Eine Publikation der Swissprofessionalmedia AG
Interview: Ausgabe 05/2018, 13.05.2018

«Ich sehe für die Schweiz fast nur Chancen»

Aktuell scheint sich das Thema Robotik gepaart mit künstlicher Intelligenz (KI) gerade zum Medienhype auszuwachsen. Die Spekulationen gipfeln oft in den zwei Fragen: Werden intelligente Roboter den Werktätigen ihre Arbeitsplätze wegnehmen? Und: Was geschieht, wenn selbstlernende Roboter intelligenter werden als der Mensch? Die «Technische Rundschau» hat dazu Professor Roland Siegwart, einen der weltweit führenden Robotikexperten befragt.

Autor: Markus Schmid

Herr Siegwart, Sie sind Leiter des Autonomous Systems Lab (ALS) am Institut für Robotik und intelligente Systeme (IRIS) der ETH Zürich und erfahren die angesprochene Entwicklung hautnah: Gibt es im Moment einen Hype bezüglich KI?

Ja, das ist so. Das Thema wird momentan in verschiedensten Medien extrem häufig aufgegriffen. Zudem stellen wir fest, dass die Mehrheit unserer Studenten in diesem Bereich etwas unternehmen will. Eventuell ist das Thema sogar etwas overhyped. Der Bereich «Deep Learning» und KI hat sicher einige Fortschritte gemacht, aber es existieren immer noch sehr viele offene Fragen. Für ganz spezifische Anwendungen kann man heute schon sehr schöne Resultate vorweisen, aber für eher universelle Anwendungen, in denen die Komplexität höher ist, so, wie es in der Robotik typischerweise der Fall ist, sind die Erfolge noch sehr beschränkt.

Gibt es grundsätzlich verschiedene Denkansätze zu KI?

Es gibt eine ganze Reihe verschiedener Ansätze. Aber im Endeffekt unterscheiden sich viele nicht so sehr. Unser Institut ist zwar ein intensiver Nutzer von KI, und wir leisten zum Thema auch unsere Beiträge, aber die ganz grossen Spezialisten sind wir nicht. Ich sage immer: Was man bei KI heute macht, ist ein Optimierungsprozess, bei dem man ein Ausgangsverhalten optimiert. Das heisst, man gibt Beispiele vor und will damit erreichen, dass das Netzwerk lernt. Man kann aber auch ganz anders vorgehen. Im Endeffekt kann man den ganzen Vorgang als Optimierung bezeichnen. Eher grössere Unterschiede ergeben sich beim «Supervised Learning», wo der Mensch etwas vorgibt, oder bei «Non-Supervised Learning», wo das System selbst versucht über Trial and Error zu lernen. Die zwei Ansätze führen zu unterschiedlichen Resultaten, beinhalten aber auch einen unterschiedlichen Umgang mit dem Werkzeug KI.

Würden Sie sagen, dass sich eine bestimmte Form von KI für unsere MEM-Industrie und deren Automatisierungsbemühungen besonders anbietet?

Nein, ich bin der Meinung, man sollte so weit wie möglich gehen mit der Modellierung – etwa dem Modellieren der Dynamik oder von Sensoren inklusive Unsicherheit. KI kann sehr hilfreich sein, wenn man die für ein Modell wesentlichen Parameter lernen will. Für praktisch jedes Modell braucht es Parameter. Arbeitet man etwa mit einem Flugmodell, muss man eventuell das Gewicht genau festlegen, weil man es nicht messen kann. Damit liegt man dann schon sehr viel näher bei einer Lösung, die auch physikalisch stimmt. Man kann dies jedoch auch mittels «Black-Box-Learning» angehen. Tendenziell gehen diejenigen so vor, die weniger aus der Modellierung, sondern aus der Informatik kommen.

Bedeutet «Black-Box-Learning», dass man im Modell nichts einschränkt, sondern alles offen lässt, und der Rechner dann selbst alle Möglichkeiten durchrechnen muss, um zum Resultat zu gelangen?

Richtig. Das ist relativ schwierig und kann auch in ganz spezifischen Resultaten enden, die nichts nützen und nicht robust sind. Nimmt man jedoch als Grundlage eine physikalisch korrekte Basis, aus der man die nötigen Parameter lernt, ist das Risiko viel geringer, dass die ganze Übung aus dem Ruder läuft. Wie gesagt, ich vertrete stark die Haltung, man sollte alles zu modellieren versuchen, was möglich ist, und dann das lernen, was wirklich notwendig ist.

