Künstliche Intelligenz (KI) Der „Griff in die Kiste“ fällt gemeinsam leichter

Anbieter zum Thema

Klinkhammer Intralogistics GmbH

IdentPro GmbH

Malorg Consulting GmbH

KIT Karlsruher Institut für Technologie

Nicht lange Informationen sammeln, sondern „beherzt zugreifen“ – das scheint das Motto des Forschungsprojekts „FLAIROP“ von kanadischen und deutschen Unternehmen zu sein. Beim Projekt geht es darum, dass autonome Greifroboter mithilfe künstlicher Intelligenz (KI) an unterschiedlichen Standorten voneinander lernen.

Schon Anfang August haben wir online über den erfolgreichen Abschluss des Forschungsprojekts „FLAIROP“ bei Festo in Esslingen-Berkheim berichtet. Wir wollen dieses Projekt noch einmal vertiefen, und zwar aus der Sicht des Projektpartners KIT, des Karlsruher Instituts für Technologie. Grundsätzlich ist heutzutage gemeinsame Forschung „state of the art“ – kaum ein Unternehmen oder Institut kann alleine das nötige Kapital für wirklich intensive, über längere Zeit zu finanzierende Forschung aufbringen. So haben sich auch in diesem Fall das KIT, das Esslinger Familienunternehmen Festo, die kanadische University of Waterloo sowie Darwin AI, ein ebenfalls kanadisches Unternehmen, zusammengetan und gemeinsam geforscht.

Autonome Roboter: Schlüsseltechnologie für Industrie und Logistik 4.0

Autonome, flexibel einsetzbare Roboter gelten zwar nicht erst seit heute als eine Schlüsseltechnologie für Industrie und Logistik 4.0 – das Ganze hat aber einen Haken: Um per künstliche Intelligenz (KI) gesteuerte Roboter zu trainieren, sind die Forscher auf sehr große Datenmengen angewiesen, die wiederum aber nur in den wenigsten Unternehmen zur Verfügung stehen.

Dieser Umstand hat eine Idee geboren: Wie wäre es, Roboter unterschiedlicher Unternehmen an verschiedenen Standorten der Welt voneinander lernen zu lassen? „Bei herkömmlichen maschinellen Lernmethoden werden alle Daten gesammelt und die KI auf einem zentralen Server trainiert“, erklärt dann auch Maximilian Gilles vom Institut für Fördertechnik und Logistiksysteme (IFL) am KIT. Die Forschenden wählten einen anderen Ansatz, indem sie Trainingsdaten von mehreren Stationen, aus mehreren Werken oder sogar Unternehmen zwar durch gemeinsames, aber örtlich getrenntes Lernen nutzen. Der Clou dabei: Alle Beteiligten müssen ihre sensiblen Unternehmensdaten nicht herausgeben. „Damit konnten wir jetzt autonome Greifroboter in der Logistik so trainieren, dass sie in der Lage sind, auch solche Artikel zuverlässig zu greifen, die sie vorher noch nicht gesehen haben“, so Gilles.

Gestartet wurde das Forschungsprojekt „FLAIROP“, dessen Akronym für „Federated Learning for Robot Picking“ steht, also örtlich getrenntes Lernen, im Jahr 2021. Während des Projekts hat keinerlei Datenaustausch wie Bilder oder Greifpunkte stattgefunden. Es wurden lediglich die lokalen Parameter der neuronalen Netze, also abstraktes Wissen, zu einem zentralen Server übertragen.

Robots können voneinander lernen

„Trainieren“ konnten die Robots an fünf autonomen Kommissionierstationen. Zwei davon befanden sich am IFL und drei bei Festo. „Wir freuen uns, dass es uns gelungen ist, zu zeigen, dass Roboter voneinander lernen können, ohne sensible Daten und Betriebsgeheimnisse zu teilen. Dadurch schützen wir die Daten unserer Kundinnen und Kunden und wir gewinnen zudem an Geschwindigkeit, weil die Roboter auf diese Weise viele Aufgaben schneller übernehmen können“, sagt Dr. Jan Seyler, Leiter Advanced Development Analytics and Control bei Festo.

Und was hat das Ganze gebracht? „Unsere Ergebnisse zeigen, dass mit Federated Learning kollaborativ robuste KI-Lösungen für den Einsatz in der Logistik erzeugt werden können, ohne dabei sensible Daten zu teilen“, resümiert Sascha Rank vom Institut für Angewandte Informatik und Formale Beschreibungsmethoden (AIFB) des KIT, ebenfalls Partner des „FLAIROP“-Projekts. (bm)

(ID:49669722)