Auf einen Blick: Impulspapier „Interoperabilität zwischen Robotiksystemen - das Potenzial großer KI-Modelle“

Interoperabilität bezeichnet die Fähigkeit unterschiedlicher Robotiksysteme, Informationen auszutauschen, zu verstehen und für ihr weiteres Handeln zu nutzen.

Im Impulspapier werden vier Ebenen unterschieden: technische, syntaktische, semantische und pragmatische Interoperabilität. Technische Interoperabilität ermöglicht die Datenübertragung, syntaktische Interoperabilität sorgt dafür, dass passende Datenformate und -strukturen verarbeitet werden können. Auf semantischer Ebene geht es um das gemeinsame Verständnis von Informationen. Pragmatische Interoperabilität umfasst darüber hinaus das Verständnis der Konsequenzen, die sich aus diesen Informationen für das Handeln ergeben. Interoperabilität bildet damit eine Voraussetzung für die Zusammenarbeit unterschiedlicher Roboter sowie für Teams aus Menschen und Robotern.

Bestehende Standards ermöglichen vor allem technische und syntaktische Interoperabilität, stoßen aber bei komplexeren Formen der Zusammenarbeit an Grenzen.

Standards für Schnittstellen, Protokolle und Datenformate müssen häufig aufwändig entwickelt, gepflegt und angepasst werden. Besonders schwierig ist es, ein gemeinsames Verständnis von Bedeutungen und Handlungskonsequenzen formal abzubilden.  Hinzu kommt, dass proprietäre, also herstellerspezifische und nicht offene Lösungen, die Zusammenarbeit erschweren können. Große KI-Modelle könnten diese bestehenden Ansätze ergänzen und flexiblere Möglichkeiten für semantische und pragmatische Interoperabilität schaffen.

Große KI-Modelle können als vermittelnde Instanz zwischen unterschiedlichen Robotiksystemen eingesetzt werden.

Ein übergeordnetes Modell kann Informationen und Anweisungen interpretieren, auf Wissen über die beteiligten Roboter zugreifen und Instruktionen in die jeweilige Sprache oder Schnittstelle eines Roboters übersetzen. Dadurch müssen die Systeme nicht vollständig aneinander angepasst werden. Eine zweite, langfristigere Möglichkeit besteht darin, große KI-Modelle direkt in einzelne Roboter einzubetten, sodass diese auf Basis eines gemeinsamen Verständnisses miteinander kommunizieren und kooperieren können.

Gegenwärtige große KI-Modelle sind noch nicht zuverlässig genug, um Interoperabilität in allen Anwendungsbereichen sicher herzustellen.

Halluzinationen, begrenztes Kausalverständnis und eine unzureichende Verankerung in der physischen Welt können dazu führen, dass Informationen falsch interpretiert oder Handlungskonsequenzen fehlerhaft eingeschätzt werden. Besonders problematisch ist dies in Bereichen mit hohen Anforderungen an funktionale Sicherheit und Prozesssicherheit. Auch fehlende domänenspezifische Trainingsdaten begrenzen die Leistungsfähigkeit heutiger Modelle, beispielsweise in der Intralogistik.

Große KI-Modelle müssen zuverlässiger werden und über umfassenderes Weltwissen, geeignete Domänendaten wie etwa Datenblätter und technische Eigenschaften der Robotertypen sowie über Kontextinformationen zu Aufgaben, Zuständen und Einsatzumgebungen verfügen.

Vielversprechend sind multimodale Modelle, die Informationen aus unterschiedlichen Quellen verarbeiten, Fakten in Echtzeit überprüfen und mit physikalischen Simulationen oder Weltmodellen verbunden werden. In industriellen Anwendungen müssen sie außerdem auf betriebliche Informationen aus Enterprise-Resource-Planning-Systemen (ERP) oder Warehouse-Management-Systemen (WMS) zugreifen können. Auch hybride Architekturen, die große KI-Modelle mit bestehenden Standards verbinden, können dazu beitragen, Interoperabilität robuster und sicherer zu gestalten.