Wenn Roboter verschiedener Hersteller gemeinsam arbeiten sollen, scheitert das in der Praxis oft an unterschiedlichen Schnittstellen und teils geschlossenen Betriebssystemen. Ein neues Impulspapier der Plattform Lernende Systeme beschreibt, wie große KI-Modelle dieses Problem entschärfen können. Laut einer Mitteilung der Plattform vom 28. Oktober 2026 benennt das Papier außerdem offene Probleme, die vor einem verlässlichen und gefahrlosen Betrieb noch gelöst werden müssen. Veröffentlicht wurde die Mitteilung über acatech – Deutsche Akademie der Technikwissenschaften.

Die Einsatzfelder reichen laut Papier von Intralogistik und Produktion bis zum Rettungseinsatz. Ein Brand in einer Chemiefabrik dient hierfür als Illustration: Während eine Drohne das Areal aus der Luft absucht, inspiziert ein vierbeiniger Roboter kaum erreichbare Stellen, und ein Transportfahrzeug bringt Ausrüstung heran. Ebenso lässt sich in der Landwirtschaft beim Pflücken von Obst oder in der Logistik beim Verladen von Waren ein Zusammenspiel aus Maschinen untereinander und mit Beschäftigten organisieren. Hierzu braucht es einen Austausch von Daten, bei dem die Maschinen deren Sinn erfassen und ihre Aktionen aufeinander ausrichten.

Vier Ebenen der Interoperabilität

Die Fähigkeit verschiedener Systeme, zusammenzuarbeiten, ermöglicht Verständigung und Zusammenarbeit, sorgt jedoch nicht von allein dafür, dass tatsächlich gemeinsam gehandelt wird. Bisher entsteht sie vor allem über Standards für Schnittstellen, Protokolle oder Datenformate. Das gilt als aufwendig und oft wenig flexibel. Am schwierigsten ist ein gemeinsames Verständnis von Informationen und ihrer Bedeutung für das Handeln.

Das Papier unterscheidet vier Ebenen. Die technische Ebene verbindet Systeme, die syntaktische sorgt für kompatible Datenformate. Auf der semantischen Ebene geht es um den Inhalt dessen, was übermittelt wird, während die pragmatische Ebene klärt, welche Auswirkungen eine Handlung unter gegebenen Umständen hat. Die bestmögliche Koordination der Systeme gelingt erst auf dieser obersten Stufe.

Auch interessant  KI-Sicherheitslücke: Nur 11 Prozent der Firmen vorbereitet

Was große KI-Modelle leisten können

Darin sieht Jürgen Beyerer, geschäftsführender Institutsleiter und Direktor des Karlsruher Fraunhofer-Instituts für Optronik, Systemtechnik und Bildauswertung (IOSB), eine Gelegenheit. Große KI-Modelle könnten nach seinen Worten in eleganter und effizienter Weise dabei helfen, Interoperabilität auf semantischer oder sogar pragmatischer Ebene zu erreichen.

Neben umfangreichen Sprachmodellen kommen ebenso Systeme in Betracht, die auf schlussfolgerndes Denken (Reasoning) spezialisiert sind oder Sprache, visuelle Wahrnehmung und Aktion miteinander verknüpfen. Sie ordnen Informationen unterschiedlicher Systeme ein und machen sie für die Koordination nutzbar. Entscheidend sind das im Modell repräsentierte Weltwissen, das vom Modelltraining abhängt, und zusätzliche Kontextinformationen im laufenden Betrieb.

Sirko Straube vom Robotics Innovation Center der DFKI GmbH sagte, heutige große generative KI-Modelle könnten Lücken schließen und Roboter koordinieren. Künftige Modelle könnten sogar neue Formen von Interoperabilität etablieren.

Grenzen heutiger Modelle

Gegenwärtigen Modellen fehlen häufig Aktivitätsdaten und domänenspezifische Daten. Gelegentlich liefern sie falsche Angaben, und Zusammenhänge zwischen Auslösern und Folgen erfassen sie nur bedingt. Die verlässliche Umsetzung von Gegenständen, Lagen oder Aktionen in exakte Werte, mit denen physikalische Modelle arbeiten können, ist bislang nicht gesichert. Aus diesem Grund kann die Zusammenarbeit der Systeme phasenweise „abreißen“ und birgt Risiken für die funktionale Sicherheit und die Sicherheit der Abläufe.

Dem Papier zufolge sind künftig verlässlichere multimodale Modelle aussichtsreich, die Tatsachen in Echtzeit überprüfen und mithilfe physikalischer Simulationen sowie Weltmodellen die Konsequenzen von Handlungen genauer vorhersagen. Im praktischen Einsatz müssen diese Fähigkeiten verlässlich verfügbar sein.

Johannes Hinckeldeyn, Director of Advanced Corte Technologies bei der KION Group, fordert einen „starken Schulterschluss“ zwischen Anwendern, Robotikherstellern und Forschung, um Projekte in marktfähige und anwendungsnahe Lösungen zu überführen.

Auch interessant  DSGVO vs. BDSG: Was ist der Unterschied?

Hintergrund

Die Plattform Lernende Systeme hat knapp 200 Mitglieder aus Wissenschaft, Wirtschaft und Gesellschaft, die das Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) beruft. Laut Wikipedia entwickeln sie in Arbeitsgruppen Positionen zu Chancen und Herausforderungen Künstlicher Intelligenz.

Eine der sieben Arbeitsgruppen trägt den Titel „Lernfähige Robotiksysteme“. Koordiniert wird die Arbeit von einer Geschäftsstelle bei acatech mit Sitz in München und Berlin.

Ihre Analysen veröffentlicht die Plattform als öffentlich zugängliche Publikationen.

Eigene Einschätzung

Das Papier benennt die Grenzen der Modelle ungewöhnlich offen, das ist für Betriebe die wichtigste Information. Wer Roboter mehrerer Hersteller koppeln will, sollte KI-Koordination vorerst als Ergänzung zu Standards sehen. Offen bleibt, wie sich Ausfälle der Verständigung im Betrieb absichern lassen.


Grundlage: Pressemitteilung (acatech – Deutsche Akademie der Technikwissenschaften, 28. Oktober 2026) – Original-Mitteilung (abgerufen am 28.10.2026)

Quellen für den Abschnitt „Hintergrund“:

  1. Wikipedia: Plattform Lernende Systeme (abgerufen am 28.10.2026)

Bild: Symbolbild (Rechenzentrum). Foto: ThE cRaCkEr, CC BY-SA 3.0, via Wikimedia Commons

Die Redaktion hat diesen Beitrag mit KI-Unterstützung auf Grundlage der genannten Mitteilung geschrieben. Zahlen, Namen und Zitate werden vor der Veröffentlichung mit der Mitteilung und den genannten Quellen abgeglichen, jede Angabe im „Hintergrund“ mit ihrer Fundstelle. Die „Eigene Einschätzung“ ist ein Kommentar der Redaktion.