Reaktive Robotik nächster logischer Schritt

Professor Dr. Norman Urs Baier von der BFH erforscht, wie Roboter sich in dynamische Prozesse einfügen, anstatt sie zu dominieren. Im Gespräch erklärt er, warum klassische und moderne KI sich ergänzen, weshalb Roboter künftig Skills erlernen und wieso es den Menschen weiterhin in Montageprozessen braucht.

Herr Baier, Sie beschäftigen sich an der BFH seit Jahren mit Robotik. Was ist derzeit Ihr zentrales Forschungsthema?

Im Moment konzentrieren wir uns darauf, wie Roboter in der Montage reaktiver werden können, da die klassische industrielle Automatisierung weitgehend ausgereizt ist. In Grossserien arbeiten Roboter technologisch einwandfrei, doch uns interessiert, wie sich diese in Umgebungen einfügen, die nicht perfekt vorstrukturiert sind. Das ist beispielsweise in kleinen Serien oder bei hybriden Arbeitsplätzen, wo sie auf Menschen reagieren müssen, der Fall.

Sie sprechen in diesem Zusammenhang von «reaktiver Robotik». Was bedeutet das genau?

Ein reaktiver Roboter handelt nicht einfach nach einem fixen Ablaufplan, sondern erkennt Zustände und reagiert darauf. Wenn beispielsweise ein Teil leicht versetzt liegt oder ein Mensch in den Arbeitsraum greift, passt der Roboter sein Verhalten an. Damit das funktioniert, braucht er Fähigkeiten, wir nennen sie Skills, etwa Greifen, Positionieren oder Fügen. Diese können einzeln trainiert, kombiniert und auf neue Aufgaben übertragen werden.

Sie unterscheiden zwischen klassischer und moderner Künstlicher Intelligenz. Wie setzen Sie beide Ansätze ein?

Klassische KI arbeitet mit deterministischen Verfahren, also mit Such-, Optimierungs- oder Entscheidungsalgorithmen. Das ist transparent, nachvollziehbar und industriell sehr zuverlässig. Moderne KI, meist neuronale Netze, funktioniert probabilistisch: Sie erkennt Muster in Daten, lernt aus Beispielen, ist aber weniger berechenbar. In der Robotik lassen sich jedoch beide Ansätze prima ergänzen: Die klassische KI für stabile Abläufe, die moderne KI für Wahrnehmung, Objekterkennung und flexible Reaktionen.

«Reaktive Robotik macht den Menschen nicht überflüssig, sondern wirksamer.»

 

Von festen Programmen zu lernenden Skills

Was heisst das konkret in der Praxis, zum Beispiel beim Fügen oder Einsetzen von Teilen?

Nehmen wir das Einführen einer Achse in eine Führung: Klassisch wird hierfür eine exakte Bahn programmiert, die immer gleich abläuft. Mit moderner KI, etwa Deep Reinforcement Learning, kann der Roboter aus Simulationen lernen, wie er reagieren muss, wenn sich Toleranzen ändern oder Reibung variiert. Während der klassische Ansatz verlässlicher leibt, ist die lernende Variante flexibler. Genau dieses Spannungsfeld ist unser Forschungsgebiet.

Inwieweit sind solch lernende Systeme schon heute in der Industrie einsetzbar?

Für klar definierte Aufgaben sind sie bereits praxistauglich. Wo sich jedoch Prozesse ständig verändern, braucht es noch viel Forschung. Ein grosser Fortschritt sind Convolutional Neural Networks, also Faltungsnetzwerke, die Bildinformationen effizient verarbeiten. Sie ermöglichen eine Objekt- oder Fehlererkennung, die weit besser als die klassische Bildverarbeitung ist. Doch wenn es um Sicherheit, Reproduzierbarkeit und Normen geht, bleiben klassische Algorithmen unersetzlich.

«Die Zukunft der Robotik liegt zwischen klassischen Algorithmen und lernenden Systemen.»

 

Skillbasierte Programmierung statt Spezialwissen

Sie sagen, Roboter sollen künftig Skills anstatt Programme lernen. Warum ist das wichtig?

Heute braucht es für jede Anpassung oft einen spezialisierten Ingenieur. Das ist für viele kleine und mittlere Unternehmen zu aufwendig. Wenn Roboter aber auf Skills basieren, können Konstrukteure oder Techniker ähnlich wie Bausteine selbst kombinieren. Damit wird Robotik demokratischer und flexibler. Ziel ist es, dass sich Roboter zukünftig über CAD-Daten und mit Hilfe ihrer Sensorik eigenständig für die jeweiligen Aufgaben anpassen.

Wie stark arbeiten Sie dabei mit Industriepartnern zusammen?

Sehr eng. Wir entwickeln gemeinsam mit Unternehmen, die reale Montageprobleme haben, angepasste Systeme. Dort sehen wir, dass klassische Automatisierung oft an ihre Grenzen stösst, weil die Variantenvielfalt steigt. Unsere Partner wollen Roboter, die auf Abweichungen reagieren, aber trotzdem zuverlässig bleiben.

Viele fürchten, dass KI und Robotik Arbeitsplätze verdrängen. Wie sehen Sie das?

Das sehe ich differenziert. Routinearbeiten werden sicher weiter automatisiert, aber gleichzeitig entstehen neue Aufgaben. Wenn Roboter reaktiver werden, braucht es Menschen, die ihnen Ziele vorgeben, sie überwachen oder trainieren. Automatisierung verschiebt Arbeit, sie ersetzt sie nicht.

Zum Schluss: Sie haben während unseres Gesprächs gesagt, KI beginne schon beim «if». Was meinten Sie damit?

(lacht) Das ist eine Anekdote aus meiner Studienzeit. In den 1990er-Jahren galt jede if-Abfrage im Code schon als Künstliche Intelligenz. Das ist natürlich überspitzt, aber es steckt etwas Wahrheit drin. Im Grunde geht es immer um die Entscheidungslogik: Diese kann hart programmiert sein oder über Lernalgorithmen entstehen. Daher ist die moderne KI auch ist nichts Magisches, sondern vielmehr eine effizientere Methode, um diese Entscheidungen zu optimieren.