Lernende Maschinen: Alles einsteigen, der Zug fährt ab

Deutsche Maschinenbauer sollten sich dringend mit den Themen künstliche Intelligenz (KI) und selbstlernende Maschinen beschäftigen, raten Experten. Sonst fährt der lukrative Datenexpress ohne sie ab. Autor: Armin Barnitzke

„Machine Learning als Teilbereich der künstlichen Intelligenz wird die digitale Transformation der Wirtschaft prägen und damit auch für den Maschinenbau von großer Bedeutung sein“, ist der stellvertretende VDMA-Hauptgeschäftsführer Hartmut Rauen überzeugt. Denn: „Daten sind das Öl des 21. Jahrhunderts. Und Softwarekompetenz sowie Machine Learning sind die Werkzeuge, diesen Schatz zu heben.“ Rauens Credo: „Aus Big Data und Big Thinking wird Big Business.”

Diese Potenziale der KI bestätigt eine Studie von Accenture. „Deutschland steht dank intelligenter Roboter und selbstlernender Maschinen vor einem großen Wachstumsschub“, so die Berater. Durch den Einsatz von künstlicher Intelligenz werde bis 2035 das Wirtschaftswachstum um jährlich drei Prozent ansteigen – eine Verdopplung gegenüber dem Basisszenario ohne KI.

Technik ist jetzt reif

Dr. Matthias Kaper, Leiter künstliche Intelligenz im Bereich Emerging Technologies bei Accenture, begründet diese zusätzliche Wertschöpfung mit einer höheren Effizienz der Fertigung durch intelligente Automation und einer höheren Produktivität der Mitarbeiter, die sich dank KI stärker auf Aufgaben mit einer hohen Wertschöpfung konzentrieren könnten. Kaper ist daher überzeugt: „In den nächsten 20 Jahren wird künstliche Intelligenz unsere Wirtschaft und unsere Art zu arbeiten mehr als jede andere Technologie in der jüngeren Vergangenheit verändern.”

Zwar sind KI-Technologien wie neuronale Netze bei Leibe nicht neu, sondern werden in der Informatik schon seit den 50er Jahren diskutiert. Aber nun ist die Zeit dafür reif, betonen Experten. „Noch 2011 haben selbst wir in der angewandten Forschung keinen Sinn darin gesehen, uns verstärkt um KI zu kümmern. Das war damals nur etwas für Freaks in der Grundlagenforschung“, berichtet Prof. Thomas Bauernhansl, der Leiter des Fraunhofer IPA. Doch heute, nur wenige Jahre später, habe sich das Bild komplett gewandelt. „Heute ist KI das Thema, mit dem wir uns dringend beschäftigen müssen.“

Erster Grund für den KI-Durchbruch: Die Rechenkapazitäten sind explodiert, dadurch werden Ansätze wie das Deep Learning mit mehrschichtigen neuronalen Netzen plötzlich sinnvoll nutzbar. Zweiter Grund: Auch die Datenmassen sind durch IoT und Sensorik stark angewachsen. Und mit je mehr Daten man eine KI füttert, umso besser ist eben der Output.

Einen weiteren Innovationsschub werden aus Bauernhansls Sicht superschnelle Netzwerk-Technologien wie TSN (Time Sensitive Networks) und 5G bringen. „Durch echtzeitfähige Netzwerke kann man Maschinen künftig von außen steuern. Das verändert die Art, wie wir Maschinen entwickeln, komplett“, so Bauernhansl.

„Es ist daher für Maschinenbauer allerhöchste Eisenbahn, auf den KI-Zug aufzuspringen“, sagt der KI- und Robotikexperte Professor Wolfram Burgard, der an der Albert-Ludwigs-Universität Freiburg die Arbeitsgruppe für autonome intelligente Systeme leitet.

Super Human Performance

Schließlich sei KI heute schon vielfältig im Einsatz: „Ob im Navigationssystem, bei der Spracherkennung im Smartphone oder bei den Einkaufsvorschlägen von Amazon – überall stecken KI-Algorithmen dahinter.“

Inzwischen habe KI sogar die Domäne der menschlichen Intelligenz geknackt. „Schachspielen konnten KI-Algorithmen ohnehin bereits besser als der Mensch. Und nun hat Googles Alpha Go Algorithmus sogar beim Brettspiel Go, das lange als zu komplex für Computer galt, den amtierenden Weltmeister geschlagen.“ Burgard nennt das „Super Human Performance“.

