Sensorik: die Basis für Physical AI
KI-Roboter, Humanoide, AGVs, digitale Zwillinge, selbstoptimierende Anlagen – diese und viele weitere Technologien wären ohne die beeindruckenden Fortschritte in der Sensorik schlicht unmöglich. Kein Wunder also, dass die Weiterentwicklung der KI maßgeblich von der Weiterentwicklung der Sensortechnologien abhängt.
Das könnte Sie auch interessieren:
Mehr zum Thema Physical AI und dessen Potenzial für die Produktion finden Sie im Artikel „Wie Physical AI die Produktion auf die nächste Stufe hebt“
Dass sich in diesem Bereich viel bewegt, zeigte sich bereits auf der automatica 2025. Anlagen, Roboter und Humanoide, die dank physischer KI neue Dimensionen der Automation ermöglichen, waren echte Publikumsmagnete. Die Maschinen orientieren sich dabei am menschlichen Körper: Wahrnehmen, Interpretieren, Reagieren. Hochpräzise Sensoren übernehmen dabei die Rolle der Sinnesorgane. Sie sind das Fundament jedes Physical-AI-Systems und bestimmen maßgeblich, wie präzise, flexibel und zuverlässig Roboter agieren können. Visuelle Sensoren, also, Kameras, 3D-Bildverarbeitungssysteme und LiDAR, die Robotern räumliche Orientierung und Objekterkennung in Echtzeit ermöglichen, sind die wohl am häufigsten zum Einsatz kommende Sensorikklasse. Unternehmen wie SICK, Cognex, SensoPart, ifm und viele weitere haben sich auf diese Disziplin spezialisiert.
Drehmoment-, Kraft- und Positionssensoren verleihen dem Roboter das, was man gemeinhin als Fingerspitzengefühl bezeichnet. Sie geben Rückmeldung über Krafteinwirkung und Kontakteigenschaften. Akustische und thermische Sensoren vervollständigen das Bild.
„Der hohe Stellenwert der Sensorik für die KI-basierende Automation spiegelt sich auch in den permanent steigenden Ausstellerzahlen aus dieser Branche wider. Immer mehr Sensorhersteller aus allen Bereichen kommen zur automatica nach München, so dass sich die Besucher hier ganzheitlich über neue Technologien einschließlich der für KI-Prozesse besonders relevanten Sensordatenfusion informieren können“, so Anja Schneider, Projektleiterin der automatica.
Wie aus Sensorik und Rechenleistung KI-Skills entstehen
Sensoren erfassen die Umgebung, Datenfusion erzeugt daraus ein konsistentes Lagebild, ein KI-Modell interpretiert es und übersetzt es in Bewegungsbahnen. Im Hintergrund dieses Prozesses steht ein KI-Skill: eine trainierte Fähigkeit, die der Roboter auf neue, ähnliche Situationen übertragen kann, die ihm Verständnis für entsprechende Zusammenhänge verleihen.
Das Training solcher Modelle erfolgt durch Reinforcement Learning, dabei lernt der Roboter durch Versuch und Fehler, welche Bewegungen zum Ziel führen oder durch Imitation Learning, hier lernt der Roboter durch Beobachtung menschlicher Demonstrationen. Beide Methoden setzen auf große Mengen qualitativ hochwertiger Trainingsdaten und auf Simulationsumgebungen, in denen Millionen von Szenarien virtuell durchgespielt werden können, bevor ein Roboter das erste Mal physisch greift.
Text: Ralf Högel