Mobile selbstlernende Roboter können den Menschen in Zukunft von gefährlichen oder gesundheitsschädigenden Tätigkeiten entlasten. Zugleich machen sie Einsätze in schwer zugänglichem Gelände wirtschaftlicher oder überhaupt erst möglich. Für den Einsatz derartiger Lernender Systeme in lebensfeindlichen Umgebungen sind jedoch aus technischer Sicht noch einige Herausforderungen zu bewältigen. Dazu zählt das autonome Lernen in unbekannten Umgebungen. Zudem gilt es, die Zusammenarbeit der selbstständigen Roboter mit dem Menschen zu gestalten.

»Der Einsatz von Künstlicher Intelligenz ist mit enormen Chancen für unsere Gesellschaft verbunden. Gerade im Katastrophenschutz, beim Rückbau von Atomkraftwerken oder in maritimen Bereichen sind die Möglichkeiten groß, Fachkräfte mit Hilfe von Künstlicher Intelligenz wirksam zu unterstützen. Deshalb hat die Plattform Lernende Systeme eine interdisziplinäre Arbeitsgruppe eingesetzt, die erörtert, wie Lernende Systeme für lebensfeindliche Umgebungen zum Wohle der Menschen entwickelt und eingesetzt werden können«, sagt Professor Holger Hanselka, Präsident des Karlsruher Instituts für Technologie und Mitglied des Lenkungskreises der Plattform Lernende Systeme. »Gerade bei autonomen Systemen, die wir im Krisenfall einsetzen, wird die IT-Sicherheit enorm wichtig sein. Daher setzt das KIT in seiner Forschung darauf, nicht nur die Außengrenzen eines komplexen IT-Systems zu schützen, sondern auch jedes einzelne Teil, und bringt insbesondere auch seine Expertise in der IT-Sicherheit in die Plattform Lernende Systeme ein.«

Die Arbeitsgruppe Lebensfeindliche Umgebungen zeigt in ihrem Bericht anhand von zwei Anwendungsszenarien auf, wie Künstliche Intelligenz in rund fünf Jahren im Katastrophenschutz sowie bei Erkundungs- und Wartungsmissionen unterstützen kann. Das Anwendungsszenario »Schnelle Hilfe beim Rettungseinsatz« illustriert, wie KI-gestützte robotische Systeme die Feuerwehr am Boden und aus der Luft beim Brand einer Chemiefabrik unterstützen können. Mit Hilfe von Multi-Sensorik sind die Systeme in der Lage, schnell ein detailliertes Lagebild zu erstellen, eine Kommunikations- und Logistikinfrastruktur für Rettungsarbeiten aufzustellen, Verletzte zu suchen sowie Gefahrenquellen zu identifizieren und einzudämmen. Im Anwendungsszenario »Unter Wasser autonom unterwegs« warten robotische Unterwassersysteme die Fundamente einer Offshore-Windkraftanlage. Sie navigieren selbständig in der Tiefsee, übernehmen die vorgesehenen Planungsschritte und fordern bei Bedarf Unterstützung durch Taucher oder ferngesteuerte Systeme an.

Nischenmarkt mit besonderen Anforderungen

»Die Anforderungen an Lernende Systeme sind in lebensfeindlichen Umgebungen besonders hoch: Sie müssen intelligent und zugleich robust sein gegen Extrembedingungen und sich unter unvorhersehbaren Bedingungen selbständig zurechtfinden«, so Jürgen Beyerer, Leiter der Arbeitsgruppe Lebensfeindliche Umgebungen der Plattform Lernende Systeme sowie Leiter des Fraunhofer-Instituts für Optronik, Systemtechnik und Bildauswertung IOSB und Professor für Interaktive Echtzeitsysteme am KIT. »Bis es soweit ist, können KI-basierte Systeme durch Einsatzkräfte ferngesteuert betrieben werden und die gesammelten Daten in die Entwicklung intelligenter Funktionen einfließen. Nach und nach erreichen die Systeme einen immer höheren Autonomiegrad und können sich schließlich durch maschinelles Lernen selbst weiter verbessern.«

Noch sind Lernende Systeme für den Einsatz in lebensfeindlichen Umgebungen ein Nischenmarkt. Deutschland ist bei der Entwicklung dieser KI-Systeme gut aufgestellt. Die Arbeitsgruppe Lebensfeindliche Umgebungen unter der gemeinsamen Leitung von Jürgen Beyerer (KIT und Fraunhofer IOSB) und Frank Kirchner (Robotics Innovation Center, Deutsches Forschungszentrum für Künstliche Intelligenz und Universität Bremen) benennt in ihrem Bericht konkrete Gestaltungsoptionen, um die Chancen von Lernenden Systemen in lebensfeindlichen Umgebungen zu nutzen und mit den selbstlernenden Robotern weltweite Märkte zu bedienen. Diese reichen vom Aufbau geeigneter Infrastrukturen wie zum Beispiel umfassende Datenpools und Referenzplattformen über die Förderung von Innovationen etwa durch Wettbewerbe oder Technologiedemonstratoren bis hin zum Schaffen von Standards für Wirtschaft und Forschung sowie die Flexibilisierung des Beschaffungsmarktes.