Künstliche Intelligenz sorgt für technologischen Paradigmenwechsel in der Logistik

Die Entwicklung von Künstlicher Intelligenz (KI) ist unaufhaltsam. Immer mehr Prozesse und Entscheidungen werden durch intelligente Systeme getroffen und beeinflussen das tägliche Leben. Auch wenn die Zukunftstechnologie bereits unseren Alltag erreicht hat, stehen wir noch vor großen Herausforderungen. Um sich diesen zu stellen, steigt das Fraunhofer IML mit der »Social Networked Industry« in den Ring und erforscht und entwickelt KI-Systeme für die MenschMaschine-Interaktion. Denn eines ist gewiss: KI bestimmt die Zukunft der Logistik. 

Jüngste Beispiele wie ChatGPT der Microsoft-Tochter Open AI zeigen in beeindruckender Weise, was maschinelle Lernverfahren und Algorithmen mittlerweile leisten können und wie unglaublich schnell sie sich weiterentwickeln. Der Grund dafür sind generative Künstliche Intelligenzen der dritten Generation. Diese sind, anders als die regelbasierten Systeme der ersten Generation und die lernfähigen Programme der zweiten Generation, in der Lage, Wissen und teilweise auch Kontext selbstständig mit Daten zusammenzuführen.

KI als Schlüsseltechnologie

Die dritte Generation der KI bietet gerade für die komplexen Aufgabenstellungen in der Logistik große Chancen. Deshalb forscht das Fraunhofer IML bereits seit einiger Zeit mit Künstlicher Intelligenz (KI) und Open Source an Innovationen zu den aktuellen Megatrends. Als Teil des Lamarr-Instituts für Maschinelles Lernen und Künstliche Intelligenz will das Dortmunder Institut die dritte Generation der KI oder auch »Trianguläre KI³«, wie die Forschenden sie bezeichnen, multidisziplinär weiterentwickeln. Diese sei die ultimative Technologie für die Entwicklung von Zukunftstechnologien für die Logistik. 

Künstliche Intelligenzen der dritten Generation werden, so die Forschenden, durch Deep Learning künftig zum aktiv handelnden Teil von Logistik- und Produktionssystemen, da sie neben Routineaufgaben auch immer komplexere Probleme lösen können. Vermutlich sind Deep-Learning-Programme mittlerweile – speziell bei größeren Datenmengen – der menschlichen Intuition sogar überlegen. Dadurch böten sie Optimierungspotenzial für sämtliche Prozesse entlang der Supply Chain. Die KI könne so zum aktiv agierenden Partner des Menschen werden und nicht nur Auskunft geben, sondern wäre auch in der Lage, mehr und mehr aktiv zu steuern, zu verhandeln und zu planen. Mit ihrer Hilfe ließen sich die großen Problemstellungen unserer Zeit lösen – angefangen von geopolitischen Krisen und Störungen in den Lieferketten bis hin zum Arbeitskräftemangel und demografischen Wandel. »Einige Herausforderungen in der Logistik können wir bereits heute durch Künstliche Intelligenz besser bewältigen, und manche Probleme werden wir sogar nur mithilfe der KI lösen. Ob bei der Organisation eines Schwarms mobiler Roboter, beim Durchforsten großer Datenbanken oder bei der Berechnung des nächsten Batchs ist vieles in der Intralogistik nur unzureichend mit Formeln zu beschreiben oder mit gesundem Menschenverstand zu steuern. Hier kann KI helfen und manches lernen, was wir nicht verstehen«, so Prof. Michael ten Hompel, geschäftsführender Institutsleiter des Fraunhofer IML.

