Die Roboter kommen. Darauf müssen wir uns einstellen

Die künstliche Intelligenz hat zwei der drängendsten Probleme in der Robotik gelöst. Aber der Weg zum Allzweckroboter ist noch weit. Woher kommt der Hype? Und was geschieht mit den Menschen, wenn autonome Maschinen immer mehr Arbeiten übernehmen?

Samstagnachmittag in einem alten Hangar des Flugplatzes Dübendorf. ETH-Studenten basteln hier in ihrer Freizeit einen humanoiden Roboter. Gerade liegt die Kreatur aus Metall, Kunststoff und Kabeln auf einem grossen Holztisch. Ein Student beugt sich über sie und schraubt ihr das zweite Bein an den Rumpf.

Der Roboter werde gross, schwer und kräftig – eine Maschine fürs Grobe, sagt Gabriele Dutli, Maschinenbaustudent im vierten Semester, der die Hardware-Produktion leitet. Zum Beispiel könnte der Roboter dereinst in einem Warenlager Menschen unbeliebte Arbeiten abnehmen: unförmige, schwere Gegenstände wie Sofas oder Säcke mit Blumenerde verstauen.

Dass Bachelorstudenten in ihrer Freizeit einen Humanoiden für die Industrie entwickeln, zeugt nicht nur von bemerkenswerter Ambition, sondern auch von einer beispiellosen Goldgräberstimmung: Unternehmen investieren Unsummen in der Hoffnung, eine Maschine zu entwickeln, die in Restaurants Tische abwischt, in Privatwohnungen die Wäsche zusammenfaltet, in Altersheimen gebrechliche Menschen beim Gang zur Toilette stützt.

Woher kommt dieser Hype? Welche Versprechungen sind realistisch? Und was geschieht mit menschlichen Arbeitnehmern, wenn autonome Maschinen mehr manuelle Arbeiten übernehmen? Der Blick in die Robotikforschung zeigt: Es ist dringend an der Zeit, sich diesen Fragen zu stellen.

Warum KI die Robotik revolutioniert

Auslöser für die Goldgräberstimmung in der Branche ist die künstliche Intelligenz. Ihre Methoden und Fähigkeiten haben der Robotik in den vergangenen sechs, sieben Jahren mehrere wichtige Durchbrüche verschafft. Davor war Robotik ein reines Programmierproblem: Jede Bewegung einer Maschine wurde von Menschen mit Tausenden Zeilen Code vorgespurt. Die Ausführung folgte einem starren Muster – und war fehleranfällig.

Doch in den späten 2010er Jahren setzte sich in der Robotikforschung eine Methode des maschinellen Lernens durch: das Reinforcement-Learning. Roland Siegwart, Robotikprofessor an der ETH Zürich, erklärt: «Bei dieser Art des Lernens entdeckt der Roboter nach und nach seine eigenen Fähigkeiten.» Dafür wird der Roboter in einer virtuellen Welt exakt nachgebaut: Jedes Gelenk, jeder Motor wird mit seiner genauen Leistung und seinem Bewegungsradius abgebildet. Es entsteht ein digitaler Zwilling des Roboters und der Umgebung.

Für das Erlernen von Bewegungen wird dem Roboter in der virtuellen Welt ein Ziel vorgegeben, zum Beispiel: Gehe so schnell wie möglich nach vorn. In Millionen von Durchläufen simuliert der Roboterzwilling anschliessend seine Bewegungen. In Durchläufen, in denen es dem Roboter gelingt, einen Schritt zu machen, wird er mit Punkten belohnt. In Durchläufen, in denen der Roboter zu Boden fällt, erhält er einen Punktabzug. Anhand des Prinzips Versuch und Irrtum maximiert der Roboter seine Punkte – und lernt dabei das Gehen.

«Im Anschluss wird das Wissen, das der Roboter in der virtuellen Welt erlangt hat, auf den echten Roboter überspielt», sagt Siegwart. So lernt die Maschine, sich zu bewegen.

Gelöst sind: Tanzen, Saltos, Pingpong

Beispiele für erfolgreiches Reinforcement-Learning gibt es unzählige. Es war diese Methodik, mit der es der Schweizer Firma Anybotics gelungen ist, einen vierbeinigen Roboterhund zu programmieren, der autonom über Ölplattformen und durch Elektrizitätswerke patrouillieren kann.

Mithilfe des Reinforcement-Learning lernten Roboter auch die Saltos, Backflips und Kung-Fu-Bewegungen, die sie bei der chinesischen Neujahrsgala aufführten.

Und nur dank dem Reinforcement-Learning gelang es Ace, dem Robotersystem von Sony, einen Profisportler im Tischtennis zu besiegen.

