Autonome Systeme der Zukunft. Klassifizierung, Merkmale und Anforderungen

Autonome Systeme sind heute vor allem dank der neuesten Trends aus der Automobilindustrie bekannt. In der Tat sind automatisierte Systeme mit unterschiedlichem Grad an Autonomie ein wesentlicher Bestandteil zukünftiger Entwicklungen und Entwicklungspläne für viele Tätigkeitsbereiche. Der Artikel der Autoren Werner Damm und Ralf Kalman aus der Zeitschrift Informatik-Spektrum, Ausgabe 5/2017, listet verschiedene Industrienormen und -standards auf und beschreibt die Funktionalität und Anforderungen für Methoden, Prozesse und Werkzeuge zur Entwicklung der entsprechenden Software.

Was ist der Vorteil der Autonomie?

Wie viel sollte ein technisches System sein und wie autonom kann es sein?
Heute scheint es keine Grenzen für die Implementierung immer fortschrittlicherer autonomer Systeme zu geben. Wir stehen kurz vor der Einführung von Technologien, die auf der Grundlage der bereitgestellten Daten, der automatischen Identifizierung von Objekten und Informationen von Sensoren verschiedener Ebenen unabhängig voneinander komplexe Beziehungen der umgebenden Welt aufbauen. All dies wird verwendet, um eine genaue digitale Darstellung der Realität für die Implementierung der Aufgabe zu erhalten. Es werden Systeme eingeführt, die in der Lage sind, die mögliche Weiterentwicklung der Ereignisse der umgebenden Realität zu analysieren, die weit über die Grenzen menschlicher analytischer Fähigkeiten hinausgeht. Es werden Systeme implementiert, die Aufgaben unabhängig planen und implementieren, ohne dass externe Unterstützung erforderlich ist. Diese Systeme sind mit menschlichen kognitiven Fähigkeiten ausgestattet, die im Kontext der Aufgabe relevant sind und es ihnen ermöglichen, völlig autonom zu arbeiten.

Ein kürzlich veröffentlichter Bericht der Bundesregierung über eine Hightech-Strategie zeigt die vielen Möglichkeiten autonomer Systeme auf. Darunter befinden sich alle Arten von „intelligenten Systemen“ wie Smart Mobility, Smart Health, Smart Production und Smart Energy, deren Intelligenz auf der Grundlage der oben genannten Möglichkeiten realisiert wird. Sie sind in der Lage, in Echtzeit ein digitales Bild der Welt zu erstellen, Daten aus vielen Informationsquellen zu verarbeiten und die gemeinsame Arbeit von Millionen von Subsystemen so zu organisieren, dass die erfolgreiche Umsetzung von Zielen wie die Optimierung des Ressourceneinsatzes sichergestellt wird. Die Vorteile können in vielen Bereichen des öffentlichen Lebens genutzt werden: Gesundheit und Verkehr, Energieverbrauch, Produktivität und Qualität der Produkte, Verhütung von Naturkatastrophen und Kollisionen verschiedener Fahrzeuge. Wenn Philips beispielsweise spezielle tragbare Sensoren für die postoperative Beobachtung von Patienten verwendet, erwartet er eine Reduzierung des postoperativen Herzstillstands um 86% und durch die „intelligente“ Verfolgung kritischer Gesundheitsparameter in der ambulanten Versorgung werden die Kosten um 34% gesenkt.

Automatisierte Steuerungssysteme gibt es schon seit einigen Jahren. Die Automatisierung ermöglicht den effizienten Einsatz von Geräten ohne manuelle Eingriffe. Typische Aufgaben der automatisierten Steuerung und Geräteeinstellungen werden in Form von Steuerschaltungen dargestellt, für die mathematische Modelle erstellt und die in Form von elektronischen Geräten und Software implementiert werden.

