Fachzeitschrift für Industrielle Automation, Mess-, Steuer- und Regeltechnik
Bild 2: Use Case der
Bild 2: Use Case der Plattform Lernende Systeme: Effektive Kreislaufwirtschaft: Roboter für eine bessere Trennungvon Wertstoffen (https://www.plattform-lernende-systeme.de/robotik.html).für spezifische Geräte, zum BeispielUltra-Low-Power-Geräte,gefunden werden oder Lernalgorithmenspezifisch für bestimmteHardware neu entwickelt werden.Zudem erschwert die Vielfalt derImplementierungen mit ihren jeweilseigenen Programmbibliotheken undein Mangel an anerkannten aussagekräftigenBenchmarks den Transfervon Forschungsergebnissen indie Praxis. Schließlich sind auch diebranchenspezifischen Unterschiedeeine Hürde, um Edge-AI-Lösungenschnell und einfach sektoral anpassenzu können. Zu nennen sind hieretwa unterschiedliche Anforderungendurch Regulierung, Normen,Zertifizierung und Zulassung.Awendungsfall„Föderiertes Lernen inder Industrierobotik“PotenzialeEdge AI kann auf Basis des föderiertenLernens so umgesetzt werden,dass Kommissionierroboter inder Lage sind, Objekte und Greifpunktezu erkennen und geeigneteGreifverfahren für die Objekte auszuwählen.Dieser Ansatz ermöglichtes den Robotern, voneinander zulernen, auch unbekannte Objektezuverlässig zu greifen und dadurchschneller neue Aufgaben zu übernehmen.Die entsprechende kritischeMasse an Daten für dasTraining des KI-Modells stammtunter anderem von Kameras in denKommissionierzellen der Roboterund kann lokal oder eingeschränktüber Standort- und Unternehmensgrenzenhinweg ortsnahe verarbeitetwerden. In dem Fall werdenlediglich die Parameter der lokalenKI-Modelle zentral zu einemglobalen Modell aggregiert. Aufdiese Weise entsteht ein effizientesModell, ohne dass sensibleUnternehmensdaten oder Betriebsgeheimnissegeteilt werden müssen.Das erleichtert die Zusammenarbeitzwischen Unternehmenund diese können von leistungsfähigerenRobotern und verbesserterAutomatisierung profitieren. Zusätzlichwerden Mitarbeiter bei repetitiven,schweren und ermüdendenTätigkeiten unterstützt.HerausforderungenIm Bereich des Maschinenbausmüssen Systeme international kompatibelsein und bestimmte Standardserfüllen. Es kann jedoch vorkommen,dass aufgrund der inhärentenIntransparenz sowie demmöglichen nicht-deterministischenVerhalten einiger Algorithmen, eineZertifizierung dieser Algorithmenschwierig wird. Auch Sicherheitsaspektespielen eine Rolle. Kommissonierrobotersind Teil der Intralogistikin einer Smart Factory. DieIntralogistik, aus wirtschaftlichenErwägungen ständig zu optimieren,bedeutet, dass Sensordaten imRoboter mit Logistikdaten des Roboterszum Beispiel in einem zentralenLeitstand zusammengeführt werdenmüssen. Dadurch entsteht eine Vielzahlan Vernetzungen und gleichzeitigviele Daten, die gesammeltund ausgewertet werden müssen.Hier müssen sowohl Maßnahmenfür die End-Point-Security als auchfür die Netzwerksicherheit ergriffenwerden, um beispielsweise Cyberangriffewirksam zu vermeiden.Spezifische AnpassungenBei der Umsetzung von Edge AIsind jeweils spezifische Anpassungenerforderlich. Es werden daher technologischeLösungen benötigt, dieentsprechend den unterschiedlichenVoraussetzungen in den Anwendungsbereichenflexibel gestaltetund eingesetzt werden können.Um den Transfer in die Anwendungzu stärken, sollten seitens derForschung, Entwicklung und Anwendungdaher Plattformen entwickeltwerden, auf denen Basisbausteinefür Edge AI bereitgestellt und branchenspezifischangepasst werdenkönnen. Dies setzt neben einer Vernetzungder entsprechenden Stakeholdereine entsprechende Standardisierungvoraus, vor allem hinsichtlicheinheitlicher Schnittstellensowie entsprechender HardwareundEntwicklungsumgebungen.Letzteres schließt auch die automatischeÜbersetzung von Netzen aufdie optimierte Zielhardware mit ein.Nicht zuletzt sollte die Forschungzur ressourcenschonenden Datenverarbeitunginnerhalb der Grenzender Geräte vorangetrieben werden.WeiterführendeInformationen• Whitepaper: “EdgeAI - KI naheam Endgerät“ der Arbeitsgruppen“Technologische Wegbereiterund Data Science”https://www.plattform-lernendesysteme.de/files/Downloads/Publikationen/Whitepaper_Edge_AI_Plattform_Lernende_Systeme_2024.pdf• Whitepaper: “IT-Sicherheit, Privacy,Recht und Ethik” der PlattformLernende SystemeWer schreibt:Über die Plattform Lernende SystemeProf. Dr. Wolfgang Ecker ist DistinguishedEngineer bei InfineonTechnologies und Honorar-Professoran der Technischen UniversitätMünchen. Er ist (Co-)Autor von über200 Veröffentlichungen zum ThemaModellierung und Entwurfsautomatisierung.Wolfgang Ecker ist Mitgliedvon acatech - Deutsche Akademieder Technikwissenschaftenundleitet mehrere Daten- und KIbezogeneEntwicklungsaktivitätenbei Infineon. ◄Die Plattform Lernende Systeme ist ein Netzwerk von Expertenzum Thema Künstliche Intelligenz (KI). Sie bündelt vorhandenesFachwissen und fördert als unabhängiger Makler den interdisziplinärenAustausch und gesellschaftlichen Dialog. Die knapp 200 Mitgliederaus Wissenschaft, Wirtschaft und Gesellschaft entwickelnin Arbeitsgruppen Positionen zu Chancen und Herausforderungenvon KI und benennen Handlungsoptionen für ihre verantwortlicheGestaltung. Damit unterstützen sie den Weg Deutschlands zu einemführenden Anbieter von vertrauenswürdiger KI sowie den Einsatzder Schlüsseltechnologie in Wirtschaft und Gesellschaft. Die PlattformLernende Systeme wurde 2017 vom Bundesministerium fürBildung und Forschung (BMBF) auf Anregung von acatech – DeutscheAkademie der Technikwissenschaften gegründet. Sie wird vonhochrangigen Vertretern der beiden Institutionen geleitet und voneinem Lenkungskreis gesteuert.132 PC & Industrie 1-2/2025
