Anlässlich der Eröffnung der diesjährigen Logimat in Stuttgart sagte Professor Michael ten Hompel: „In zehn Jahren haben wir eine generelle künstliche Intelligenz, die dem Menschen intellektuell in jeder Hinsicht überlegen ist.“ Meta-Chef Mark Zuckerberg baut derweil ein Highend-GPU-Cluster, das durch künstliche Intelligenz zukünftig alle Krankheiten der Menschheit heilen können soll. Abseits dieser noch sehr futuristisch anmutenden Visionen, entwickelt sich KI aber durchaus zu einem nicht mehr wegzudenkenden Bestandteil der Automatisierung.
Künstliche Intelligenz und Machine Learning sind folglich der erste der Top5-Robotertrends, die die International Federation of Robotics kürzlich veröffentlichte. Kurze Zeit später betonte die IFR noch einmal speziell die hohe Bedeutung künstlicher Intelligenz für Roboter, die in der Logistikbranche zum Einsatz kommen. Der KI-Einsatz in der Robotik zielt dabei hauptsächlich darauf ab, mit Variabilität und unvorhersehbaren Situationen umzugehen.
Hohe Variabilität gibt es z.B. in der Kosmetikindustrie: Mithilfe von Deep Learning passt sich etwa eine Anlage des spanischen Automatisierers Teknics an unterschiedliche Größen, Formen und Oberflächen von Parfümflakons an (S. 24). Das Ziel der Forschungen von AI-Grid-Mitglied Julian Eßer vom Fraunhofer IML ist es, Roboter auf unvorhersehbare Situationen vorzubereiten. Der KI-Forscher trainiert künstliche Intelligenz im virtuellen Raum mithilfe eines Belohnungssystems (S. 22). Die daraus entstehenden neuronalen Netze sollen später realen Robotern zu Gute kommen. Ein weiterer Beitrag der vorliegenden Ausgabe von Professor Amr Alanwar, TUM Campus Heilbronn, beschäftigt sich ebenfalls mit Deep Reinforcement Learning für Roboter (S. 23). Auch hier geht es darum, Roboter zu befähigen, sich in unbekannten Umgebungen, in der sogenannten Black Box, zurechtzufinden. In diesem Projekt versuchen die Forschenden sicherzustellen, dass mobile Roboter Sicherheitsbeschränkungen zur Kollisionsvermeidung akzeptieren, ohne dabei an Performance zu verlieren. Denn das bleibt unerlässlich, wenn Automatisierung wirtschaftlich sein soll.
Auch abseits der Forschung finden sich künstliche Intelligenz, neuronale Netze und Machine Learning bereits in Roboteranwendungen, zahlreich z.B. in unserem Schwerpunkt zum Thema Robot Vision & Inspection. Ein Beispiel hierfür ist die Softwarelösung von Brightpick (S. 51). Sie setzt KI dazu ein, den zu pickenden Artikel zu identifizieren und einen geeigneten Greifpunkt zu ermitteln.
Keine Frage: Künstliche Intelligenz wird sich stetig weiterentwickeln. Wir bleiben dran und informieren Sie über weitere Entwicklungen. In diesem Sinn wünsche ich eine spannende Lektüre!
Frauke Itzerott
Redakteurin, ROBOTIK UND PRODUKTION
