Ohne Mensch

Sie machen Angst und sie wecken Euphorie: Maschinen, die den Menschen ersetzen – oder ihm neue Freiräume eröffnen. Je nach Sichtweise.

© DIN

Diese technologische Revolution wird selbst Megathemen wie Industrie 4.0 in den Schatten stellen: Autonome Systeme. Sie werden unser Leben weit nachhaltiger beeinflussen als die vernetzte Fabrik der Zukunft. Dabei sind solche Systeme nicht auf industrielle Prozesse beschränkt, sondern in ihren Vorstufen bereits weitläufig in unserem Alltag verankert – zum Beispiel in Form von Fahrerassistenz-Systemen und Sprachassistenten oder auch in Gestalt von Rasenmähern. Denkt man die Entwicklung weiter, landet man bei Smart Factories, die ihre Produktion selbstständig planen und steuern. Oder bei Smart Cities, welche autonom den Verkehr und die Energie steuern und das Klima beeinflussen. Zugegeben: Mit dem Klima wird es noch sehr, sehr lange dauern. Der Rest ist in Planung.

Vom Assistenten zum Partner

Die meisten aktuell im Einsatz befindlichen Autonomen Systeme sind erst ein Anfang. Dazu zählen zuerst einmal Assistenzsysteme, die vom Menschen bewusst aktiviert werden und in die er jederzeit eingreifen kann. Sie übernehmen einen bestimmten Handlungsablauf in einem vorgegebenen Rahmen, können diesen aber nicht ändern. Die nächste Ausbaustufe stellen teilautomatisierte Systeme dar, die etwas weniger Kontrolle erfordern. Wirklich autonom ist ein System aber erst dann, wenn es ohne menschliches Zutun und ohne detaillierte Programmierung ein vorgegebenes Ziel oder Ergebnis selbstständig erreichen kann. Dazu muss es lernfähig sein. Damit sind für ein vollständig Autonomes System sowohl Sensorik und Aktorik nötig wie auch Künstliche Intelligenz, mit der die empfangenen Daten interpretiert und Lernerfolge abgespeichert werden.

Keine Autonomie ohne Künstliche Intelligenz

KI ist mehr als ein Algorithmus. Künstliche Intelligenz basiert auf neuronalen Netzen – IT-Architekturen, die dem menschlichen Gehirn nachempfunden sind. Anders als bei klassischen Speicherelementen, die bedingungslos Nullen und Einsen verarbeiten, reagieren die künstlichen Neuronen erst beim Erreichen eines bestimmten Schwellenwertes. Dieser Schwellenwert wird durch das System selbst festgelegt. Erst unter bestimmten Bedingungen gibt der Speicher seine Information dann an die nächsthöhere Ebene ab – was die Zahl der notwendigen Abrufe drastisch reduziert. Die Informationen verwalten sich quasi selbst. Ein weltweit führendes Beispiel für ein neuronales Netz ist „Inception“. Mit diesem Projekt will Google aktuell die Bilderkennung revolutionieren. Denn ein Mensch kann auf einem Foto mühelos die Freiheitsstatue oder den Eifelturm erkennen – für eine Maschine ist das allerdings Schwerstarbeit.

Inception besitzt insgesamt 22 neuronale Schichten. Die erste dient als Eingangslayer für die empfangenen Bildpunkte. Der zweite Layer analysiert die Hell-dunkel-Kontraste des Motivs und erkennt damit beispielsweise die charakteristischen Kanten eines Hauses oder den gleichförmigen Verlauf des Himmels. Der nächste Layer analysiert die Zahl und die Orientierung der Kanten und legt sich dann auf den Oberbegriff „Architektur“ fest. Oder auf ein menschliches Porträt, auf ein Fahrzeug etc. Die nächste Ebene kombiniert die Ergebnisse der vorangegangenen. Und so weiter: je höher der Layer, desto komplexer die analysierten Strukturen. Die letzte Schicht gibt dann das Gesamtergebnis bekannt: „Der schiefe Turm von Pisa, fotografiert vom Palazzo dell’Opera.

“Jedes neuronale Netz benötigt vor dem Einsatz ein langwieriges Training. Macht es einen Fehler, erfolgt eine menschliche Rückmeldung, die zur Neujustierung mancher oder aller Schwellenwerte führt. „Mit jedem Bild läuft eine Aktivitätswelle durch das ganze Netzwerk, von der Input- bis zur Output-Schicht“,

erläutert Aditya Khosla, Forscher am Labor für Computerwissenschaften und Künstliche Intelligenz des Massachusetts Institute of Technology (MIT). Die Fehlermeldung führt dazu, dass sich die Schwellenwerte zwischen den Neuronen selbstständig neu ausrichten, damit dieser Fehler in Zukunft unwahrscheinlicher wird. Ab diesem Punkt agiert das System vollkommen autonom: Die Forscher wissen nicht, auf welche Formen, Farben oder Strukturen sich die Neuronen konzentrieren. Sie sehen nur, dass die Maschinen mit zunehmender Übung immer besser werden.


Ihr Ansprechpartner

DIN e. V.

Andrea Schröder

Am DIN-Platz
Burggrafenstraße 6
10787 Berlin

Ansprechpartner kontaktieren