Maschinenbau

Föderiertes Lernen in der Industrierobotik

Edge AI kann auf Basis des föderierten Lernens so umgesetzt werden, dass Kommissionierroboter in der Lage sind, Objekte und Greifpunkte zu erkennen und geeignete Greifverfahren für die Objekte auszuwählen. Dieser Ansatz ermöglicht es den Robotern, voneinander zu lernen, auch unbekannte Objekte zuverlässig zu greifen und dadurch schneller neue Aufgaben zu übernehmen. Die entsprechende kritische Masse an Daten für das Training des KI-Modells stammt unter anderem von Kameras in den Kommissionierzellen der Roboter und kann lokal oder eingeschränkt über Standort- und Unternehmensgrenzen hinweg ortsnahe verarbeitet werden, sodass lediglich die Parameter der lokalen KI-Modelle zentral zu einem globalen Modell aggregiert werden. Auf diese Weise entsteht ein effizienteres Modell, ohne dass sensible Unternehmensdaten oder Betriebsgeheimnisse geteilt werden müssen, wodurch die Zusammenarbeit zwischen Unternehmen erleichtert wird und die einzelnen Unternehmen von leistungsfähigeren Robotern und verbesserter Automatisierung profitieren können. Zusätzlich werden Mitarbeiterinnen und Mitarbeiter bei repetitiven, schweren und ermüdenden Tätigkeiten unterstützt (siehe Projekt Flairop, Ciupek, 2023).

Herausforderungen für die sektorale Anpassung von Edge-AI-Lösungen und Sicherheitsaspekte

Im Bereich des Maschinenbaus müssen Systeme international kompatibel sein und bestimmte Standards erfüllen, um anerkannt zu werden. Es kann jedoch vorkommen, dass aufgrund der inhärenten Intransparenz sowie des möglichen nicht-deterministischen Verhaltens einiger vielbesprochener Algorithmen eine Zertifizierung dieser Algorithmen schwierig wird. Auch Sicherheitsaspekte (Security und Safety) können bei Maschinen, wie etwa den Robotern im obigen Beispiel, eine Rolle spielen. Kommissonierroboter sind Teil der Intralogistik in einer Smart Factory. Die Intralogistik aus wirtschaftlichen Erwägungen ständig zu optimieren bedeutet, dass viele Sensordaten im Roboter mit vielen Logistikdaten des Roboters zum Beispiel in einem zentralen Leitstand zusammengeführt werden müssen. Dadurch entstehen viele Vernetzungen und gleichzeitig auch viele Daten, die gesammelt, ausgewertet, zwischengespeichert und weitergeleitet werden müssen. Hier müssen sowohl Maßnahmen für die End-Point-Sicherheit als auch für die Netzwerksicherheit ergriffen werden, um Cyberangriffe wirksam zu vermeiden. Der Bedarf an Cybersicherheit steigt nochmals, wenn kollaborative Roboter, sogenannte Cobots, zum Einsatz kommen, da dann auch Safety-Aspekte eine Rolle spielen.