Die moderne Entwicklung cyber-physischer Systeme geht weit über diese Grenzen hinaus. Die Kombination von IT mit eingebetteten Steuerungssystemen und die dynamische Interaktion untereinander gewährleisten ihre gemeinsame Arbeit über heterogene Datenschnittstellen. Wie bei der Automatisierung in den 80er Jahren verspricht auch die autonome Produktion eine Steigerung von Effizienz, Produktivität und Qualität.

Entwicklungen dieser Art werden in vielen Bereichen der Anwendung technischer Systeme durchgeführt. Obwohl sich ihre Anwendungsszenarien unterscheiden, können im Softwarebereich häufig auftretende Probleme identifiziert und allgemeine Methoden zu deren Lösung beschrieben werden. Beispiele für solche Methoden werden im letzten Teil dieses Artikels vorgestellt. Von besonderem Interesse ist der Einsatz selbstlernender Systeme. Mit ihnen scheinen die potenziellen Möglichkeiten der Autonomie endlos zu sein, da es möglich wird, Artefakte aus der Außenwelt zu erkennen, die anfangs unbekannt sind und das System beeinflussen, und die damit verbundenen dynamischen Modelle zu untersuchen. Damit eröffnen sich neue, bisher unvorhergesehene Einsatzmöglichkeiten der Technologie.

Der potenzielle Marktwert von Technologien, die sich aus diesen Entwicklungen ergeben, wird auf Hunderte von Milliarden USD geschätzt. Insbesondere liefert eine Studie des EU Platforms4CPS- Projekts die folgenden Daten:

• Bis 2035 werden autonome Autos 10% aller Verkäufe ausmachen. Dies entspricht rund 12 Millionen Einheiten und einem Marktvolumen von 39 Milliarden USD.
• Der Flugmanagementmarkt wird Schätzungen zufolge von 50,01 Mrd. USD im Jahr 2016 auf 97,3 Mrd. USD im Jahr 2022 wachsen. Gleichzeitig wird die durchschnittliche jährliche Wachstumsrate 11,73% betragen.
• Der globale Markt für Roboterluftfahrt erwartet für das nächste Jahrzehnt ein durchschnittliches jährliches Wachstum von 17,7%, so dass sein Wert im Jahr 2025 7,9 Mrd. USD erreichen wird (laut „ Markets and Markets “).
• Das Marktvolumen für Drohnen wird auf 13,22 Mrd. USD geschätzt und soll bis 2022 28,27 Mrd. USD erreichen, mit einem jährlichen Wachstum von 13,51%.
• Der Markt für unbemannte Fahrzeuge wird von 437,57 Mio. USD im Jahr 2016 auf 861,37 Mrd. USD im Jahr 2021 mit einem jährlichen Wachstum von 14,51% geschätzt.
• Der Markt für autonome Unterwasserfahrzeuge wird von 2,29 Mrd. USD im Jahr 2015 auf 4,00 Mrd. USD im Jahr 2020 mit einem geschätzten jährlichen Wachstum von 11,90% steigen.
• Der Markt für das industrielle Internet der Dinge (IIoT) erwartet ein Wachstum von 110 Mrd. USD im Jahr 2020 auf 123 Mrd. USD im Jahr 2021.
• Der Technologiemarkt für tragbare Geräte hat ein Volumen von 28,7 Milliarden USD. Gartner prognostiziert, dass dieser Markt zwischen 2015 und 2017 jährlich um durchschnittlich 17,9% wachsen wird. Das am stärksten wachsende Segment ist das Segment der mobilen Handgelenksgeräte mit einer jährlichen Steigerung von 30%.
• Der Markt für Mikronetze wurde 2015 auf 16,58 Mrd. USD geschätzt. Im Jahr 2022 erwartet Markets and Markets ein Wachstum auf 38,99 Mrd. USD mit einem jährlichen Wachstum von 12,45%.