Welche Trends haben Sie bei KI in der Robotik identifiziert?

Die Industrierobotik wird sich noch stark weiterentwickeln, und die Sensoren kommen dabei immer stärker zum Tragen. Das führt zu flexibleren Robotern, was heisst, dass beispielsweise Teile eher zufällig und nicht absolut geordnet und definiert an ein System geliefert werden können. Einiges wird in dieser Richtung noch hinzukommen. Zweitens wird immer mehr auch das ganze Testen der Bauteile integriert, teilweise wegen Auflagen des Abnehmers. In der Autoindustrie etwa müssen schon heute die Teile zu hundert Prozent getestet sein. In diesem Teil der Automatisierung kann die Robotik sehr viel helfen, bis hin zum Drücken von Tasten oder zum Auslösen von Systemen.

Was gibt es mit Blick auf die Robotik inklusive KI zum Punkt Maschinenethik zu sagen?

Die Robotik braucht KI und die Robotiker leisten ihre Beiträge zur Weiterentwicklung von KI. Gleichzeitig liefert die Robotik an sich Aufgaben, bei denen KI nicht so schnell grosse Durchbrüche wird vorweisen können, weil die Situationen extrem komplex sind. Ein Beispiel: Die Auswertung eines Bildes ist wesentlich einfacher, als die einer dreidimensionalen Gesamtsituation, egal ob zuhause am Esstisch oder im Strassenverkehr. Die Frage nach der Ethik wird interessant, sobald Systeme aus der Industriehalle herauskommen, denn dann befinden sie sich automatisch im menschlichen Umfeld. Daraus resultieren grundsätzlich zwei ethische Fragen. Die eine lautet: Wird das System gefährlich, weil der Schutz nicht mehr so einfach zu gewährleisten ist? Die zweite, viel diskutierte Frage: Nehmen Roboter den Menschen die Jobs weg? Zuerst zur Gefährlichkeit: Wie kann man garantieren, dass die Systeme für den Menschen nicht gefährlich werden? Hier kommen wir wieder zum «Learning» zurück: In einer modellbasierten Regelung können wir beispielsweise einfach die Maximalgeschwindigkeit des Systems definieren. Ganz anders, wenn wir ausschliesslich das Blackbox-Learning anwenden, dann ist es aus meiner Sicht viel schwieriger vorauszusagen, was im schlimmsten Fall passieren kann. Wenn wir das System – nehmen wir mal ein autonomes Fahrzeug – selbst absolut frei lernen lassen, kann es geschehen, dass es irgendwo im digitalen Hintergrund gelernt hat, bestimmte Daten, die es von den Sensoren erhält, als Autobahnsituation zu interpretieren. Dann fährt es beliebig schnell, auch wenn es dann halt nicht auf einer Autobahn ist. Das kann man typischerweise im gelernten System nicht erkennen. Darum ist die Frage nach der Ethik und der Gefahr für den Menschen noch schwieriger zu beantworten, wenn man sehr stark mit Learning arbeitet. Es ist einfacher, eine relativ genaue Voraussage zu treffen, wenn man modellbasiert vorgeht.

Und wie sehen Sie die Job-Problematik?

Es ist interessant, dass die Robotik von der Gesellschaft speziell kritisch betrachtet wird. Noch nie hat sich jemand gefragt, ob eine Werkzeugmaschine Steuern bezahlen müsste, weil sie ja auch Jobs vernichtet, indem sie Dinge produziert, die der Mensch früher von Hand gefertigt hat. Bei Robotern jedoch diskutiert man jetzt plötzlich über diese Frage. Das ist eigentlich überraschend. Dabei kommt sicher zum Tragen, dass die Robotik etwas Faszinierendes an sich hat, weil man sie näher beim Menschen verortet als etwa eine Werkzeugmaschine. Ich als Ingenieur hingegen sehe im Roboter schlicht eine Maschine, die einfach etwas komplexer, modularer und adaptiver ist.

Wo sehen Sie die grössten Chancen und Herausforderungen für die Robotik in der Schweizer Industrie?