KI bringt den Robotern Weltwissen bei

KI löst auch noch ein zweites drängendes Problem der Robotik: «Chatbots wie Chat-GPT oder Gemini können Robotern Wissen über die Welt erschliessen», sagt Siegwart. Die Modelle haben aus Texten gelernt, dass Wasser elektronische Geräte zerstört, dass man Glas nicht quetschen kann, dass ein angebissener Apfel in den Müll gehört, eine teure Uhr aber nicht.

Befiehlt man einem Roboter, der Zugang zu einem KI-Chatbot hat: «Räume meinen Schreibtisch auf», kann er ein Bild des Tisches an das KI-Modell schicken und fragen: «Was sehe ich hier, und was ist der logische Plan, um aufzuräumen, ohne Schaden anzurichten?»

Die KI schlussfolgert innerhalb von Sekunden: Die braune Pfütze auf dem Schreibtisch neben der umgekippten Tasse ist vermutlich Kaffee. Die Flüssigkeit könnte das Smartphone und die Dokumente beschädigen. Dann gibt das Modell dem Roboter Anweisungen: Lege das Smartphone und die Dokumente zuerst zur Seite. Dann kannst du den Kaffee aufwischen.

Das Beispiel illustriert: Die KI verleiht dem Roboter die Fähigkeit zum unabhängigen Handeln in einer chaotischen Umgebung. Kein Ingenieur muss dem Roboter vorher explizit sagen, dass ein Smartphone nicht in den Geschirrspüler gehört und eine heisse Pfanne nicht auf einen Plastikteller.

KI-Chatbots machen also dumme Maschinen zu intelligenten Systemen. Manche Brancheninsider sprechen daher nicht mehr von Robotern, sondern von «embodied AI», verkörperter KI.

Solche Konzepte suggerieren, dass die Forschung unmittelbar davor steht, nützliche Allzweckroboter zu entwickeln. Doch das ist falsch. Siegwart sagt: «Obwohl die Fortschritte in der Robotik dank KI dramatisch sind, lassen sich viele der guten Ideen in der Realität noch nicht umsetzen.»

Die Sensorik in den Händen ist noch zu schwach

Eine der grössten Schwachstellen von heutigen Robotern sind ihre Hände. Sie sind noch zu ungeschickt, um zuverlässig ein Smartphone und ein Dokument von einem Schreibtisch wegzuräumen.

Beim Smartphone ist die glatte Oberfläche das Problem. Roboter haben Mühe, mit glitschigen oder glatten Objekten umzugehen. Wir Menschen spüren sofort, falls uns ein glatter Gegenstand aus den Fingern rutscht. Intuitiv verstärken wir die Kraft, mit der wir ihn halten.

«Den meisten Robotern fehlen noch Sensoren, um zu merken, dass das Objekt in ihrer Hand rutscht. Sie können die Kraft nicht intuitiv ausgleichen», sagt Siegwart. Ausserdem fehlen den Forschern auch die Daten, damit Roboter solche spontanen Reaktionen in der Simulation lernen könnten. Hierfür würde es unter anderem Millionen von Aufzeichnungen darüber brauchen, wie sich der Druck in der Hand bei Berührungen im Lauf von Millisekunden verändert.

Auch ist ein einzelnes Papier auf einem Tisch für einen Roboter schwer zu beseitigen. Wir Menschen nutzen unsere Fingernägel, um das Papier zu stauchen, bis es einen Bogen bildet und wir es mit einer Hand greifen können. Die meisten humanoiden Roboter haben aber klobige Finger aus Kunststoff, Metall oder Gummi. Versuchen sie, das Papier zu stauchen, drücken sie es meist nur gegen die Tischplatte.

Zwar gibt es Forscher, die das Problem gelöst haben. Die Fingerspitzen ihrer Roboter sind mit kleinen Unterdruckgeneratoren ausgestattet, sie saugen das Papier hoch. Oder sie bestehen aus weichem Silikon, mit dem sich das Papier stauchen lässt, bis sich ein Bogen bildet.

Weiche Fingerspitzen: Dieser Roboter kann Papier hochheben.

Aber eine solche auf Papier spezialisierte Hand eignet sich nicht, um einen Hammer zu schwingen oder einen Knoten zu lösen. «Um einen Roboter universal einsetzbar zu machen, muss eine Hand her, die gleichzeitig geschickt, feinfühlig und stark ist. Das gibt es weltweit noch nirgends», sagt Siegwart.

Immerhin: Das amerikanische Startup Eka hat kürzlich einen Roboterarm präsentiert, der sowohl eine Himbeere hochheben kann wie auch eine Glühbirne in ein Gewinde drehen. Die Hand des Roboters ist damit beides: geschickt und stark. Allerdings arbeitet der Roboter noch immer in einer strukturierten Umgebung: Die Lichtverhältnisse an seinem Tisch sind vorhersehbar, die Gegenstände, die er hochheben soll, werden einzeln vor ihn hingelegt.

