Mobile Roboter: Wie ihr Einsatz durch KI und Edge Computing forciert wird

Unternehmen, die vom großen Potenzial bei der Automatisierung von Aufgaben profitieren wollen, sollten die aktuellen Trends der Robotik und des Edge Computing genau verfolgen. So bieten mobile Roboter eine Vielzahl an potenziellen Anwendungsfällen, die längst keine Zukunftsmusik mehr sind. Doch was bestimmt die neue Autonomie der Dinge? Bei autonomen Dingen handelt es sich um Objekte, die ohne menschliche Aufsicht miteinander und auch mit Menschen in einem erweiterten Ökosystem interagieren.

Der Einsatz von autonomen Geräten wird vor allem durch den Fortschritt in Bereichen wie künstliche Intelligenz, Netzwerktechnologie sowie Cloud und Edge Computing ermöglicht. Anwendung finden sie in den unterschiedlichsten Bereichen: von Haushaltsgeräten über fahrerlose Transportsysteme und Drohnen in Lagern bis hin zur Wartung und Überwachung von Anlagen und Gebäuden sowie selbstfahrenden Automobilen.

Mobile Roboter im Einsatz bei der Fahrzeuginspektion

Ein konkretes Beispiel aus der Praxis ist der mobile Roboter „Spot“ von Boston Dynamics. Er kann Treppen steigen, mithilfe maschineller Bildverarbeitung hochauflösende Fotos machen sowie wertvolle Daten zur vorbeugenden Instandhaltung sammeln. Zum Einsatz kommt er unter anderem bei der Fahrzeuginspektion. Ausgestattet mit Computer-Vision-Technologie und der erforderlichen Rechenleistung an Bord kann Spot dabei eigenständig um ein Fahrzeug herumlaufen und dessen Zustand registrieren. Mit zusätzlichen Dashboards können Mitarbeiter via App auf einen Blick den Gesamtzustand erfassen.

Weitere zukunftsweisende Anwendungsszenarien existieren bereits, wie beispielsweise Projekte von Reply in den Bereichen Gebäudeinformationsmanagement und Anlagenüberwachung zeigen. Mithilfe vorausschauender Wartungsmodelle und Deep-Learning-Algorithmen können potenzielle Gefahren für Gesundheit, Sicherheit oder Umwelt erkannt werden. Die Beweglichkeit und Autonomie des Roboters ermöglichen präzise visuelle und akustische Messungen oder Gasdetektionen in schwer zugänglichen Bereichen.

Datenerfassung durch drahtlose Konnektivität und Edge Computing

Dank Objekt- und Mustererkennung sind mobile Roboter in der Lage, zu navigieren und dabei fortlaufend Daten mit einer Vielzahl an Sensoren zu erfassen – von Kameras über Mikrofone und GPS bis hin zu Temperatur-, Feuchtigkeits-, Gas- oder Strahlungsdetektoren. Drahtlose Konnektivität mit einer intelligenten Systemarchitektur und Cloud-Edge-Computing ermöglichen die Nutzung der erfassten Daten mit KI- und Machine-Learning-Algorithmen, die dem mobilen Roboter Autonomie verleihen, so dass das Gerät selbst entscheiden kann, wie es eine Aufgabe am besten ausführt.

In einem intelligenten Netzwerk teilt sich die KI prinzipiell über mehrere Ebenen von einer zentralen Cloud über eine Edge-Cloud bis hin zu den einzelnen Robotern auf. Das bedeutet: Als Edge-Devices analysieren mobile Roboter die Daten direkt auf dem Gerät, bevor sie in die Cloud gesendet werden. Durch diese Vorverarbeitung lässt sich unter anderem das Datenvolumen drastisch reduzieren und bei der Datenübertragung in die Cloud Energie einsparen. Diese Methode eignet sich somit besonders gut für Aufgaben, mit denen die eigene Speicherkapazität des Geräts überfordert wäre. Dieser Ansatz kann auch verfolgt werden, um sensible Daten bestmöglich vor einem Zugriff zu schützen.

Mobile Roboter: Künstliche Intelligenz an benötigte Leistung anpassen

Die Anforderungen an Rechenleistung und Energieverbrauch sind bei autonomen Dingen durchaus erheblich. Grundsätzlich können solche Geräte mit genau jenem Grad an Intelligenz ausgestattet werden, den sie für die von ihnen geforderte Leistung benötigen. So reicht eine so genannte „schwache KI“ für einen Roboter aus, der einfache Aufgaben erledigt. Bei anspruchsvolleren Tätigkeiten hingegen bedarf es leistungsstärkerer Varianten. Dabei kommt es vor allem darauf an, die KI an der richtigen Stelle zu implementieren, damit der entsprechende Roboter nicht überlastet und die hohe Geschwindigkeit der Entscheidungsfindung erhalten wird.

Reibungslose Kommunikation zwischen Mensch und Maschine

Wichtig ist beim Einsatz von sich autonom bewegenden Robotern vor allem, dass die Kommunikation zwischen Mensch und Maschine reibungslos verläuft. Zunehmend setzen sich hier Sprachschnittstellen als Interaktionsmedium durch. Machine-Learning-Modelle für die Spracherkennung und Technologien wie Sentiment-Analyse, semantische Netzwerke, Ontologien und selbstlernende Chatbots tragen dazu bei, dass Anwendungen natürliche Sprache möglichst gut verstehen.

Die Welt der neuen autonomen Dinge erschließt viele neue Perspektiven. Es kommt jetzt darauf an, die technischen Parameter für jeden Anwendungsfall richtig zu setzen. Im Zweifel ist hierbei ein kompetenter Partner sehr hilfreich, der sich mit den vielen einzelnen Aspekten auskennt. Zudem kann der Partner die Ausstattung der angestrebten Lösung optimal konfigurieren.

Über die Autoren: Marek Matuszewski ist Manager Cluster bei Reply; Kai Uwe Ernst ist Executive Partner bei Reply. Reply ist auf die Entwicklung und Einführung von Lösungen auf Basis neuer Kommunikationskanäle und digitaler Medien spezialisiert. Mit einem Netzwerk aus hochspezialisierten Unternehmen entwickelt Reply Geschäftsmodelle, die auf den neuen Paradigmen wie KI, Big Data, Cloud Computing, den digitalen Medien und dem Internet der Dinge basieren. Reply bietet Beratung, Systemintegration und digitale Dienstleistungen für Unternehmen verschiedener Branchen. Hierzu gehören Telekommunikation und Medien, Industrie und Dienstleistung, Banken und Versicherungen und öffentliche Verwaltung.  (sg)

Lesen Sie auch: Edge Computing: Warum die neue Technologie Cloud ablösen wird