Vielleicht bin ich etwas zu optimistisch, aber ich sehe für die Schweiz eigentlich fast nur Chancen, weil wir hier die richtige Kombination von entscheidenden Faktoren vorfinden. Erst einmal befinden wir uns mit ETHZ und EPFL in Sachen Robotik unter den Top-Zehn-Universitäten weltweit. Wir verfügen also über einen riesigen Pool von jungen Studierenden und Forschern, die diesen Bereich vorantreiben. Weiter weist die Schweiz eine sehr hohe Dichte von Spin-offs auf. Und wir haben die folgende entscheidende Kombination: Denn Roboter bestehen nicht nur aus Software und KI, sondern auch aus Hardware, bei der die Präzision wesentlich ist. Dann sind wir auch in Sachen Sensoren sehr gut in der Schweiz, wir sind aber auch in der Präzisionsmechanik sehr gut aufgestellt. Diese Kombination ergibt gute Roboter. Ein weiterer Punkt: Roboter sind sehr komplexe Maschinen, die Schweizer Industrie hat aber immer bewiesen, dass sie fähig ist, komplexe Maschinen zu bauen. Schweizer Roboter sind auch keine Massenprodukte, in diesem Punkt sind andere Länder besser aufgestellt. Aber alles in allem können wir hier in der Robotik doch viel erreichen.

Und wie steht’s mit den Herausforderungen?

Die grosse Herausforderung ist die, dass wir jetzt genügend Schub erhalten, um das alles umzusetzen. Das Risikokapital muss da sein und die jungen Leute, die das Risiko eingehen, sich mit ihren Ideen selbständig zu machen und nicht von vornherein auf eine gesicherte Arbeitsstelle setzen. Aber sich auch nicht aus Skrupel wegen möglicher Jobs, die durch die Automation verloren gehen könnten, von ihrem Weg abbringen lassen oder nicht mehr vorwärtskommen. Der Umbau der Arbeitswelt durch Roboter wird sowieso stattfinden. Und für die Schweiz werden sich dadurch aus meiner Sicht sehr viel mehr Chancen als Risiken ergeben. Natürlich wird so auch bei uns die eine oder andere Stelle gefährdet sein, aber in 20 Jahren werden die Roboter bei uns die Arbeiten erledigen, die keiner mehr machen will oder kann. Nehmen Sie das Beispiel Landwirtschaft: Die Schweizer Bauern haben grosse Mühe, überhaupt noch die notwendigen Arbeitskräfte zu finden. Niemand will mehr Tomaten pflücken oder auf dem Feld arbeiten gehen. Diese Jobs will in der Schweiz gar keiner mehr.

Welchen wesentlichen Punkt habe ich nicht angesprochen?

Die Frage, wie man solche Themen vorantreiben kann. Ich bin stark involviert in die Aktion «Digital Switzerland» und glaube sehr daran, dass es den Mut zur Offenheit und zu einem Zusammenspiel zwischen Grossunternehmen, Start-ups, Hochschulen und zum Teil auch dem Staat braucht, um das Ganze voranzutreiben. Ein gutes Beispiel ist die Post, die seit 2016 experimentell in Sion fahrerlose «SmartShuttles» im Liniendienst betreibt. Solche Initiativen helfen der Forschung und den Spin-offs. Ich bin zuversichtlich, dass wir da noch besser werden. Das sind alles Technologien, von denen wir nicht wissen, wie sie später einmal reguliert werden.

Wir haben in der Schweiz den Vorteil, dass wir in diesem Bereich nicht überreguliert sind…

Richtig. Wenn man bei diesen Entwicklungen gewinnen will, muss man bei den Ersten mit dabei sein, die einen Lösungsvorschlag präsentieren und den auch testen können. Ich hoffe, dass die Schweiz das erste Land sein wird, das Drohnen im öffentlichen Luftraum zulässt und integriert. Das europäische Ausland beobachtet übrigens interessiert, wie wir diese Fragen handhaben. Es gab bei uns einige Tests, die sonst noch nirgends realisiert wurden. Das hilft unseren Spin-offs und auch grösseren Unternehmen. Im besten Fall kann man die Lösungen dann weltweit skalieren. Dasselbe gilt für die autonomen Fahrzeuge. All dies ermöglicht neue Geschäftsmodelle und aus diesen resultieren die Gewinner.

ETH Zürich
Autonomous Systems Lab
Institute of Robotics and Intelligent Systems
8092 Zürich, 044 632 23 58
asl.ethz.ch



Professor Roland Siegwart ist Leiter des Autonomous Systems Lab (ALS) am Institut für Robotik und intelligente Systeme (IRIS) der ETH Zürich. (Bild: ETH)