Wie Industrieroboter lernen, selbstständig zu handeln

Autonome Robotik gilt als einer der bedeutendsten Trends in der Fertigungsindustrie. Forscher von Morgan Stanley prognostizieren, dass bis 2050 weltweit eine Milliarde der Maschinen im Einsatz sein könnten. Auch in den Tesla-Fabriken sollen Tausende Roboter arbeiten, um gefährliche oder monotone Aufgaben zu übernehmen.

Allerdings musste sich Elon Musk bereits eingestehen, dass die Entwicklung schwieriger ist als zunächst gedacht. Doch was macht autonome Robotik im Vergleich zu herkömmlichen Industrierobotern so komplex? Und was ist nötig, damit autonome Maschinen in Fabriken tatsächlich einen Mehrwert leisten können?

Die Herausforderungen autonomer Robotik

 Der entscheidende Unterschied zu klassischen Industrierobotern liegt in der Anpassungsfähigkeit. Während bisherige Modelle genau das tun, wofür sie programmiert wurden, nehmen autonome Roboter ihre Umgebung über Sensoren wahr. Sie verstehen ihr Ziel, treffen auf Basis von KI-Modellen Entscheidungen und führen physische Handlungen aus, ohne dass jeder Schritt vorprogrammiert sein muss. Genau das macht die Entwicklung allerdings extrem komplex.

Die Herausforderungen werden im Vergleich zu großen Sprachmodellen, die heute schon in den meisten Unternehmen im Einsatz sind, besonders deutlich: Während diese aus einem festen Wortschatz Antworten bilden, muss ein Roboter, der einen Karton aufheben will, aus einem unendlichen Spektrum an Geschwindigkeiten, Winkeln, Greifkräften und Bewegungsbahnen wählen – und das in Echtzeit und unter Berücksichtigung der physikalischen Gegebenheiten.

Um diese komplexen Aufgaben bewältigen zu können, benötigen autonome Industrieroboter eine geschichtete Architektur, die gelernte Intelligenz mit bewährter physischer Steuerung verbindet. Robotikingenieure haben dafür das kognitionswissenschaftliche Konzept aus Daniel Kahnemans „Schnelles Denken, langsames Denken” in eine dreischichtige Hierarchie übertragen:

• Der langsame Denker: System 2 ist die übergeordnete Planungsebene. Hier werden Sprache und Bild verarbeitet, das Ziel verstanden und in Teilziele zerlegt. Das Ergebnis ist kein für Menschen lesbarer Text, sondern ein sogenannter latenter Vektor – eine abstrakte Darstellung, die an die nächste Ebene weitergegeben wird.

• Das Muskelgedächtnis: System 1 empfängt diese abstrakten Vorgaben und wandelt sie in konkrete Steuerbefehle um. Es arbeitet mit 2 bis 50 Befehlen pro Sekunde und bildet die Brücke zwischen dem Wissen darüber, was zu tun ist, und der Frage, wie der Roboter es physisch umsetzt.

• Das Unterbewusstsein: System 0 ist die Echtzeit-Regelungsebene. Sie berechnet tausende Male pro Sekunde, wie viel Strom an jeden Motor gesendet werden muss, um Schwerkraft, Trägheit und Reibung zu überwinden. Sie basiert auf klassischer Physik und liefert klare Garantien – das Fundament, auf dem KI-gestützte Robotik aufbaut.

KI braucht strenge Sicherheitssysteme

Im Zentrum des Verhaltens eines autonomen Roboters steht der Policy-Begriff. Dabei handelt es sich um eine Wahrscheinlichkeitsverteilung darüber, welche Handlung die Maschine als nächstes ausführen sollte. Moderne Roboter lernen diese Policies vor allem durch Imitationslernen: Ein Modell wird auf umfangreichen Daten vortrainiert und anschließend für den jeweiligen Anwendungsfall feinabgestimmt.

In der Fertigung ermöglicht dies beispielsweise das selbstständige Einlegen von Bauteilen in Maschinen oder die flexible Anpassung an wechselnde Palettiermuster in der Logistik.

Für Hersteller, die mit Fachkräftemangel und wachsendem Wettbewerbsdruck konfrontiert sind, bieten autonome Roboter die Möglichkeit, die Produktion zu skalieren, ohne dabei die Komplexität zu erhöhen. Wenn aber KI physische Maschinen steuert, stellt sich unweigerlich die Frage: Was passiert bei einer Fehlentscheidung?

Moderne autonome Roboter lösen dieses Problem durch eine Sicherheitsarchitektur, bei der KI-Modelle die adaptiven Aufgaben übernehmen, während deterministische Sicherheitssysteme als Garantie darunterliegen. Zusammen liefern sie die erforderliche Anpassungsfähigkeit und die strengen Sicherheitsstandards, die industrielle Umgebungen verlangen.