Wertebasierte Anwendung von KI

Um die Akzeptanz von KI-basierten Lösungen zu erhöhen, ist ein wichtiger Schwerpunkt ihrer Forschung, maschinelle Lernverfahren transparent und für den Menschen interpretierbar zu gestalten. (Fehl-)Entscheidungen der KI müssen lückenlos rückverfolgbar sein. Vertrauenswürdigkeit bedeutet aber auch die Einhaltung von ethischen Standards und des Datenschutzes. Unter dem Schlagwort »Trustworthy AI« haben sich die Wissenschaftlerinnen und Wissenschaftler deshalb eine wichtige Maxime bei der Entwicklung von KI auf die Fahne geschrieben: Wie können Maschinen derart programmiert werden, dass sie »verantwortungsvoll«, also entlang der Normen und Regeln handeln? Denn KI soll dem Menschen dienen und nicht umgekehrt. Sie soll als Grundlagentechnologie dem Menschen als helfende Hand sowohl kognitiv als auch physisch zur Seite stehen. Mithilfe der KI will das Institut sichere und gesunde Arbeit ganzheitlich vom Shopfloor bis zur Wertschöpfungsebene bei der Prozessautomatisierung und -autonomisierung etablieren. Zudem sollen bestehende hochskalierbare digitale und technische Lösungen für Anwendungen für alle Unternehmensgrößen systematisch miteinander verzahnt und weiterentwickelt werden. Mit der innerhalb der »Silicon Economy« initiierten, unternehmensfinanzierten Open Logistics Foundation will das Fraunhofer IML ein Open-Source-Ecosystem für die Logistik kreieren – eine Art »Linux für Logistik und KI«. Damit will das Institut auch kleineren und mittleren Unternehmen den Weg zu KI-basierten Technologien ebnen. Zusammen mit der »Social Networked Industry« soll eine Welt geschaffen werden, in der Mensch und KI partnerschaftlich in sozialen Netzwerken zusammenarbeiten und so gemeinsam die Welt der Zukunft prägen. 

Mit dem Projektvorhaben »Social Networked Industry – sichere und vertrauenswürdige Zusammenarbeit von Menschen und Künstlicher Intelligenz« will das Fraunhofer IML mithilfe von KI eine neuartige Arbeitswelt für die Logistik gestalten, in der der Mensch im Zentrum steht. Er wird zum Dirigenten ganzer Systeme und interagiert mit intelligenten und vernetzten Maschinen. Dabei entstehen soziale Netzwerke, die Mensch und Technik verbinden.

Das Fraunhofer IML hat die »Social Networked Industry« bereits im Jahr 2017 ins Leben gerufen. Schon damals war für die Forschenden abzusehen, dass KI die Welt massiv verändern wird. »Die Digitalisierung von allem und die Künstliche Intelligenz in allem wird alles für uns alle ändern. Es wird eine Social Networked Industry entstehen, in der Mensch und Maschinen auf Basis Künstlicher Intelligenz in sozialen Netzwerken partnerschaftlich zusammenarbeiten«, so die Vision von Prof. Michael ten Hompel

Wie definiert sich die Social Networked Industry?

Die »Social Networked Industry« setzt sich aus zwei Komponenten zusammen: der vernetzten Industrie (Networked Industry) und dem sozialen Netzwerk (Social Network). Themen wie Industrie 4.0 und das Internet der Dinge behandeln die Vernetzung von Technologien. Aber auch in der heutigen Gesellschaft ist Vernetzung ein wesentlicher Faktor. Soziale Netzwerke wie Facebook, Twitter, Xing & Co. verbinden Menschen miteinander über Länder- und Kulturgrenzen hinweg. Sie sind dezentral, intuitiv bedienbar, skalierbar, emotional und haben einen festen Platz in unserem Alltag. Die Vernetzung spielt außerdem in Unternehmen eine immer größere Rolle. Deshalb möchten die Forschenden dieses Konzept auf die Zusammenarbeit von Mensch und Maschine übertragen. Die »Social Networked Industry« steht für eine Kombination aus menschlichen und maschinellen autonom handelnden Entitäten, die zu funktionierenden dynamischen Netzwerken heranwachsen. Diese können ad hoc zur Lösung eines konkreten Problems entstehen. Die spontane Vernetzung und der schnelle Aufbau neuer Strukturen sind sowohl im Unternehmen als auch über die Unternehmensgrenzen hinweg unerlässlich. Nur so kann die Logistikwelt sich den künftigen Herausforderungen stellen und Chancen optimal nutzen, um Wettbewerbsvorteile zu heben. Durch die Mensch-Maschine-Kommunikation lassen sich, so die Forschenden, die positiven Alleinstellungsmerkmale von Menschen und Maschinen – Flexibilität und Kreativität mit Effizienz – kombinieren. Dabei soll der Mensch von fehleranfälligen und monotonen Tätigkeiten entlastet und in seiner Zufriedenheit gestärkt werden. Voraussetzung dafür ist, dass der Mensch qualifiziert wird, denn durch den technischen und organisatorischen Wandel werden sich Tätigkeits- und Jobprofile verändern. Lebenslanges Lernen ist daher unerlässlich, um den Menschen auf seine neue Rolle vorzubereiten. 

