, auch in komplexen Umgebungen – etwa in der Pflege, in der Medizintechnik oder im Handwerk. Damit verbunden sind weitreichende wirtschaftliche und gesellschaftliche Potenziale. Anhand von Use Cases zeigt die Plattform Lernende Systeme in einem neuen Whitepaper konkrete Einsatzszenarien für lernfähige Roboter, beschreibt die technologischen Entwicklungen und benennt Gestaltungsoptionen für den praktischen Einsatz.  

Deutschland ist in vielerlei Hinsicht gut aufgestellt, um die Potenziale interaktiver, lernfähiger Robotik zu nutzen, sieht sich aber in Forschung und Entwicklung sowie in der Anwendung einem starken Wettbewerb ausgesetzt. Gleichzeitig werden bemerkenswerte Fortschritte beim maschinellen Lernen erzielt, während die Kosten für Roboter und Komponenten sinken. Leistungsfähigere Rechenarchitekturen in Verbindung mit KI-Methoden liefern dank rechenstarker Hardware Lösungen für komplexe Probleme in Echtzeit. Lernen durch Interaktion in der Robotik hat sich zu einer strategisch wichtigen Technologie entwickelt, um die Wettbewerbsfähigkeit und die technologische Souveränität in Deutschland und Europa zu erhalten und auszubauen.

Potenzial für Wirtschaft und Gesellschaft

Die Robotik profitiert von den Entwicklungen beim datengestützten maschinellen Lernen – durch die verbesserte Wahrnehmungsfähigkeit von Robotern und die Möglichkeit, diese mit Hilfe großer Sprachmodelle per Sprache zu steuern. Sie lernen durch Demonstration, indem ein Mensch ihnen ihre Aufgabe vorführt, oder sie verbessern bereits Erlerntes durch menschliches Feedback.

Roboter, die wenig Know-how auf Seiten der Anwendenden erfordern und zugleich Programmierkosten einsparen, eröffnen weitreichende Möglichkeiten. Die Aufgaben, die Roboter in Zukunft übernehmen können, gehen über den reinen Einsatz in der Industrie hinaus. Sie können einen Beitrag zur Bewältigung vieler aktueller Herausforderungen unserer Zeit leisten, sei es zum Erhalt und Ausbau der Wettbewerbsfähigkeit, zum Aufbau einer Kreislaufwirtschaft oder zur Begegnung des Fachkräftemangels. Das Whitepaper zeigt hierzu mögliche Anwendungsfälle: Im Recycling können beispielsweise mit Hilfe von Robotern Wertstoffe präzise getrennt und spezifische Objekte aussortiert werden. In der Pflege soll Robotik künftig für einfache Tätigkeiten eingesetzt werden können, so dass Pflegekräfte mehr Zeit für ihre Kernarbeit und die Interaktion mit den Menschen haben.

Synergien nutzen und Sicherheit schaffen

Die Betrachtung der verschiedenen Use Cases bringt Gemeinsamkeiten und Unterschiede zu Tage. Vor allem in der praktischen Umsetzung kann die Nutzung von Synergien eine wesentliche Rolle spielen. Bei der Entwicklung von Robotiksystemen sollte deshalb auf Modularität und Zusammenarbeit zwischen verschiedenen Anwendungsbereichen geachtet werden.

„Entscheidend ist es, Gesamtsysteme zu entwickeln, die möglichst modular und universell für verschiedene Bereiche einsatzfähig sind“, so Elsa Kirchner, Professorin an der Universität Duisburg-Essen und Leiterin des Bereichs „Intelligent Healthcare Systems“ am Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) sowie Co-Autorin des neuen Whitepapers der Plattform Lernende Systeme. „Beispielswiese haben wir die Exoskelett-Technologie abwechselnd für den Weltraum und die Medizin entwickelt. Wir haben also verschiedene Komponenten entwickelt und zwischen den Anwendungsbereichen transferiert. Solche universellen Lösungen sind in vielen Bereichen möglich und reduzieren Kosten; sowohl in der Forschung als auch in der Entwicklung und in der Anwendung.“

Die Autorinnen und Autoren des Whitepapers empfehlen zudem, die technische Integration voranzutreiben. Ziel sollte es sein, einzelne verfügbare Technologien, wie interaktives Lernen, Cloud oder Edge Computing und Deep Learning in Gesamtsysteme zu überführen. Für die Entwicklung künftiger sicherer und menschenzentrierter Lernalgorithmen ist weiterhin interdisziplinäre Forschung erforderlich. Dabei spielt grundsätzlich die Qualität und Menge der verfügbaren Daten eine entscheidende Rolle. Open Source-Datenbanken, Datenkooperationen oder föderiertes Lernen bei besonders schützenswerten Daten könnten den Datenmangel adressieren.  

Der Einsatz von Robotern nah am Menschen erfordert nicht zuletzt Vertrauen in die Anwendung und Akzeptanz der Technologie im komplexen sozialen Umfeld. Dieses entsteht in erster Linie durch sichere, zuverlässige und nachvollziehbare Technologien, eine kontinuierliche Weiterentwicklung von Sicherheitskonzepten und eine frühzeitige, enge Einbindung aller Beteiligten, einschließlich der Anwendenden.

Über das Whitepaper

Das Whitepaper „KI in der Robotik. Flexible und anpassbare Systeme durch interaktives Lernen“ wurde von Mitgliedern der Arbeitsgruppe „Lernfähige Robotiksysteme“ der Plattform Lernende Systeme verfasst. Mitglieder der Arbeitsgruppe „Arbeit/Qualifikation, Mensch-Maschine-Interaktion“ und der Arbeitsgruppe „Gesundheit, Medizintechnik, Pflege“ waren unter anderem an der Erstellung von Anwendungsfällen beteiligt. Das Whitepaper  steht zum kostenfreien Download bereit.

Ein Interview mit Jürgen Beyerer, Mit-Autor des Whitepapers und Mitglied der Plattform Lernende Systeme, steht zur redaktionellen Verwendung zur Verfügung. Weiterführende Informationen: https://www.plattform-lernende-systeme.de/robotik.html