Dass KI nun endlich reif für den Praxiseinsatz ist, wird nicht nur in der Wissenschaft so gesehen: „Die Durchbrüche bei KI sind real“, sagt Dr. Steven Peters, Manager Technologiemanagement bei Daimler. Beim Automobilkonzern beschäftigt man sich umfassend mit dem Thema: „Denn KI betrifft quasi alle Prozesse im Unternehmen“, so Peters.

Alle Bereiche sind betroffen

Entsprechend arbeitet Daimler neben der KI für das Auto selbst – Stichworte autonomes Fahren sowie intelligente Betriebsstrategien – auch an Themen wie intelligenter Konstruktion durch automatisierte Komponentenauslegung oder intelligente Produktionstechnologien, etwa kognitive Robotik oder lernfähige optische Messtechnik. „Wir wollen kognitive Autos kognitiv entwickeln und kognitiv bauen“, fasst Peters dies zusammen.

Dass sich Machine Learning auf alle Bereiche der Unternehmen auswirken wird, bestätigt auch die Studie Machine Learning 2030, die der VDMA zusammen mit dem Fraunhofer ISI durchgeführt hat. Laut dieser Studie könnten Konstruktion und Entwicklung einer der ersten Anwendungsbereiche sein, da sie keine Echtzeitanwendungen erfordern. „Machine Learning Algorithmen könnten hier genutzt werden, um Design- und Optimierungsvorschläge zu generieren“, so Dr. Eric Maiser, Leiter von VDMA Future Business.

In der Logistik ist Machine Learning laut VDMA-Studie ebenfalls ein großes Thema: Computerprogramme könnten hier Planungsvorschläge machen oder sogar selbstständig die Planung übernehmen. „Zudem könnten zukünftig intelligente Roboter alleine in der Lagerhalle navigieren und so Logistik-Aufträge autonom ausführen“, ergänzt Accenture-Experte Kaper.

Und auch im Produktionsprozess selbst können Maschinen und Anlagen über Sensornetzwerke umfangreiche Daten für die Auswertung generieren, die dann für die kontinuierliche Optimierung und Neugestaltung von Produktionsprozessen genutzt werden. Kaper verweist in dem Zusammenhang auf das Thema „vorausschauende Wartung“: „Fanuc hat zum Beispiel mit Field eine KI-Lösung entwickelt, die mit Hilfe von Analytics und Deep Learning nicht nur den kritischen Zustand einer Maschine von selbst erfassen kann, sondern auch ihre Analysefähigkeit im Laufe der Zeit immer weiter verbessert.“

KI revolutioniert Robotik

Ein Riesenthema ist insbesondere die Robotik: „KI wird die Robotik revolutionieren! Denn selbstlernende Roboter muss man zukünftig nicht mehr aufwändig programmieren“, sagt Burgard. Das sei insbesondere wichtig für die Mensch-Maschine-Kollaboration, ergänzt Kaper: „Selbstlernende Maschinen werden künftig von Menschen einfach trainiert anstatt programmiert. Sie lernen die Abläufe also unmittelbar von ihrem menschlichen Kollegen.“ Zudem seien selbstlernende Systeme in der Lage, bestimmte Situationen selber zu erkennen und können so den Arbeiter in der Fabrik bei der Ausübung seiner Tätigkeit unterstützen.

Dass sich intelligente Roboter Aufgaben sogar komplett selbst beibringen können, hat Google bewiesen: Dort hat man 14 Roboterarme nebeneinander aufgestellt, um diesen beizubringen, beliebige Gegenstände aus einer Kiste zu greifen. Dazu waren die Roboter nur mit Kamera und Greifer ausgestattet sowie untereinander und mit einem KI-Netz verbunden. Dann fingen die Roboter an zu greifen – und lernten von ihren eigenen Erfahrungen und denen der anderen Roboter.

Silicon Valley zieht Köpfe ab

800 000 Greifversuche absolvierten die Roboter so rund um die Uhr. Dank des dahinter liegenden neuronalen Deep Learning Netzwerks konnten die Roboter aus ihren Fehlern lernen und konnten den Bewegungsablauf nach und nach optimieren: Lag anfänglich die Fehlerrate um die 70 Prozent, sank diese schließlich auf 10 und 20 Prozent.

