Lernf?hige Roboter: Wie Mensch und Maschine zusammenarbeiten
Die Verzahnung von Robotik mit Methoden der Künstlichen Intelligenz erm?glicht es, dass Roboter enger mit Menschen zusammenarbeiten, dass sie via Sprache, Gesten oder durch interaktives Lernen gesteuert werden und sich flexibel an unterschiedliche Aufgaben und Umgebungen anpassen. Daraus entstehen neue Anwendungsfelder etwa in der Pflege, in der Medizintechnik oder im Handwerk. Anhand von Use Cases zeigt ein neues Whitepaper, an dem die Augsburger Informatikerin Prof. Dr. Elisabeth André mitgearbeitet hat, konkrete Einsatzszenarien für lernf?hige Roboter. Es beschreibt die technologischen Entwicklungen und benennt Gestaltungsoptionen für den praktischen Einsatz.? ? Deutschland ist in vielerlei Hinsicht gut aufgestellt, um die Potenziale interaktiver, lernf?higer 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, w?hrend die Kosten für Roboter deren Komponenten sinken. Leistungsf?higere Rechenarchitekturen in Verbindung mit KI-Methoden liefern dank rechenstarker Hardware L?sungen für komplexe Probleme in Echtzeit. Lernen durch Interaktion in der Robotik hat sich zu einer strategisch wichtigen Technologie entwickelt, um die Wettbewerbsf?higkeit und die technologische Souver?nit?t in Deutschland und Europa zu erhalten und auszubauen. Die Robotik profitiert von den Entwicklungen beim datengestützten maschinellen Lernen – durch die verbesserte Wahrnehmungsf?higkeit von Robotern und die M?glichkeit, diese mit Hilfe gro?er 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 aufseiten der Anwendenden erfordern und zugleich Programmierkosten einsparen, er?ffnen weitreichende M?glichkeiten. Die Aufgaben, die Roboter in Zukunft übernehmen k?nnen, gehen über den reinen Einsatz in der Industrie hinaus. Sie k?nnen einen Beitrag zur Bew?ltigung vieler aktueller Herausforderungen unserer Zeit leisten, sei es zum Erhalt und Ausbau der Wettbewerbsf?higkeit, zum Aufbau einer Kreislaufwirtschaft oder zur Begegnung des Fachkr?ftemangels. Das Whitepaper zeigt hierzu m?gliche Anwendungsf?lle: Im Recycling k?nnen beispielsweise mithilfe von Robotern Wertstoffe pr?zise getrennt und spezifische Objekte aussortiert werden. In der Pflege soll Robotik künftig für einfache T?tigkeiten eingesetzt werden k?nnen, sodass Pflegekr?fte mehr Zeit für ihre Kernarbeit und die Interaktion mit den Menschen haben. Die Betrachtung der verschiedenen Use Cases bringt Gemeinsamkeiten und Unterschiede zutage. Vor allem in der praktischen Umsetzung kann die Nutzung von Synergien eine wesentliche Rolle spielen. Bei der Entwicklung von Robotiksystemen sollte deshalb auf Modularit?t und Zusammenarbeit zwischen verschiedenen Anwendungsbereichen geachtet werden. ?Der Transfer modularer Lernverfahren auf unterschiedliche Robotiksysteme und Anwendungskontexte erm?glicht die Wiederverwendung bestehender L?sungen und reduziert dadurch erheblich die Entwicklungs- und Implementierungskosten“, sagt Prof. Dr. Elisabeth André, Lehrstuhlinhaberin für Menschzentrierte Künstliche Intelligenz der Universit?t Augsburg und Leibniz-Preistr?gerin. 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 interdisziplin?re Forschung erforderlich. Dabei spielt grunds?tzlich die Qualit?t und Menge der verfügbaren Daten eine entscheidende Rolle. Open-Source-Datenbanken, Datenkooperationen oder f?deriertes Lernen bei besonders schützenswerten Daten k?nnten 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, zuverl?ssige und nachvollziehbare Technologien, eine kontinuierliche Weiterentwicklung von Sicherheitskonzepten und eine frühzeitige, enge Einbindung aller Beteiligten, einschlie?lich der Anwendenden. Das Whitepaper ?KI in der Robotik. Flexible und anpassbare Systeme durch interaktives Lernen“ wurde von Mitgliedern der Arbeitsgruppe ?Lernf?hige Robotiksysteme“ der Plattform Lernende Systeme (PLS) verfasst. Mitglieder der Arbeitsgruppe ?Arbeit/Qualifikation, Mensch-Maschine-Interaktion“ und der Arbeitsgruppe ?Gesundheit, Medizintechnik, Pflege“ waren unter anderem an der Erstellung von Anwendungsf?llen beteiligt. Das Whitepaper steht zum kostenfreien Download bereit. ? ?
Potenzial für Wirtschaft und Gesellschaft
Synergien nutzen und Sicherheit schaffen
?ber das Whitepaper
Publikation: Beyerer, J., Kirchner, E. et al. (2025): KI in der Robotik. Flexible und anpassbare Systeme durch interaktives Lernen. DOI:?
https://doi.org/10.48669/pls_2025-1
Wissenschaftlicher Kontakt