Page - 100 - in Künstliche Intelligenz - Technologie | Anwendung | Gesellschaft

100 B Anwendung Anders als fest in einem Produktionsprozess installierte Industrieroboter müssen Ser- viceroboter in einer sich ständig ändernden Umgebung agieren können. Sie müssen deshalb dazu in der Lage sein, zu lernen, sich anzupassen und Fehler autonom zu korrigieren. Serviceroboter haben daher in der Regel auch deutlich mehr Sensoren als Industrieroboter. Da die Genauigkeit und Zuverlässigkeit von Sensordaten häufig stark variieren, besteht für die Kontrollsysteme eines Serviceroboters die schwierige Herausforderung, ein zutreffendes Bild der Umgebung zu generieren, damit Aktions- planung und -steuerung flexibel auf alle Änderungen reagieren können. In vielen Bereichen – insbesondere in der Logistik, Medizin, Pflege, Landwirtschaft, Inspektion und Wartung – ist ein Trend zum professionellen Einsatz von Servicerobo- tern erkennbar. Die entsprechende Hardware steht bereits zur Verfügung. Jedoch sind existierende Lösungen oft immer noch in ihrer Funktionalität stark eingeschränkt. Eine Anpassung des Verhaltens an neue Bedingungen ist heute noch, ähnlich wie bei der klassischen Industrierobotik, mit hohen Systemintegrationskosten verbunden. In der Servicerobotik gilt die Programmierung von adaptiven Kontrollsystemen daher zurzeit als größte Herausforderung. Dabei setzen die Entwickler zur Flexibilisierung der Kontrollsoftware auf KI. Es lassen sich sieben KI-Technologiebereiche identifizie- ren, in denen in den letzten Jahren entscheidende Entwicklungen stattfanden: Com- puter Vision, ML, Aktionsplanung und Optimierung, Cognitive Modeling, Semanti- sche Technologien, Natural Language Processing (NLP) und Neuromorphic Compu- ting (Seifert et al. 2018, s. auch Einleitung zu Kapitel A Technologie „Entwicklungswege zur KI“). Insbesondere datengetriebene Verfahren wie maschinelles Lernen (ML), d. h. Verfahren, die aus Beispielen lernen können, können Lösungen zu Problemen finden, die einen hohen Grad an Flexibilität in Wahrnehmung und Handlung erfor- dern. Die Verfügbarkeit großer Datenmengen (Big Data) und die stark gewachsene Rechenleistung haben diese Flexibilisierung gelernter Lösungen ermöglicht. Wie weitreichend diese KI-Technologien bereits die Robotik prägen, zeigen etwa die Fort- schritte im autonomen Fahren. Moderne KI-Systeme bewegen sich freilich noch immer im Bereich der schwachen oder eingeschränkten KI (weak or narrow AI), die zwar ihre Funktionalität in einem abgesteckten Bereich verallgemeinern, nicht jedoch auf neue, unvorhergesehene Probleme übertragen kann. Auch wenn moderne, datengetriebene KI-Verfahren sehr viel flexibler etwa mit veränderlichen Umgebungsbedingungen und Rauschen in Sensordaten umgehen können, sind sie noch weit von den generellen Fähigkeiten eines Menschen, Probleme zu lösen, entfernt.