Embodied AI
Embodied AI bezeichnet künstliche Intelligenz, die einen physischen Körper steuert – etwa einen Roboterarm, ein Auto oder einen Laufroboter. Solche Systeme müssen nicht nur denken, sondern auch wahrnehmen und handeln, und ihre Fehler haben Folgen in der echten Welt.
Die meisten bekannten KI-Programme arbeiten nur mit Text oder Bildern auf einem Bildschirm. Sie beantworten Fragen, schreiben Texte oder erkennen Gesichter auf Fotos. Embodied AI geht einen Schritt weiter: Hier steuert die Software einen echten Körper. Das kann ein Roboterarm in einer Fabrik sein, ein Staubsaugerroboter, ein selbstfahrendes Auto oder ein Roboter mit zwei Beinen. Das englische Wort „embodied“ bedeutet „verkörpert“. Der entscheidende Unterschied: Diese KI muss ihre Umgebung mit Sensoren wahrnehmen und darin handeln, statt nur Antworten auszugeben.
Was ein Körper an der Aufgabe ändert
In der echten Welt gibt es keine zweite Chance. Ein Chatprogramm, das Unsinn schreibt, kostet den Nutzer ein paar Sekunden. Ein Roboterarm, der falsch greift, zerbricht ein Glas oder verletzt jemanden. Deshalb sind die Anforderungen an Zuverlässigkeit hier viel höher als bei reiner Textsoftware.
Dazu kommt der Zeitdruck. Ein Sprachmodell darf einige Sekunden nachdenken, bis eine Antwort erscheint. Ein Roboter, der beim Laufen ins Stolpern kommt, muss innerhalb von Millisekunden reagieren. Die Rechenarbeit muss also oft direkt im Gerät passieren und nicht in einem entfernten Rechenzentrum.
Wirtschaftlich ist das Thema wichtig, weil hier ein riesiger Markt liegt. Viele Firmen suchen Personal für Lager, Pflege und Produktion und finden keines. Große Technologiekonzerne und junge Unternehmen investieren deshalb Milliarden in Roboter, die solche Arbeiten übernehmen sollen. In den Nachrichten hört man dazu häufig das Schlagwort „humanoide Roboter“, also Roboter in Menschengestalt.
Von der Kamera zur Bewegung
Ein solches System arbeitet in einer Schleife aus drei Schritten. Zuerst nimmt es die Umgebung wahr, etwa über Kameras, Mikrofone, Tastsensoren oder Laserscanner. Dann entscheidet es, was als Nächstes zu tun ist. Zuletzt schickt es Befehle an Motoren, und die Bewegung verändert die Umgebung wieder. Danach beginnt die Schleife von vorn, oft viele Dutzend Mal pro Sekunde.
Das Lernen ist schwieriger als bei Textmodellen. Für Text gibt es das halbe Internet als Übungsmaterial. Für Bewegungen gibt es keine vergleichbare Datenmenge. Deshalb trainieren Entwickler viel in Simulationen, also in einer physikalisch nachgebauten Computerwelt. Dort können tausende virtuelle Roboter gleichzeitig üben, ohne etwas kaputt zu machen.
Der Wechsel von der Simulation in die Wirklichkeit ist die klassische Schwachstelle. Fachleute nennen diese Lücke „Sim-to-Real-Gap“. Echte Böden sind rutschiger, echte Kabel hängen im Weg, echtes Licht blendet. Eine andere Quelle sind Aufnahmen von Menschen, die eine Aufgabe vormachen, oder ferngesteuerte Roboter, deren Bewegungen mitprotokolliert werden. Neuere Ansätze verbinden diese Bewegungsdaten mit Sprachmodellen, damit ein Roboter einen Auftrag wie „stell die Tasse in die Spüle“ versteht.
Wo solche Roboter heute schon stehen
Am weitesten ist die Technik dort, wo die Umgebung berechenbar ist. In Logistikzentren fahren Transportroboter selbstständig durch feste Gänge. In der Landwirtschaft erkennen Maschinen Unkraut zwischen Nutzpflanzen und entfernen es gezielt. Auch der Staubsaugerroboter im Wohnzimmer gehört in diese Kategorie, selbst wenn er nur wenig kann.
Im Straßenverkehr fahren Robotaxis in einigen Städten der USA und Chinas ohne Fahrer. Gleichzeitig zeigen die dortigen Zwischenfälle, wie schwer unvorhersehbare Situationen bleiben. In Nachrichtenmeldungen tauchen außerdem regelmäßig Videos von Robotern auf, die Kisten sortieren oder Wäsche falten. Solche Vorführungen laufen oft unter gut kontrollierten Bedingungen und sagen wenig über den Dauerbetrieb aus.
Ein häufiger Irrtum ist, ein Roboter sei automatisch Embodied AI. Ein Industrieroboter, der stur eine einprogrammierte Bewegung wiederholt, lernt nichts und passt sich nicht an. Von Embodied AI spricht man erst, wenn das System aus Wahrnehmung eigene Entscheidungen ableitet. Genau daran arbeiten die Firmen, deren Namen in diesem Zusammenhang in den Wirtschaftsteilen stehen.