Dank der technologischen Entwicklung erscheinen auf dem modernen Markt neue Arten von Produkten und Dienstleistungen mit einem hohen Automatisierungsgrad. In diesem Zusammenhang stellt sich die Frage, in welchen Bereichen solche Entwicklungen wirklich sinnvoll sind und welche Auswirkungen sie auf die Gesellschaft haben.
Im Kontext einer ständig zunehmenden Autonomie wird sich die Qualität der Interaktion zwischen Mensch und Technologie definitiv ändern. Heute fungiert eine Person nicht nur als Endbenutzer, sondern in vielen Fällen als Teil eines Managementsystems ( Human-in-the-Loop ). Die Autonomisierung schafft einen Trend, der das Zusammenspiel von Mensch und Technologie auf einer höheren Abstraktionsebene etabliert. Ein autonomes System gibt einer Person die Möglichkeit, sich mit einem Teil ihrer digitalen Weltanschauung anhand geeigneter Abstraktionen vertraut zu machen, beispielsweise mit Virtual-Reality-Technologien, die für die Lösung eines bestimmten Problems zu einem bestimmten Zeitpunkt relevant sind. Umgekehrt kann eine Person über intuitive Mensch-Maschine-Schnittstellen leicht auf komplexe Prozesse innerhalb des Systems reagieren. Diese Kommunikation, begleitet von einem zunehmenden Abstraktionsgrad, erfordert wiederum ein gewisses Maß an Qualifikation und Ausbildung. Gleichzeitig werden Arbeitsplätze für gering qualifiziertes Personal als unnötig verschwinden.

Die ständige Verwendung einer großen Anzahl von Datenquellen erhöht das Risiko ihrer Unsicherheit erheblich. Die Architektur vernetzter verteilter Systeme wird extrem hohe Anforderungen an ihren Schutz stellen, um die katastrophalen Auswirkungen möglicher Cyberangriffe auf die Deaktivierung einzelner Komponenten zu vermeiden.

Mit zunehmender Autonomie stellt sich auch die Frage, welche Werte der zugrunde liegende Entscheidungsprozess haben sollte und ob sie unseren eigenen entsprechen. Auf dieser Grundlage hat das Europäische Parlament in seiner Entschließung vom 16. Februar 2017 entschieden:

• Verwenden Sie das Prinzip der Transparenz, das impliziert, dass es immer möglich sein sollte, die Prinzipien und Argumente für jede Entscheidung mit Hilfe künstlicher Intelligenz festzulegen, die erhebliche Auswirkungen auf das menschliche Leben haben kann.
• Es sollte immer möglich sein, die Berechnungsalgorithmen eines Systems unter Verwendung künstlicher Intelligenz in einer für Menschen lesbaren Form darzustellen.
• Progressive Roboter müssen mit einer sogenannten „Black Box“ ausgestattet sein, die Daten zu jeder von einer Maschine durchgeführten Transaktion aufzeichnet, einschließlich der Logik, die zur Annahme einer Entscheidung beigetragen hat.

Schließlich ist es aufgrund der bevorstehenden Einführung autonomer unbemannter Fahrzeuge auf dem Markt erforderlich, die Gesetze zur Haftung für neu auftretende Straftaten zu überarbeiten.

Diese Themen gehen daher über ihren rein beruflichen Bereich hinaus. Wie sollten autonome Systeme so gestaltet werden, dass sie nicht nur wirtschaftliche Vorteile bringen, sondern auch von der Gesellschaft positiv aufgenommen werden? Diese Probleme sollten in der Informatik untersucht werden. Es ist an der Zeit, die bestehenden Entwurfsprozesse und -techniken zu überdenken, die kontinuierlich eine Bewertung der sozialen Auswirkungen der entwickelten autonomen Systeme beinhalten sollten.

