SA���ʴ�ı

Wir automatisieren Prozesse schon seit Tausenden von Jahren, um eine Litanei mühsamer, zeitaufwendiger Aufgaben schneller fertigzustellen. Frühe Automatisierungswerkzeuge waren nur rudimentär und mechanisch, aber dank technologischer Fortschritte hat sich die Automatisierung zu ausgeklügelten Systemen entwickelt, die zu unglaublichen Produktivitäts- und Präzisionsleistungen fähig sind. Die Rechenleistung der heutigen Prozessoren und der Fortschritt der künstlichen Intelligenz (KI) ermöglichen es nicht nur, zahlreiche menschliche Aufgaben zu automatisieren, sondern auch menschliche Fähigkeiten zu „erweitern“. Bis wohin könnte sich die KI von hier an weiterentwickeln?

Schon die Römer und die alten Griechen nutzten die Schwerkraft, um ihre Automationsgeräte zu betreiben: Wasserräder mahlten Weizen zu Mehl und Wasserschrauben zogen Wasser aus Schiffsrümpfen und bewässerten Ernten. Die Wasserkraft spielte zudem bis zu den frühen Tagen der industriellen Revolution eine entscheidende Rolle, bis sie vom Dampf abgelöst wurde. Fabriken wurden um Dampfturbinen herum gebaut, wobei Maschinen, die mehr Drehmoment erforderten, näher an der Turbine und diejenigen, die weniger benötigten, weiter weg, manchmal auf verschiedenen Etagen, aufgestellt wurden, die allesamt über eine Reihe von Antriebsriemen und Seilscheiben verbunden waren.

Der Strom bot der Automatisierung eine deutliche Leistungssteigerung, da Strom für jede Maschine rund um die Fabrik geliefert und unabhängig gesteuert werden konnte. Moderne Batterien gehen sogar noch einen Schritt weiter. Sie sind leicht und wiederaufladbar und ermöglichen es, Automatisierungssysteme von einer festen Stromversorgung zu trennen und somit an jedem gewünschten Ort zu betreiben. Automatisierte Transportwagen (AGVs oder AMRs) werden verwendet, um Komponenten an Arbeitszellen in der Fabrikhalle zu liefern, fliegende Drohnen werden verwendet, um Bestandsprüfungen in Logistikzentren durchzuführen, und Unterwasserdrohnen werden zur Inspektion und Wartung der Unterwasserinfrastruktur, wie bei Brücken und Telekommunikationskabeln, eingesetzt.

Vor allem dank des Bestrebens der Elektrofahrzeughersteller dürften die Batterietechnologien weitere Fortschritte machen, was noch mehr mobile Automatisierungssysteme ermöglichen wird.

Während die ersten Automatisierungssysteme komplizierte Mechanik nutzten, um synchrone Bewegungen zu erzeugen, wurde im 18. Jahrhundert das Konzept der Programmierung entwickelt, um Webstühle zu steuern. Die Webmaschinen verwendeten Papierstreifen, die eine Abfolge von Löchern aufwiesen, und 200 Jahre später verwendeten die ersten Computer, die als „Addier- und Buchungsmaschinen“ bekannt sind, immer noch im Wesentlichen das gleiche Konzept: Statt Papierstreifen lasen die Maschinen Anweisungen von „gestanzten Karten“.

Die gestanzten Karten wurden durch Magnetband und später dann Disketten ersetzt und schliesslich durch Festkörperspeicher (DRAM und NAND) weitgehend obsolet gemacht. Aber unabhängig von den verwendeten Medien, ob nun Diskette oder DRAM, die Maschinen liefen alle anhand von vordefinierten Anweisungen und sobald sie in Bewegung gesetzt wurden, liefen sie weiter, bis man sie ausschaltete oder ein Fehler auftrat. Ein moderner Roboter, der für das Schweissen von Autotüren programmiert ist, wird den Schweissvorgang fortsetzen, ganz egal, ob eine Autotür tatsächlich vor ihm liegt oder nicht. Das ist also gefährlich. Was ist, wenn jemand sich vor dem Roboter bewegt oder die Autotür aufgrund eines Problems weiter oben in der Produktionslinie nicht zur richtigen Zeit am richtigen Ort ist?

