Warum scheitern Roboter bis heute an Aufgaben, die ein Lehrling nach einmaligem Zeigen beherrscht? Darum geht es in der neuen Folge des F.A.Z. Podcasts „Künstliche Intelligenz“ mit zwei Gästen: David Reger hat Neura Robotics 2019 in Metzingen gegründet und führt den Hersteller kognitiver Roboter als CEO.

Sepp Hochreiter leitet das Institut für Machine Learning an der Johannes Kepler Universität Linz, hat in den Neunzigerjahren das „Long Short-Term Memory“ (LSTM) miterfunden und bringt dessen Weiterentwicklung xLSTM mit seinem Unternehmen NXAI in die Industrie. Gemeinsam wollen sie Robotern ein Gedächtnis geben: NXAI baue vor allem das Gehirn, Neura setze es bis zur Mechanik um. Das Ziel beschreibt Hochreiter so: „Ich zeige dem Robot etwas und dann kann er es. Und das kann die jetzige KI nicht.“

Anders als reine Sprachmodelle können Roboter ihr Wissen nicht einfach aus dem Internet beziehen. Bloßes Zuschauen reiche nicht, betont Reger: Wer ein Jahr lang Videos von Schwimmern anschaue, werde ohne Gefühl und Reflexe trotzdem kein Schwimmer. Roboter müssten deshalb ihre Umwelt wahrnehmen können. Hochreiter unterscheidet zwei Ebenen: Während Grundfertigkeiten wie das Greifen lange geübt werden müssten, ließen sich ganze Abläufe eher beim Menschen abschauen. „Je abstrakter es wird, umso besser kann ich auch jemandem zuschauen“, so Hochreiter.

Dafür brauche die Maschine zwei Arten von Gedächtnis: ein Arbeitsgedächtnis für aktuelle Handlungsschritte wie das Kaffeekochen und ein episodisches Gedächtnis, um sich an früher Gezeigtes zu erinnern, etwa daran, wo die neuen Filter lägen. Für solche Gedächtnisse sei jedoch auch die Technik hinter Sprachmodellen, die sogenannten Transformer, weniger geeignet, da ihr Zwischenspeicher mit jedem Schritt wachse. Hochreiter setzt stattdessen auf rekurrente Netze wie sein xLSTM: Weil sie schneller arbeiteten und ihr Speicherbedarf konstant bleibe, gerate der Roboter nicht ins Stocken.

Im Fabrikalltag zählt für Reger vor allem das Lerntempo: „Wenn das Lernen ein Jahr lang gedauert hat, dann interessiert es mich sehr wenig“, sagt er, „weil es ist nicht reproduzierbar und nicht skalierbar.“ Während Einarbeitungen in Betrieben Stunden dauerten, halte er bei Robotern Minuten für möglich, zumal sich das Gelernte per Klick auf tausende Maschinen übertragen lasse. In der Praxis scheitere dieses Versprechen jedoch oft noch an feinen Handgriffen: Bauteile mit enger Toleranz ineinanderzustecken erfordere viele Datenpunkte, weil das Teil bei Verkippung blockiere. „Daran beißen wir uns die Zähne aus“, räumt Reger ein. Hinzu komme ein Denkfehler beim Training: Bisher habe man Robotern nur funktionierende Wege gezeigt. „Wir machen einen Riesenfehler“, habe er seinem Team gesagt, denn mit den Daten gescheiterter Versuche hätte ein Roboter deutlich mehr Erfahrung.

Heutigen Modellen traut Hochreiter genau das nicht zu: „Das kann kein Transformer, das kann keine jetzige Architektur, aber wir werden es bauen.“ Erste Ergebnisse ihrer Zusammenarbeit stellen beide für das kommende Jahr in Aussicht.

Die Folge ist Teil unseres Podcasts „Künstliche Intelligenz“. Er geht den Fragen nach, was KI kann, wo sie angewendet wird, was sie bereits verändert hat und welchen Beitrag sie in der Zukunft leisten kann. Hosts des Podcasts sind Peter Buxmann, Inhaber des Lehrstuhls für Wirtschaftsinformatik an der TU Darmstadt, und Digitalwirtschaft-Redaktionsleiter Holger Schmidt. Die Podcast-Folgen erscheinen jeweils am ersten Mittwoch im Monat.