Publikation
Interoperabilität zwischen Robotiksystemen, das Potenzial großer KI-Modelle
Jürgen Beyerer; Johannes Hinckeldeyn; Sirko Straube
In: Lernende Systeme - Die Plattform für Künstliche Intelligenz, Vol. n.n. Pages 1-23, Plattform Lernende Systeme, München, 10/2026.
Zusammenfassung
Interoperabilität zwischen Robotiksystemen ist für viele Anwendungsbereiche von zentraler Bedeutung, wenn Teams aus Menschen und Robotern oder eine heterogene Robotergruppe zusammenarbeiten sollen. Ob bei Rettungseinsätzen, in der Landwirtschaft oder der Intralogistik: Systeme mit verschiedenen Fähigkeiten, Schnittstellen und teils geschlossenen Betriebssystemen sollen Informationen austauschen, deren Bedeutung verstehen und ihr Handeln aufeinander abstimmen, um übergeordnete Aufgaben zu erledigen. Interoperabilität stellt hierfür eine passive Grundlage dar, die auf technischer, syntaktischer, semantischer und pragmatischer Ebene umgesetzt werden kann. Bislang wird Interoperabilität vor allem durch Standards für Schnittstellen, Protokolle, Datenformate oder gemeinsame Modelle hergestellt. Diese Lösungen sind jedoch aufwändig, häufig unflexibel und besonders auf semantischer und pragmatischer Ebene schwer umzusetzen. Große KI-Modelle eröffnen hier neue Möglichkeiten.
Entscheidend für das erreichbare Interoperabilitätsniveau ist das Weltwissen, das im KI-Modell repräsentiert ist, und damit die Datengrundlage sowie verfügbare Kontextinformation. Gegenwärtigen Modellen fehlt es jedoch an Aktivitätsdaten und domänenspezifischen Daten. Sie halluzinieren mitunter, verfügen nur über begrenztes Kausalverständnis und können semantische Konzepte wie Objekte, Positionen oder Handlungen noch nicht zuverlässig in hinreichend präzise Angaben für physikalische Modelle übersetzen. Dadurch kann Interoperabilität zeitweise abreißen – mit Risiken für funktionale Sicherheit und Prozesssicherheit. Vielversprechende Perspektiven bieten dagegen künftig zuverlässigere multimodale KI-Modelle, die Fakten in Echtzeit überprüfen und mithilfe von physikalischen Simulationen und Weltmodellen die Folgen von Handlungen besser abschätzen können.