In den vergangenen zehn Jahren haben die Geschwindigkeitssteigerungen von Prozessoren es Automatisierungssystemen ermöglicht, sich an Veränderungen in der Umgebung anzupassen, indem ganz einfach eine Bibliothek mit verschiedenen Szenarien erstellt wurde. In einem Szenario, wenn die Autotür nicht in der richtigen Position ist (vielleicht bestimmt durch ein Sichtsystem von Keyence oder Cognex), kann der Roboter seinen Betrieb unterbrechen, und in einem anderen Szenario, wenn jemand zu nahe an den Roboter herangeht (vielleicht definiert durch einen laserbasierten virtuellen Sicherheitszaun von TI oder Hexagon), kann der Roboter seine Bewegung verlangsamen oder ganz einstellen. Dieser Ansatz bietet dem System eine gewisse Autonomie, aber der Grad der Autonomie wird eindeutig durch die Anzahl der vorprogrammierten Szenarien begrenzt, die ihm zur Verfügung stehen.

In jüngster Vergangenheit ermöglichen Fortschritte im Bereich der KI-Technologie, insbesondere beim maschinellen Lernen, der Automatisierung eine weitere deutliche Leistungssteigerung. Denn das maschinelle Lernen kann sich als ebenso bedeutsam für die Automatisierung erweisen wie die Einführung von Elektrizität in der Industrie vor 150 Jahren.

Mit maschinellem Lernen können Algorithmen Systeme durch Beispiele lernen oder Muster und Anomalien selbst oder durch Ausprobieren erkennen. Dieser Prozess kann beschleunigt werden, indem Millionen verschiedener Szenarien virtuell in der Software simuliert werden. Mit der Weiterentwicklung dieses Bereichs dürften die Automatisierungssysteme autonomer werden sowie in der Lage sein, sich anzupassen und auf Veränderungen in ihrer Umgebung angemessen zu reagieren. Dadurch werden sie benutzerfreundlicher, sicherer und in der Lage sein, ein breiteres Spektrum von Aufgaben auszuführen – nicht nur bei physischen Aufgaben, sondern auch bei kognitiven Herausforderungen wie das Lösen von Problemen.

Infolgedessen dürfte das Geschäftspotenzial für intelligentere, autonomere Automatisierungssysteme deutlich grösser ausfallen als der Nischenmarkt, der von ihren Vorgängern, die als „mute and brute“¹��galten, etabliert wurde. Wir glauben daher, dass diese technologischen Fortschritte geduldigen Anlegern über mehrere Jahrzehnte hinweg eine riesige Chance bieten werden.

Während die intelligentere Automatisierung wahrscheinlich ein umfassendes Produktivitätswachstum für die Weltwirtschaft bedeutet, Probleme des Arbeitskräftemangels behandelt und es den Menschen ermöglicht, schmutzige und gefährliche Aufgaben zu vermeiden, könnten dieselben intelligenten Systeme eingesetzt werden, um grosse Herausforderungen unserer Zeit zu lösen, wie die Eindämmung des Klimawandels, die Suche nach Heilmitteln für chronische Krankheiten oder Lösungen zur Bewältigung der Ü�����bevölkerung in Städten und der ungleichen Vermögensverteilung?

Dies mag zwar die Zukunft sein, aber die heutigen KI-Systeme sind noch nicht so weit, um derart komplexe und facettenreiche Probleme anzugehen. Es wurden jedoch einige erste Fortschritte erzielt. Eine der bislang herausragenden und erfolgreichen KI-Anwendungen ist AlphaFold, das von Google DeepMind²��entwickelt wurde und eine genaue Schätzung der dreidimensionalen Struktur von 200 Millionen Proteinen lieferte. Google hat die Datenbank öffentlich zugänglich gemacht und bietet Forschern somit ein tiefgreifenderes Verständnis der Proteinarchitektur und ihrer Auswirkungen auf die biologische Funktion. Zuvor hatte man lediglich 200.000 Proteinstrukturen verstanden. Ein dickes Lob an AlphaFold! Wir glauben, dass Innovation zu weiterer Innovation führt und dass dieser Prozess sich auf ganz natürliche Art und Weise beschleunigt. Wir hoffen weiterhin, dass bedeutende neue Durchbrüche folgen werden.

¹ Mute and brute“ war eine Formulierung, die Andrea Thomaz, Mitbegründerin und CEO von Diligent Robotics Inc., geprägt hat. Zitiert in der Zeitschrift National Geographic, „“, August 2020
² AlphaFold (n.d.). ; abgerufen am 21.11.2024