Autonomieklassen in verschiedenen Branchen

Das bekannteste Beispiel sind autonome Fahrzeuge in der Automobilindustrie . Viele Hersteller haben die Markteinführung geeigneter Autos in den nächsten 3-4 Jahren angekündigt. Mit den heute bereits verfügbaren Support-Systemen können Sie jedoch erstaunliche Dinge realisieren. Trotzdem ist der Weg vom teilautomatisierten Fahren (einige Hersteller sprechen in diesem Fall auch von „bemanntem“ Fahren) zum vollautonomen Fahren noch weit entfernt. Bei teilweiser Automatisierung (entspricht der 2. Automatisierungsstufe von SAE ) liegt die Hauptverantwortung bei der Person, und sie muss in der Lage sein, so schnell wie möglich unabhängig in den Prozess einzugreifen. Darüber hinaus ist die Möglichkeit der Verwendung solcher Systeme durch eine streng normalisierte Umgebung (z. B. Fahren auf einer Autobahn) begrenzt. Auf der hochautomatisierten Fahrstufe (Automatisierungsstufe 3 von SAE) darf der Fahrer seine Aufmerksamkeit anderen Dingen widmen, dh die Software garantiert vollständige Fahrsicherheit oder versetzt das System im Fehlerfall in einen sicheren Zustand, beispielsweise durch Anhalten des Fahrzeugs am Straßenrand. Vollautomatische Fahrzeuge (Automatisierungsstufe 4 nach SAE), die ihre Aufgabe absolut ohne die Hilfe eines Fahrers bewältigen, bieten ein Höchstmaß an Autonomie, benötigen jedoch keine Anweisungen zur Fahrgeschwindigkeit oder zu Umgebungsmerkmalen.

Ein wesentlicher Einfluss auf die Entwicklung dieser Branche ist vor allem nicht der Wunsch der einfachen Leute, ihre Autokontrolle auf andere Hände zu übertragen, sondern der Bedarf neuer Transportunternehmen an relevanten Dienstleistungen, die Erschließung neuer Marktsegmente oder das Angebot eines effizienteren und schnelleren öffentlichen Verkehrs innerhalb von Siedlungen. Im Güterverkehr können Sie durch die Automatisierung den Fahrer entladen, der seine Zeit anderen Aufgaben widmen und so produktiver arbeiten kann.

In der Eisenbahn und insbesondere im U-Bahn-Verkehr sind einige Prozesse bereits automatisiert. Hier funktioniert ein vereinfachtes Modell, da das System in einer homogenen Landschaft arbeitet, in der es keine Kreuzung von Transportwegen gibt und viele Wege voneinander isoliert sind. Zum anderen wird ein überlegenes Prozessmanagement- und Koordinierungssystem hinzugefügt, weshalb die Internationale Union für den öffentlichen Verkehr ( UITP ) ein überlegenes Überwachungs- und Kontrollsystem in ihre Klassifizierung aufgenommen hat. Ein automatisiertes Zugsystem enthält die folgenden drei Komponenten: Sicherheit, Zugmanagement und Zugüberwachung. Die Sicherheit wird kontrolliert, indem der Abstand zwischen den Zügen eingehalten und deren Geschwindigkeit kontrolliert wird. Die Steuerung sorgt für die planmäßige Bewegung des Zuges und regelt beispielsweise das Öffnen und Schließen von Wagentüren. Die Überwachung der Züge kontrolliert wiederum alle Strecken und die gesamte Infrastruktur und überträgt relevante Informationen an die Zentrale.

Ein solches System kann am einfachsten in der U-Bahn implementiert werden, basierend auf der Homogenität der Fahrzeuge und der Isolierung der Infrastruktur. Die entsprechenden Konzepte können jedoch auf andere Bereiche des Schienenverkehrs bis hin zu großen Rangierbahnhöfen übertragen werden. Es treten jedoch immer noch Probleme bei der Überwachung und Steuerung der Bewegung des internationalen Verkehrs oder aufgrund der Komplexität der Umgebung auf, beispielsweise bei der Bewegung von S-Bahnen an verschiedenen Arten von Bahnhöfen. Der Motor, der die Automatisierung des Schienenverkehrs vorantreibt, ist der hohe wirtschaftliche Vorteil der vorgeschlagenen Lösungen, der beispielsweise durch Energieeinsparung durch koordinierte Beschleunigungs- und Bremsprozesse in einem Verkehrsnetz erreicht wird.

