Teil 2 – Was der Vergleich von autonomen Systemen nutzt
Um autonome Systeme mit KI einschätzen zu können, müssen sie unabhängig von der Domäne verglichen werden. Teil 5 unserer Serie 'Autonome Systeme' greift den Nutzen einer Gegenüberstellung auf und was es dazu braucht. Katharina Giese und Piet Lipke vom Fraunhofer IOSB-INA erläutern das am Beispiel autonomer Anlagenkomponenten in der Forschungsfabrik SmartFactoryOWL in Lemgo.
Bilder: ©Alexander Limbach/stock.adobe.com

Die Arbeitsgemeinschaft ‚Autonome Systeme‘ der VDI/VDE-Gesellschaft Mess- und Automatisierungstechnik hat zehn Grundsatzfragen zum Thema künstliche Intelligenz und autonome Systeme formuliert. Die fünfte handelt vom Sinn und Nutzen, autonome Systeme zu vergleichen.

Warum ist es wichtig, Autonome Systeme miteinander zu vergleichen?

Giese: Wenn wir den aktuellen Stand der Technik einschätzen wollen, müssen wir Systeme, die KI einsetzen und autonom sind, sprich selbstbestimmt ihren Lösungsweg suchen, unabhängig von der Domäne vergleichen können. Auf dieser Basis können dann z.B. Felder identifiziert werden, in denen die Forschung intensiviert oder auch übergreifend gebündelt werden kann.

Wie können autonome Systeme verglichen werden?

Lipke: Es braucht eine gemeinsame Bewertungsgrundlage, um autonome Systeme vergleichen zu können. Dafür gilt es, Eigenschaften autonomer Systeme zu gruppieren, vergleichbare Eigenschaften in physischen und digitalen Systemen zu finden und auch die Frage zu beantworten, ab wann ein System als autonom gelten soll. Dazu bedarf es eines gemeinsamen Verständnisses des Autonomiebegriffs. In der Automobilindustrie hat man sich bereits auf Metriken geeinigt, um den Grad der Autonomie – von hochautomatisiert bis tatsächlich autonom – zu beschreiben. Die dort beschriebenen Stufen richten sich nach der Notwendigkeit für den Menschen, speziell den Autofahrer, in das Geschehen einzugreifen oder das Auto vollständig zu steuern. Dem stehen Maschinen und Anlagen gegenüber, die nur noch zum Teil oder gar nicht mehr vom Menschen bedient werden. Sind diese schon autonom, wenn sie einem vorgeschriebenen Betriebsablauf folgen? Wenn laut Duden der Begriff Autonomie Selbstständigkeit und Unabhängigkeit bedeutet, dann umfasst das auch die Fähigkeit, auf unerwartete Ereignisse angemessen und nachvollziehbar zu reagieren, um ein vorbestimmtes Ziel zu erreichen.

Was sind erforderliche Eigenschaften autonomer Systeme?

Giese: Generalisiert man die Grundstrukturen autonomer Systeme, ergeben sich die Elemente:

  • Zielerkennung – Technische Systeme werden für bestimmte Anwendungszwecke entworfen. Die erste Gemeinsamkeit ist das Ziel, zu dessen Erfüllung ein solches System beiträgt.
  • Selbstständige Umfelderfassung -Autonome Systeme müssen ihre Umgebung und ihren Kontext wahrnehmen, um den Grad der Zielerfüllung einschätzen zu können. Diese Erfassung übernehmen etwa Sensoren.
  • Selbstständig generierter Handlungsplan – Um ein gegebenes Ziel zu erreichen, muss ein System Einfluss auf die Umgebung nehmen können und zwar auf eine Weise, die der Zielerfüllung zweckdienlich ist. Ein vom autonomen System selbstständig generierter Handlungsplan bildet die nachvollziehbare Grundlage der Aktionen.
  • Resilienz und Failsafe-Strategien -Diese Handlungspläne werden auf der Grundlage historischer und aktueller Daten unter anderem mit Methoden des maschinellen Lernens und der künstlichen Intelligenz generiert.