Doch in der echten Welt herrschen keine solch idealen Bedingungen. Vielmehr müssten Roboter, um im Alltag nützlich zu sein, ein bestimmtes Kabel aus einer Schublade voller Kabel herauspicken, sie müssten auch im Schummerlicht ertasten, ob eine Schraube locker sitzt, sie müssten merken, ob ein Lappen nass ist und aufgehängt werden soll, bevor sie ihn verstauen. «Das schaffen Roboter noch nicht zuverlässig», sagt Siegwart.

Olympische Spiele für Roboter: Sieger vergebens gesucht

Um zu illustrieren, wie weit die Robotik noch immer vom nützlichen Allzweckroboter entfernt ist, lohnt sich ein Blick auf die Website von Benjie Holson. Der Ingenieur arbeitete acht Jahre lang für Google. Dort versuchte er, einen Allzweckroboter zu entwickeln. Nun betreibt er auf eigene Faust einen informellen Wettbewerb, den er die Olympischen Spiele der Humanoiden nennt.

Die Roboter müssen dabei in verschiedenen Disziplinen antreten. Sie umfassen: ein Hemd auf einen Bügel aufhängen, mit einem Schlüssel eine Tür aufschliessen, von Hand eine Orange schälen, eine Bratpfanne abwaschen.

Die einzige Medaille, die Holson schon vergeben hat, ging an einen Roboter, der eine Tür mit einem runden Drehknopf geöffnet hat und anschliessend durch die Tür hindurchgegangen ist. Bei sämtlichen anderen Aufgaben sind die Maschinen bisher gescheitert.

Datensammeln bringt vielleicht nichts

Nun tüfteln Forscher und Unternehmer weltweit an der Frage, wie sie Roboter ausreichend geschickt machen. Manche versuchen, das Rezept, das bei grossen Sprachmodellen und bei der Bilderkennung funktioniert, auf die Robotik zu übertragen: so viele Daten sammeln wie möglich.

Dafür befestigen sie bei Menschen Sensoren an Händen, Armen, Beinen und registrieren, wie sie sich bewegen, wenn sie den Haushalt erledigen. Sie analysieren Videos von Menschen und versuchen, daraus Bewegungsdaten abzuleiten. Und sie lassen Menschen humanoide Roboter fernsteuern; der Roboter soll so lernen, die Bewegungen zu kopieren.

Diese Methoden haben allerdings noch nicht zu namhaften Durchbrüchen in der Robotik geführt. Trotzdem gibt es Firmen, die ihren Kunden bereits heute humanoide Allzweckroboter versprechen. Die amerikanische Firma 1X hat Ende April die erste Fabrik für die Massenfertigung von Haushaltsrobotern eröffnet. Doch Neo, wie der Haushaltsroboter von 1X genannt wird, muss von Menschen ferngesteuert werden. Ohne diese sogenannte Tele-Operation ist er als Haushaltshelfer nutzlos.

Das Ende des Fachkräftemangels oder der Anfang der Massenarbeitslosigkeit?

Die meisten Robotikexperten sind überzeugt: Eines Tages wird es Maschinen geben, die viele Aufgaben effizienter erledigen können als wir Menschen. Zwar bezweifeln die seriösen Forscher, dass wir bereits im nächsten Jahrzehnt so weit sind. Dennoch ist absehbar, was auf uns zu kommt: Erst werden immer mehr Anwendungen in strukturierten Umgebungen wie Produktionshallen und Lagerhäusern automatisiert. Danach werden die Roboter die Fabriken verlassen und in Supermärkten, auf Baustellen, in Krankenhäusern aushelfen.

Was die technologischen Fortschritte für die Gesellschaft bedeuten, bewerten die Fachleute unterschiedlich. Optimisten wie Marco Hutter, der das Robotikzentrum der ETH Zürich leitet, sehen darin die Lösung für Probleme wie den zunehmenden Mangel an Arbeitskräften.

Pessimisten wie Dirk Helbing, ETH-Professor für computergestützte Sozialwissenschaften, warnen derweil vor der Massenarbeitslosigkeit. «Ich befürchte, dass viele Menschen in Not geraten werden, wenn wir nicht bald mit einem gesellschaftlichen Umdenken reagieren», sagt Helbing.

Wem man glaubt, hängt von der eigenen Perspektive auf technologischen Fortschritt ab. Klar ist jedoch, dass die Entwicklung nicht aufzuhalten ist. Wie die Zukunft aussieht, in der Menschen Seite an Seite mit Robotern leben und arbeiten könnten, wird somit immer weniger eine Frage der technischen Machbarkeit. Vielmehr wird es darum gehen, wie wir den Wandel gestalten.

Gioia da Silva, ein Artikel aus der «NZZ am Sonntag»