Teil 3: Wie machen wir das autonome System autonom?
Leitplanken und Probezeit für das autonome System
Im Gespräch mit Prof. Michael Weyriche: Bevor autonome Systeme gebrauchstaugliche Werkzeuge in der industriellen Praxis werden, müssen zahlreiche technisch-wissenschaftliche und gesellschaftliche Fragen beantwortet werden. Einen Beitrag zum Diskurs leistet der dritte Teil unserer VDI-Serie ‚Autonome Systeme‘. Professor Michael Weyrich berichtet, wie Menschen den Systemen ihre Autonomie verleihen.
Herr Prof. Weyrich, bevor wir über das Wie sprechen, möchte ich von Ihnen wissen, was ein autonomes System autonom macht.
Prof. Michael Weyrich: Da streite ich mich immer mit den Informatikern, die autonome Systeme als logische Weiterentwicklung automatisierter Systeme sehen. Doch das ist meiner Meinung nach nicht ganz korrekt. Autonomie hat in erster Linie mit Selbstbestimmung zu tun, während sich Automation auf prozedurale Steuerungsabläufe bezieht. Diese sind eventuell vorausschauend, aber eben fest vorgegeben. Ein System, das autonom ist, kann – in gewissen vorgegebenen Leitplanken – selbstbestimmt agieren. Automation gibt es hingegen seit vielen Jahren. Sie folgt seit jeher vorgegebenen Prozessen, indem sie deterministisch zwischen vorgegebenen Möglichkeiten entscheidet. Die neunte Ausgabe von Rockwell Automations „State of Smart Manufacturing“ Report liefert Einblicke in Trends und Herausforderungen für Hersteller. Dazu wurden über 1.500 Fertigungsunternehmen befragt, knapp 100 der befragten Unternehmen kommen aus Deutschland. ‣ weiterlesen
KI in Fertigungsbranche vorn
Welche Methoden der Automation gibt es aktuell?
Weyrich: Viele – es gibt eine große Anzahl an Verfahren, die eingesetzt werden und mehr oder weniger gut funktionieren. Nachdem früher viel mit Regeln gearbeitet wurde, sind es heute meistens Verfahren des Machine Learning. Sie werten Daten aus, um Lösungen zu finden. Zu nennen sind hierbei neuronale Netze in verschiedenen Ausprägungen, aber auch Algorithmen zur Optimierung wie genetische Algorithmen, NLP oder Clusterung (SVM, Random Forrest, k-NN) mit denen diese Daten ausgewertet werden können. Auch Bayes’sche Netze, die mit bedingten Wahrscheinlichkeiten arbeiten, liefern bei bestimmten Problemen gute Ergebnisse. Es ist eine Aufgabe der aktuellen Forschung, die vielen Ideen und Konzepte für die speziellen Anwendungsfälle gangbar zu machen. Wir sind heute allerdings noch sehr stark im Bereich der schwachen KI unterwegs. Autonome Systeme gehen im Sinne der Selbstbestimmung noch einen Schritt weiter. Sie verlassen das heutige Paradigma von festgelegten und vorausgedachten Abläufen, die mithilfe von den oben genannten Algorithmen atomisiert spezielle Probleme lösen. Ein technisches System, das selbstbestimmt agiert, verlässt den Pfad des nachvollziehbaren Determinismus und erlaubt selbstgewählte neue Wege, zu denen nur Wahrscheinlichkeitsaussagen möglich sind.
Was heißt ‚deterministische Wege verlassen‘ genau?
Weyrich: Nehmen wir ein sehr großes System an. Das hat, wenn es automatisiert ist, immer noch klare Regeln. Das Verhalten des Systems lässt sich also genau vorhersagen. Ein Test würde also immer wieder das gleiche Ergebnis liefern. Wenn wir ein autonomes System betrachten, dann werden Ziele verfolgt, die erreicht werden sollen. Eine ganze Reihe von Software-technischen Ansätzen versucht, Systeme dahingehend zu befähigen. Sie setzen häufig sogenannte Agenten ein, die mit Methoden des Bestärkenden Lernens, oder Reenforcement Learning, komplexe Zielkriterien erreichen sollen. Bedeutet: Der Agent erhält bestimmte Fähigkeiten und Kompetenzen und bekommt dann eine Aufgabe und Ziele, die es zu bewältigen gilt. Er erarbeitet selbstständig Lösungen, um eine Belohnung zu erhalten. Vorgegeben sind allein Metriken, mit denen das gewünschte Ergebnis bewertet wird. Außerdem werden oft Leitplanken bzw. Grenzbereiche vorgegeben und ständig überwacht. So kann sich ein autonomes System nicht vollständig aus dem Lösungsraum entfernen. Das Manufacturing Execution System (MES) HYDRA optimiert Produktionsprozesse für Fertigungsunternehmen, um Wettbewerbsvorteile zu erzielen. ‣ weiterlesen
MES-Integrator und 360-Grad-Partner für optimierte Fertigung
Es ist also möglich, autonomen Systemen Leitplanken vorzugeben, die diese einhalten?
Weyrich: Theoretisch ist es natürlich denkbar, dass ein System erkennt, dass bestimmte Leitplanken aus seiner Sicht nicht sinnvoll sind. Es könnte diese rein theoretisch einreißen. Doch mit diesem Szenario befinden wir uns außerhalb dessen, was derzeit und auch in absehbarer Zeit technisch möglich ist und befinden uns in einem eher metaphysischem Frageraum, in dem Algorithmen auch in der Lage wären, Gewerkschaften zu gründen. Technologisch sind wir da begrenzt: gesetzte Systemgrenzen bleiben Grenzen. Die oben beschriebenen Verfahren funktionieren gut für klar strukturierte Problemstellungen wie etwa Brettspiele. Aber auch AlphaGo oder DeepMind werden nach heutigem Stand der Technik nicht verkünden: Ich mag Go nicht mehr – ich spiele jetzt lieber Schach!