Für das Erreichen der Unabhängigkeit ist die Resilienz besonders wichtig. Denn nur so kann das System auf unvorhergesehene Ereignisse und Fehlerzustände angemessen reagieren. Die Strategien umfassen nicht nur die vom Entwickler vorgedachten potenziellen Probleme. Sie schließen auch die Fähigkeit ein, auf unerwartete Ereignisse sowie Ausfälle innerhalb des Systems zu reagieren, entsprechende Failsafe-Strategien zu entwickeln und umzusetzen, um die eigentliche Aufgabe angemessen weiter zu bearbeiten.

Was bedeutet das für die Vergleichbarkeit?

Lipke: Um den Grad der Autonomie verschiedener Systeme einschätzen zu können, lässt sich der Umfang der Umsetzung der oben genannten Grundstrukturen autonomer Systeme betrachten. Dazu sind folgende Fragen zu beantworten:

  • Reicht die Umgebungserfassung aus?
  • Sind alle Elemente, die zur Zielerfüllung benötigt werden, in diesem System vorhanden oder müssen andere Systeme hinzugezogen werden?
  • Wie würde dann kommuniziert?
  • Wird der Handlungsplan wirklich selbstständig auf Basis der dem System zugänglichen Daten generiert? Wird von außen Einfluss genommen, werden Vorgaben gemacht?
  • Kann das System auch auf komplexe Probleme ohne Weisungen von außen reagieren?
  • Ab wann ist ein Eingreifen durch den Menschen notwendig, z.B. zur Wartung?

Wie kann die Autonomie eines Systems mit diesen Kriterien eingeschätzt und erhöht werden?

Giese: Als Beispielsystem nehmen wir hier ein wandlungsfähiges Produktionssystem aus der SmartFactoryOWL in Lemgo. Es handelt sich um mobile und modularisierte Betriebsmittel, die über ein Transfersystem verkettet sind. Das Ziel ist eine möglichst ressourceneffiziente Produktion von hoch individualisierten Produkten. Durch ein digitales Produktgedächtnis an den Werkstückträgern kann die Individualisierung ausgelesen werden. Gleichzeitig geben diese Tags Aufschluss über den Erfüllungsgrad des Ziels. Um den Grad der Autonomie zu erhöhen, kann z.B. an den Schnittstellen angesetzt werden. Wenn einzelne Transfermodule ihre Position eigenständig innerhalb des Produktionssystems erkennen, kann das System zunehmend selbstkonfigurierend agieren. Zusätzlich können durch die durchgängige Vernetzung aller am Ziel beteiligten Betriebsmittel die Wartezeiten an Arbeitsplätzen optimiert werden, wenn das Transfersystem die Bearbeitungsreihenfolge innerhalb gewisser Grenzen selbstständig wählen kann. Der Handlungsplan des Produktionssystems, etwa welche Betriebsmittel bei Produktwechsel wann und wo benötigt werden, kann mit Methoden des maschinellen Lernens optimiert werden. Um Ausfällen entgegenzuwirken und neue Betriebsmittel zur Laufzeit einzubinden, können die Betriebsmittel selbstfahrend gestaltet werden. So werden Konfigurationsänderungen durch Produktwechsel oder auch bei Ausfällen innerhalb des Produktionssystems ohne menschliche Eingriffe realisiert.

www.vdi.de

VDI Verein Deutscher Ingenieure e.V.
www.vdi.de

Anzeige

Anzeige

Das könnte Sie auch Interessieren

Bild: Abat AG
Bild: Abat AG
Forschungskooperation verlängert

Forschungskooperation verlängert

Bild: Abat AG Voneinander und miteinander lernen, gemeinsam an innovativen Ideen für den Markt innerhalb von Forschungskooperationen tätig sein - seit mehreren Jahren schon besteht eine enge Zusammenarbeit zwischen der Bremer Abat AG und der Uni Oldenburg (Abteilung...

Image: Xilinx Inc.
Image: Xilinx Inc.
Adaptive AI Vision

Adaptive AI Vision

Image: Xilinx Inc. Die Kria SOMs ermöglichen den schnellen Einsatz durch Bereitstellung einer End-to-End Lösung auf Board-Ebene mit vorkonfiguriertem Software Stack. Das Kria K26 SOM basiert auf der Zynq UltraScale+ MPSoC Architektur, die einen Quad-Core Arm Cortex...