Dieses Beispiel zeigt, wie ehrgeizig Google – aber auch andere US-Internetriesen wie Facebook und Amazon, an das Thema KI herangehen. Kein Wunder, sind sie doch ausgewiesene Spezialisten für große Datenmengen. Und das Silicon Valley zieht schlaue Köpfe magisch an. So beobachtet Burgard mit einer gewissen Sorge, dass viele seiner Absolventen ins Silicon Valley gehen. Erstens habe man dort spannende Jobchancen („In Deutschland gibt es kaum interessante Möglichkeiten, um mit KI-Knowhow Karriere zu machen“) und zweitens werde man dort gut bezahlt. „Ich sage meinen Studierenden immer: Wenn ihr mehr verdienen wollt als euer Professor – dann macht ein Praktikum bei Google.“

Dennoch sehen die Experten gerade im Industrieumfeld noch Chancen für deutsche Technologien: „Zwar sitzen im Silicon Valley die Machine Learning Spezialisten, aber dort fehlen eben die Maschinenbauer“, so Daimler-Mann Peters: „Google hat zwar die Daten, aber wir haben die Dinge.“ Und auch Accenture-Experte Kaper sieht Deutschland gut positioniert – sowohl von Anbieter- als auch von Anwenderseite: „Die deutsche Wirtschaft – und ganz besonders das produzierende Gewerbe – gehört seit jeher zu den Vorreitern bei der Nutzung neuer Technologien.”

Zudem sind die Produktionstechnik-Spezialisten bei Themen wie Plattformisierung und digitale Mehrwertdienste gut aufgestellt. Kaper: „Namhafte deutsche Unternehmen wie Kuka, Bosch oder Siemens sind im Industrial Internet Consortium vertreten. Und gerade Siemens hat mit Mindsphere einen großen Schritt gemacht und eine datengetriebene IoT-Plattform aufgebaut, die offen für Dritte ist.”

Google hat die Daten, wir die Dinge

Er glaubt daher nicht, dass die Datenriesen in den USA den deutschen Maschinenbau-Firmen das Wasser abgraben. „Zumal in der fertigenden Industrie eine andere Logik herrscht als im klassischen Verbrauchermarkt.“ Zum einen seien die Abläufe viel komplexer und spezifischer. „Hier können die deutschen Maschinenbauer und Fertigungsunternehmen mit jahrelangem Knowhow und erstklassiger Ingenieurleistung punkten.” Zum anderen werde es im B2B-Umfeld keine alles dominierende Plattform geben wie in den klassischen Endverbrauchermärkten: „Deswegen ist die oft geäußerte Angst vor Plattform-Monopolen im B2B-Bereich übertrieben.”

Für den deutschen Maschinenbau heißt das also: Ran an den Datenspeck. Dabei stehen die Unternehmen allerdings vor der großen Herausforderung, Machine Learning Kompetenz in ihr Unternehmen zu integrieren. VDMA-Future-Business-Mann Maiser rät in diesem Zusammenhang zur Kooperationen mit Forschungseinrichtungen oder Startups.

Firmen brauchen Datenmanager

Eine dritte Möglichkeit ist die Einstellung geeigneter Personen. Allerdings sind schon Informatiker ganz allgemein hierzulande Mangelware – zumal die Abbrecher-Quote im Studium relativ hoch ist. Und Machine Learning Spezialisten fehlen ganz besonders. „ln den USA ist Machine Learning in der Ausbildung, in Startups und in namhaften Unternehmen bereits heute Mainstream. Das ist in Deutschland und Europa noch nicht so“, bemängelt Maiser. Daher fordert der Maschinenbauerverband eine verstärkte Ausbildung von Data Scientists und Data Analysts.

Doch der interne KI-Kompetenzaufbau ist nur ein Teil. „Für Unternehmer ist es wichtig, die Potenziale von Machine Learning für ihr eigenes Geschäft und das ihrer Kunden herauszufinden“, betont Maiser. Zudem sollten die Maschinenbau-Unternehmen in enger Zusammenarbeit mit den Kunden die Datenhoheit regeln und den Zugang zu den Daten sicherstellen.

Das alles erfordere letztlich auch einen Firmen-internen Koordinator auf Entscheider-Ebene. „Quasi einen Manager mit Verständnis für den großen Schatz, der in Daten liegt“, so Maiser. „Die vielschichtigen Anforderungen lassen sich durch den Leiter der IT-Abteilung kaum der großen Bedeutung des Themas angemessen abdecken.“ Maiser schwebt ein Chief Information Officer (CIO) vor, dem es weniger um das run the business als vielmehr um das change and engineer the business gehe – „im Sinne einer leistungsfähigen Software- und Datenkompetenz“.

