Autonome und flexibel einsetzbare Roboter sollen die Industrie nach vorne bringen. Doch um die künstliche Intelligenz zu trainieren, braucht es jede Menge Daten – und die haben die meisten Unternehmen nicht. Die Roboter könnten jedoch von anderen Robotern an unterschiedlichen Standorten und von verschiedenen Unternehmen lernen. Das gemeinsame Lernen trotz örtlicher Trennung wird auch Federated Learning (gemeinsames Lernen) genannt – quasi das Homeschooling für die KI.

Dadurch lassen sich Trainingsdaten von mehreren Stationen, aus mehreren Werken oder sogar mehreren Unternehmen nutzen, ohne dass Beteiligte sensible Unternehmensdaten herausgeben müssen, heißt es in einer Pressemitteilung des Flairop-Projektes (Federated Learning for Robot Picking) – einer Kooperation zwischen deutschen und kanadischen Unternehmen und Organisationen.

Das 2021 gestartete Projekt wurde mittlerweile abgeschlossen und hat Greifroboter in der Logistik trainiert. Sie lernten, Artikel zu greifen, die sie vorher nicht kannten. Es gab dabei keinen Austausch von Daten wie Bildern oder Greifpunkten. Lediglich die lokalen Parameter der neuronalen Netze, also stark abstrahiertes Wissen, wurden zu einem zentralen Server übertragen. Dort wurden die Daten mithilfe mehrerer Algorithmen zusammengeführt und dann wieder an die örtlichen Server zurückgegeben. Der Greifarmroboter vor Ort lernte und der Vorgang wurde wiederholt.

Das System soll nun verbessert werden, damit es irgendwann einer Vielzahl von Unternehmen bereitsteht. Dazu werden für die weitere Forschung Partner aus der Industrie und Wissenschaft gesucht.