Good Stories

Automatisierungstechnik: Wie intelligente Maschinen den Menschen unterstützen

Methoden der künstlichen Intelligenz (KI) werden in Produktionsprozessen und bei der Entwicklung autonomer Maschinen und Fahrzeuge auf vielfältige Weise eingesetzt. Bei der diesjährigen „Berlin Science Week“ diskutierten Expert*innen des AIT Austrian Institute of Technology, wie intelligente Maschinen den Menschen unterstützen und bei der Lösung großer Zukunftsprobleme helfen können.

Künstliche Intelligenz (KI) ist längst kein reines Zukunftsthema mehr. Vielmehr durchdringen Methoden der KI immer weitere Bereiche unseres Lebens und Arbeitens. Das reicht von nützlichen Tools für unser Alltagsleben über den Einsatz im Gesundheitswesen, in der Stadtplanung und beim Erkennen von Fake News bis hin zu Sprachalgorithmen und der Entwicklung (teil)autonomer Fahrzeuge und Maschinen. KI ermöglicht überdies große Fortschritte in Wissenschaft und Forschung. Und: Die Technologie wird dringend benötigt, um die Anhäufung von Schocks, Krisen und Umbrüchen, die wir zurzeit erleben, zu bewältigen.

Autonome Maschinen und Fahrzeuge

Ein strategisches Forschungsziel des AIT Austrian Institute of Technology ist die Entwicklung von (teil)autonomen Arbeitsmaschinen wie Bagger, Kräne, Gabelstapler etc. Diese sollen den Menschen in seiner Tätigkeit unterstützen und schwere, gefährliche oder monotone Aufgaben übernehmen. So wurde kürzlich am Standort Seibersdorf ein Testgelände aufgebaut, in dem beispielsweise ein autonomer Verladekran für Baumstämme entwickelt und getestet wird. Die Aufgabe „Fahr zum Baumstamm, greif den Baumstamm und bring ihn zum Laster!“ ist für den Menschen eine klar definierte und (mit dem entsprechenden Gerät) leicht lösbare Aufgabe. Für Maschinen war dies bisher kaum möglich. Denn hinter dem scheinbar einfachen Befehl stecken viele komplexe Aufgaben und Forschungsfragen. Das umfasst z. B. die zuverlässige Aufgaben- und Bewegungsplanung inklusive Lokalisierung der Eigenposition – auch bei sich verändernden Umgebungen –, das richtige Greifen von Objekten, die robuste Wahrnehmung der Umgebung sowie die Objektklassifizierung zur korrekten Interpretation des Umfelds.
Noch größer werden die Anforderungen für Roboter, wenn sie „geschützte“ und wohldefinierte Umgebungen wie etwa Fabrikhallen oder Holzverladeplätze verlassen und sich in der realen Welt zurechtfinden müssen – mit vielen störenden und oft unvorhersehbaren Einflussfaktoren, die sich unmöglich alle schon im Vorfeld berücksichtigen lassen. Problematisch sind dabei insbesondere Sicherheitsaspekte: Von autonomen Maschinen dürfen niemals Gefahren für andere Gegenstände und erst recht nicht für den Menschen ausgehen. Um das zu gewährleisten, ist eine genaue Kenntnis ihrer Umgebung nötig.

Exakte Umgebungserkennung

Dazu wird mithilfe von Kamerasystemen, Radar- und Lasermessungen sowie mathematischen Verfahren ein hochgenaues 3D-Modell der Umgebung erstellt, das in einem nächsten Schritt segmentiert wird. Einzelne Objekte – etwa ein Verkehrszeichen oder ein*e Passant*in – werden klassifiziert und ihnen werden gewisse Eigenschaften zugeordnet (etwa dass ein Verkehrszeichen einen fixen Standort hat, sich Fußgänger*innen aber bewegen). Mithilfe von Machine-Learning-Methoden können diese Information mit anderen verknüpft werden, um in der Folge zu einem Szenenverständnis zu gelangen, auf dessen Basis Entscheidungen getroffen werden können.
Bei autonomen Fahrzeugen ist diese Umgebungserkennung die Basis für die Bewegungsplanung und die Steuerung des Autos. Laut Expert*innen ist die richtige Interpretation des Umgebungsmodells das schwächste Glied beim autonomen Fahren. Eine fehlerhafte Klassifizierung etwa eines entgegenkommenden Fahrzeugs oder von querender Fußgänger*innen kann desaströse Konsequenzen haben – wie einige berühmt gewordene Unfälle von Testautos namhafter Konzerne zeigen.

Kooperation mit dem Menschen

Intelligente Maschinen der Zukunft sollen den Menschen nicht ersetzen, sondern unterstützen. Das Ziel ist es dabei, die jeweiligen Stärken von Menschen und Maschinen miteinander zu kombinieren. Intelligente Maschinen können den Menschen von anstrengender, gefährlicher und monotoner Arbeit entlasten und Produktionsprozesse effizienter, flexibler, nachhaltiger und resilienter gestalten. Der Mensch kann sich auf komplexere, überwachende oder kreative Aktivitäten konzentrieren und im Sinne gesamtheitlicher Problemlösung wirken. Die technischen Abläufe werden dabei konsequent auf die Bedürfnisse und Notwendigkeiten des Menschen ausgerichtet (Human Centered Design).
Diese Themen standen Anfang November im Zentrum einer vom AIT im Rahmen der „Berlin Science Week“ veranstalteten Panel Discussion im „Einstein Center Digital Future“ in Berlin. Unter dem Titel „AI-enabled Automation: Wie intelligente Maschinen den Menschen unterstützen“ brachten führende Expert*innen ihr Know-how ein – konkret: Andreas Kugi (TU Wien, AIT), Lydia Kaiser (TU Berlin), Matthias Scheutz (Tufts University, AIT), Elisabeth André (Universität Augsburg), Manfred Tscheligi (Universität Salzburg, AIT), und Johannes Winter (L3S).

Bei der Panel Discussion wurden zahlreiche Anwendungsfelder identifiziert, wo intelligente Maschinen uns bei der Bewältigung künftiger Herausforderungen helfen können: etwa bei der Erhöhung der Produktivität und der Wettbewerbsfähigkeit, der Steigerung der Qualität, der Schonung von Ressourcen, der Vermeidung von CO2-Emissionen oder bei der Optimierung des Einsatzes von – immer knapper werdenden – Arbeitskräften.

Mehr Informationen:
www.ait.ac.at

Das Thema „AI-enabled Automation“ nimmt auch im diesjährigen Jahrbuch zum Alpbach Technology Symposium 2022 mit dem Titel „KI in der Praxis / Applying AI“ großen Raum ein.

Kostenloser Download:
https://www.ait.ac.at/fileadmin/cmc/downloads/News/efatec22/TG2022-Book-165×240-SCR.pdf

Foto: Hochkarätig besetzte Panel Discussion bei der „Berlin Science Week“ zum Thema „AI-enabled Automation: Wie intelligente Maschinen den Menschen unterstützen“ (v.l.): Martin Kugler (Moderator, AIT), Andreas Kugi (TU Wien, AIT), Elisabeth André (Universität Augsburg), Manfred Tscheligi (Universität Salzburg, AIT), Lydia Kaiser (TU Berlin), Johannes Winter (L3S), Matthias Scheutz (Tufts University, AIT) und Wolfgang Knoll (Managing Director AIT).

Fotocredit: AIT/Hlava