Im Luftverkehr wird seit langem eine automatisierte Flugsteuerung eingesetzt. Bei Drohnen, die hauptsächlich für militärische Zwecke eingesetzt werden, wurde der Grad der Autonomie im Hinblick auf die unabhängige Aufgabenplanung und das Missionsmanagement erhöht. Zehn Autonomieebenen ALFUS (Autonomy Levels for Unmanned Systems) verwendet drei Projektionen, um die Fähigkeiten des Systems zu charakterisieren: Unabhängigkeit von menschlichen Eingriffen, Komplexität der Aufgaben und Komplexität der Umgebung. Zusammen charakterisieren sie die Fähigkeiten der Akkulaufzeit. Bei der Suche nach technologischen Lösungen für ein Höchstmaß an Autonomie werden auch Themen wie Gruppenverhalten, adaptive Kommunikation zwischen Geräten und Selbsttraining hinzugefügt, die die oben genannten verbleibenden Taxonomien bisher nicht berührt haben.

In der Produktion sind automatisierte Prozesse mit der Einführung von speicherprogrammierbaren Steuerungen (SPS) in den 80er Jahren Standard. Solche Prozesse sind jedoch wenig flexibel und konzentrieren sich auf die Massenproduktion. Individuelle Produktion oder marktorientierte Änderungen im Produktportfolio führen zu einer kostspieligen Neukonfiguration von Produktionslinien und Umrüstungen. Bei der Entwicklung digitaler Technologien und basierend auf dem Konzept von Industrie 4.0 strebt die individualisierte Produktion das gleiche Maß an Effizienz und Qualität wie in der Massenproduktion an. Gleichzeitig sollte es sich automatisch an veränderte Bedingungen und neue Produktionsziele anpassen. Die Frauenhofer Forschungsgesellschaft bietet 5 Evolutionsstufen an, die diese Entwicklung begleiten. Zunächst muss die Erfassung und Verarbeitung von Produktionsdaten sichergestellt werden. Dies wird die Grundlage für Assistenzsysteme sein, die bei der Arbeit und Entscheidungsfindung helfen. In der dritten Phase bieten die Integration der Produktionsstufen in ein einziges Datenaustauschnetzwerk und deren Integration untereinander die notwendigen Voraussetzungen für die Optimierung des gesamten Systems. Um die Elastizität der Produktion in der vierten Stufe zu erhöhen, muss das System transformiert und neu konfiguriert werden können. Und auf der letzten fünften Ebene muss sich das Produktionssystem selbst organisieren können. Bisher haben sich Produktionssysteme auf den Ebenen von der ersten (Produktionsdatenerfassung) bis zur dritten Ebene (Produktion, vereint durch ein gemeinsames Datennetz, wie beispielsweise in der Automobilproduktion) angesiedelt. Um zur nächsten Stufe überzugehen, ist in der Regel eine vollständige Umstrukturierung der gesamten Produktionsarchitektur erforderlich, was dementsprechend teuer ist.

Die Autonomieebenen all dieser Anwendungen sind in der Tabelle erneut aufgeführt, während versucht wurde, ähnliche Autonomiegrade von verschiedenen Domänen auf derselben Ebene darzustellen.

Anhand der obigen Beispiele ist es bereits möglich, viele Gemeinsamkeiten bei der Klassifizierung nach Ebenen und Zielen der Autonomie zu erkennen. , , SafeTRANS . :

1. , , , , . ; , .. - .
2. , , . , , . , , . . ; .
3. , , . , , , , , . , , , .
4. () – , , , , ( ). , , . .

. - , , , . Deep Learning , -, . , : , . , , , . , . . , - , .

, . , . (human-in-the-loop), . - . . . . , . , , , .

SafeTRANS, , . .
, . , , . -, , .

SafeTRANS :