Ethische Fragen nicht übertreiben

Allerdings ist ohnehin noch offen, mit welcher Dynamik und mit welcher Tiefe das Machine Learning letztlich in den Maschinen und Fabriken Einzug halten wird. Die Spannbreite reicht von ausschließlich unterstützenden Prozessen, bei der die Entscheidungskompetenz nach wie vor beim Menschen verbleibt, bis hin zur Übertragung von umfangreicher Entscheidungskompetenz an Computerprogramme, so die VDMA-Studie.

Eine wichtige Rolle spielen hierbei nicht zuletzt ethische und rechtliche Aspekte: Wer ist schuld, wenn eine intelligente, selbstlernende Maschine einen Fehler macht oder sogar einen Schaden anrichtet? Zumal es selbst für die Experten oft gar nicht mehr nachvollziehbar ist, warum eine intelligente Maschine handelt, wie sie handelt. Googles Go-Algorithmus beispielsweise hat sich das Go-Spielen quasi komplett selbst beigebracht und seinen Gegenspieler mit sehr unorthodoxen Spielzügen überrascht. Warum aber die Maschine so spielte, wie sie spielte, konnte nachher kein Programmierer mehr erklären.

Accenture-Experte Kaper warnt jedoch, sich mit solchen Fragen nicht zu verzetteln: „Die Diskussion über künstliche Intelligenz ist derzeit sehr stark auf soziale und ethische Konsequenzen fixiert. Diese Diskussion ist richtig, sollte aber den technologischen Fortschritt nicht verhindern.” Für ihn ist der Gesetzgeber gefordert, den Transformationsprozess zu gestalten und klare Regeln für den Einsatz von künstlicher Intelligenz aufzustellen, insbesondere was ethische und rechtliche Fragen betrifft. Immerhin: „Die Ethikkommission zum autonomen Fahren in Deutschland ist ein guter Beweis, dass der Staat gewillt ist, den nötigen rechtlichen Rahmen zu schaffen.“ ■

VDMA Competence Center Future Businesshttp://future.vdma.org/

Ländle baut schlauste Maschinen

Um in Sachen selbstlernende intelligente Systeme eine Führungsrolle zu übernehmen, hat das Land Baden-Württemberg zusammen mit Partnern aus Forschung und Industrie die Forschungsoffensive Cyber Valley gestartet. Gemeinsam wollen das Land Baden-Württemberg, die Universitäten Stuttgart und Tübingen, das Max-Planck-Institut für Intelligente Systeme sowie die Unternehmen Bosch, Daimler, Porsche, BMW, ZF Friedrichshafen einen internationalen Top-Standort im Bereich der künstlichen Intelligenz (KI) schaffen. Interessanterweise ist auch Facebook Teil dieser Schwaben-Offensive.

Zu den Themen des Cyber Valley (der Name entstand in Anlehnung an das Vorbild Silicon Valley) gehören Methoden des maschinellen Lernens (Deep Learning) sowie intelligente autonome Roboter und smarte Vision-Systeme. Ministerpräsident Winfried Kretschmann: „Wir sind überzeugt, dass mit Cyber Valley hier in Baden-Württemberg ein Hotspot für wissenschaftliche Exzellenz für die weltweit besten Köpfe von morgen auf dem Gebiet der künstlichen Intelligenz entstehen kann. Unser Ziel ist, nicht nur die besten Maschinen zu bauen, sondern auch die schlausten.“

Das Cyber Valley soll gleichzeitig als internationales Zentrum für Grundlagenforschung und als Gründerplattform für marktfähige Anwendungen aufgesetzt werden. Zudem ist die Ausbildung exzellenter Nachwuchswissenschaftlerinnen und Nachwuchswissenschaftler mit bis zu 100 Doktoranden Teil des Projekts. „Mit Cyber Valley bündeln wir die Kräfte auf dem Gebiet der digitalen Vernetzung. So stärken wir die Region als attraktiven Anziehungspunkt für hochqualifizierte Nachwuchsforscher und Gründer“, freut sich Bosch-Boss Dr. Volkmar Denner.

In einem ersten Schritt werden neun Cyber Valley Forschungsgruppen eingerichtet, finanziert durch das Land, die Industriepartner sowie ein Konsortium baden-württembergischer Stiftungen. Zehn Professuren an den Universitäten Stuttgart und Tübingen verleihen dem Cyber Valley im internationalen Vergleich zusätzliches Gewicht. In eine der größten Forschungskooperationen Europas im Bereich der künstlichen Intelligenz wird das Land in den kommenden Jahren mehr als 50 Millionen Euro investieren.

www.cyber-valley.de