Demonstrationsplattform für anwendungsnahe Entwicklungen

Zudem soll innerhalb der »Social Networked Industry« eine Forschungs- und Demonstrationsplattform für anwendungsnahe Entwicklungen für die Logistik aufgebaut werden. Es sollen reale Szenarien und Bedingungen der operativen Logistik simuliert werden, um innovative Technologien und die Zusammenarbeit zwischen Menschen und Technik zu testen und zu evaluieren. Der Fachbereich Embodied AI des Fraunhofer IML, der sich mit Robotik beschäftigt, nutzt beispielsweise schon seit geraumer Zeit für die Entwicklung autonomer Lösungen, wie des hochdynamischen Roboters »LoadRunner« oder des Transportroboters »evoBOT«, eine neue Generation der simulationsbasierten KI. Die Simulation ist so exakt, dass darin sehr komplexe Situationen erlernbar sind. So wird Sensoren in der Simulation beigebracht, Fahrzeuge im Schwarm zu lokalisieren. Die Verbindung mit Steuerungstechnik lässt ein digitales Kontinuum entstehen – ein sich selbst optimierendes System.

»Social Networked Industry« ist gesamtgesellschaftliche Gestaltungsaufgabe

Die Vision einer humanzentrierten »Social Networked Industry« muss als eine gesamtgesellschaftliche Gestaltungsaufgabe verstanden werden, bei deren Ausgestaltung Expertinnen und Experten unterschiedlichster Fachdisziplinen auf Augenhöhe zusammenarbeiten. Die Grafik auf S. 8 zeigt, welche Forschungsfragen dabei zu adressieren sind.

Die Zusammenarbeit von Mensch und Technik ist für das Fraunhofer IML eine der größten Herausforderungen des Digitalisierungsprozesses, da sie sowohl die Qualität der Arbeit als auch die Akzeptanz digitaler Lösungen durch den Menschen beeinflusst. Digitale Assistenzsysteme, die den Menschen individuell und ergonomisch bei ihrer Arbeit unterstützen, könnten hier die Lösung sein. 

Maschinelles Lernen und neuronale Netze befeuern Entwicklung von Künstlicher Intelligenz  

Künstliche Intelligenz imitiert menschliche kognitive Fähigkeiten, indem sie Eingabedaten erkennt und sortiert. Dies kann auf programmierten Abläufen basieren oder durch Maschinelles Lernen erzeugt werden. Bei maschinellen Lernverfahren erlernt ein Algorithmus durch ständige Wiederholung selbstständig, eine Aufgabe zu erfüllen. Die Maschine orientiert sich dabei an einem vorgegebenen Gütekriterium und dem Informationsgehalt der Daten. Anders als bei herkömmlichen Algorithmen wird kein Lösungsweg modelliert. Der Computer lernt selbstständig, die Struktur der Daten zu erkennen. Beispielsweise können Roboter selbst erlernen, wie sie bestimmte Objekte greifen müssen, um sie von A nach B zu transportieren. Sie bekommen nur gesagt, von wo aus und wohin sie die Objekte transportieren sollen. 

Wie der Roboter greift, erlernt er durch das wiederholte Ausprobieren und durch Feedback aus erfolgreichen Versuchen. Die stetig zunehmende Datenmenge und der technische Fortschritt bei der Rechenleistung haben dazu beigetragen, dass mithilfe des Maschinellen Lernens immer komplexere Berechnungen möglich sind. Das neuronale Netz, als Untergebiet des Maschinellen Lernens, besteht aus künstlichen Neuronen. Diese ahmen durch Algorithmen die Nervenzellen im Gehirn nach. Wie die Nervenzellen im Gehirn sind die künstlichen Neuronen miteinander verbunden und verarbeiten durch Deep Learning Informationen. Durch das Training mit großen Datenmengen können neuronale Netze lernen, Muster und Zusammenhänge zu erkennen und Vorhersagen zu treffen. Sie sind in der Lage, sich selbst zu verbessern. Neuronale Netze und Deep Learning werden zum Beispiel bei der Bild- und Spracherkennung, der automatischen Übersetzung, der Vorhersage von Verhaltensmustern und bei der automatisierten Entscheidungsfindung eingesetzt.