Roboter, die heute Prozesse in der Fabrik automatisieren, übernehmen nur bestimmte, wiederkehrende Aufgaben, für die sie programmiert wurden. Sie sind deshalb vor allem für die Massenproduktion rentabel. Künftig können die Beschäftigten in der Montage lernende Maschinen selbst anleiten, und zwar für jene Tätigkeiten, in denen sie gerade Unterstützung brauchen.
Insbesondere mittelständische Unternehmen profitieren von den vielfältig einsetzbaren Roboterwerkzeugen, die auf Künstlicher Intelligenz basieren und sich auch für die Kleinserienfertigung eignen.
Interaktive Grafik zeigt Vorraussetzungen
Das Anwendungsszenario „Lernfähiges Roboterwerkzeug in der Montage“ begleitet die fiktive Facharbeiterin Paula Nowak. In einer Fabrik, die Kabelbäume für die Automobilindustrie produziert, wird sie bei anstrengenden, monotonen oder gefährlichen Tätigkeiten von einem Greifarm unterstützt, der im Betrieb selbstständig wechselnde Aufgaben übernimmt. Sie halten schwere Bauteile oder fädeln Kabel durch scharfkantige Engstellen. Die Facharbeiterin bringt ihrem selbstlernenden Roboterwerkzeug neue Abläufe bei, indem sie ihm die variierenden Tätigkeiten vormacht.
Per Klick zeigt die interaktive Grafik Voraussetzungen für eine erfolgreiche Zusammenarbeit mit dem Roboterwerkzeug. Thematisiert werden etwa Paula Nowaks Sorgen, ob das Werkzeug sie verletzen oder überwachen könnte oder ihren Job gefährdet – und was ihr Arbeitgeber sowie das Roboterwerkzeug leisten müssen, um diese Bedenken zu entkräften. In Videos und Audio-Statements kommen dazu Expertinnen und Experten aus Wissenschaft, Industrie und Gewerkschaften zu Wort.
Befähigen statt ersetzen
Ein weiteres Thema: Wie bleiben Handlungsspielraum und reichhaltige Arbeit erhalten? KI-basierte Industrieroboter ersetzen die Menschen nicht, sondern unterstützen und befähigen sie, lautet die zentrale Botschaft des Anwendungsszenarios. Die lernenden Werkzeuge im Team um Paula Nowak passen sich den individuellen Bedürfnissen und Routinen ihrer Bediener an und unterstützen sie entsprechend ihrer Kompetenzen und Arbeitstempo. Paula Nowak bestimmt selbst, wann und wie sie ihr Werkzeug einsetzt. Sie erlebt ihre Arbeit als abwechslungsreicher, da monotone Tätigkeiten wegfallen und sie mehr planerische Aufgaben wahrnehmen kann.
„Intelligente Roboterwerkzeuge ergänzen die Fähigkeiten der Menschen. Sie müssen die Beschäftigten weder ersetzen noch mit ihnen konkurrieren. Das bedeutet: die Stärken menschlichen Denkens und Handelns sind mit den Fähigkeiten der Technologie zu kombinieren, sodass die Beschäftigten von der KI profitieren und Unternehmen das ökonomische Potenzial der Systeme nutzen können“, sagt Norbert Huchler, Vorstandsmitglied am Institut für Sozialwissenschaftliche Forschung ISF und Mitglied der Plattform Lernende Systeme.
Kontrolle behalten
Mithilfe von Künstlicher Intelligenz verbessern die Roboterwerkzeuge erworbene Fertigkeiten laufend selbstständig weiter. Einmal Erlerntes können sie auf andere Fälle anwenden. Wichtig dabei: Ihre Handlungen müssen transparent sein. Paula Nowak kann in der Lernhistorie ihres Werkzeugs nachvollziehen, aufgrund welcher Parameter es Entscheidungen trifft. Zu jedem Zeitpunkt kann sie kontrollierend in die Tätigkeit des Werkzeugs eingreifen. Dies schafft nicht nur Vertrauen, sondern trägt zu einer klaren Zuschreibung von Verantwortung und Haftung bei, wenn bei der Montage Fehler passieren.
Damit das Roboterwerkzeug die Beschäftigten individuell unterstützen kann, muss es persönliche Daten verarbeiten. Mithilfe von Kameras analysiert eine Software im lernenden Werkzeug, was Paula Nowak tut. Dabei muss ausgeschlossen sein, dass der Arbeitgeber diese Informationen zur Leistungskontrolle missbraucht. Deshalb werden im Anwendungsszenario die Daten nicht zentral gespeichert, sondern direkt am Roboterwerkzeug erfasst und anschließend gelöscht.
Bis das Anwendungsszenario der Plattform Lernende Systeme Realität werden kann, sind noch einige Voraussetzungen zu schaffen. So müssen die Beschäftigten die Funktionsweise von lernenden Roboterwerkzeugen verstehen, um von ihnen profitieren zu können. Dazu sind Aus- und Weiterbildung notwendig. Nötig sind zudem weitere Forschungs- und Entwicklungsarbeiten auf den Feldern Robotik, Programmierung und Maschinellem Lernen.
