Dr. Werner Kraus, Leiter der Abteilung Roboter- und Assistenzsysteme am Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA, Foto: Presse

KI und Roboter sind in der Industrie auf dem Vormarsch. Welche Rolle spielt dabei das maschinelle Lernen? 

Maschinelles Lernen ist das Teilgebiet der Künstlichen Intelligenz, das aktuell am meisten angewandt und beforscht wird. Besonderes Augenmerk liegt hier auf Deep Learning, also tiefen neuronalen Netzen. Sie haben aufgrund intelligenter Datennutzung das Potenzial, nicht nur, aber insbesondere bei der Robotik für einen enormen Produktivitäts- und Innovationsschub zu sorgen. Maschinelles Lernen erfährt eine riesige Aufmerksamkeit und ist bis auf weiteres eine der einflussreichsten Technologien für die Industrie.

Wo stehen wir – noch ganz am Anfang oder schon in einem fortgeschrittenen Stadium?

Dies ist am besten branchenspezifisch zu beurteilen. Im B2C-Bereich sowie im Finanzwesen sind KI-Methoden bereits angekommen. Im B2B-Bereich wie zum Beispiel der Produktion werden KI-Methoden für die Datenanalyse eingesetzt, das heißt, es wird in großen Datenmengen nach Zusammenhängen gesucht. So können Optimierungspotenziale in der Produktion aufgedeckt werden. Auch Anwendungen in der Bildverarbeitung wie das Erkennen von Objekten in Bildern funktionieren gut.

In der Robotik ist das maschinelle Lernen besonders herausfordernd, da Roboter mit unterschiedlichsten Umgebungen interagieren und Trainingsdaten sehr teuer zu gewinnen oder rar sind. In unstrukturierten Umgebungen wie dem Haushalt oder dem Lager ist der Mensch noch immer etwa drei- bis fünfmal schneller als ein Roboter, zudem bedarf der Roboter einer umfangreichen Programmierung durch Experten. Perspektivisch aber wird KI Roboter befähigen, vom Menschen gestellte Aufgaben selbstständig zu lösen und dabei menschenähnliche Ausführungsgeschwindigkeiten zu erreichen.

In welchen Fertigungsbereichen bietet sich KI besonders an? 

Wir haben bereits über 80 KI-Anwendungsfälle von Unternehmen auf das technische und wirtschaftliche Potenzial von Machine Learning untersucht. Daher kennen wir aktuelle Bedarfe sehr gut. Rund 40 Prozent der Anwendungen in unseren Projekten beziehen sich auf die Auswertung von Bilddaten, beispielsweise für die Qualitätsprüfung und Signalverarbeitung oder auch für die Robotik. Die Bildverarbeitung wird durch maschinelles Lernen deutlich leistungsstärker und ermöglicht zum Beispiel Robotern, ohne manuellen Programmieraufwand, viele unterschiedliche Objekte robust zu erkennen und zu greifen.

Ohne Roboter ist aber zukünftig kein Wachstum mehr in der Fertigung möglich? 

Roboter spielen eine Schlüsselrolle für wirtschaftliches Wachstum und Wettbewerbsfähigkeit. Das sieht man daran, dass die Länder mit der höchsten Roboterdichte pro 10.000 Mitarbeitern besonders starke Wirtschaften und geringe Arbeitslosenzahlen haben. Sie sorgen also für eine gesunde, wohlhabende und integrative Wirtschaft sowie hochqualitative Jobs. Wachstum in der Fertigung ist ohne Roboter immer schwieriger zu erreichen.