Wie viele Gehirnzellen braucht man, um die Fortbewegung eines sechsbeinigen Roboters zu kontrollieren? Die überraschende Antwort: zwei. Das jedenfalls kann man aus einem aktuellen Aufsatz in der Zeitschrift Nature Physics schließen.

Der Roboter, um den es geht, heißt Amos. Er sieht aus wie eine Spinne und kommt aus Göttingen. Beobachtet man Amos dabei, wie er über einen Testparcours krabbelt, wie er seine Lauftechnik verändert, wenn es bergauf geht, wie er Hindernisse umläuft und wild mit den Beinen strampelt, sobald eines seiner sechs Gliedmaßen in ein Loch gerät – dann fällt es schwer, das mit den zwei Zellen zu glauben. Gebaut haben den Roboter vier Wissenschaftler vom Göttinger Bernstein Zentrum Computational Neuroscience. Sie wollten wissen, warum Insekten mit ihren kleinen Gehirnen sich so viel eleganter durch die Welt bewegen als die technischen Geschöpfe der Ingenieure.

Ein klassischer Robotertechniker ist nur einer der vier, der gebürtige Thailänder Poramate Manoonpong baute die Hardware der Krabbelmaschine. Aus der Neurowissenschaft kommt Florentin Wörgötter. Marc Timme und Silke Steingrube sind Physiker, die sich mit Netzwerktheorie beschäftigen. Die damals 23-jährige Studentin Steingrube war es, die bei ihrer Diplomarbeit auf die Idee kam, Amos mit einer sogenannten Chaos-Steuerung einzusetzen.

Jedes laufende Lebewesen hat mehrere "Gangarten". Bei uns Zweibeinern sind die Varianten begrenzt, aber schon beim Pferd wächst die Zahl der Möglichkeiten, erst recht bei Sechsbeinern wie etwa der Heuschrecke. Aber selbst Tausendfüßler müssen nicht bewusst steuern, welches Bein sie vor das andere setzen – die koordinierten Bewegungen folgen bestimmten Mustern, die im Gehirn von sogenannten zentralen Mustererzeugern (CPGs, von Central Pattern Generator) gesteuert werden.

Will man die künstlich nachempfinden, kommen klassischerweise kleine Computerprogramme heraus, die zum Beispiel einen sechsbeinigen Roboter anweisen: Hebe das vordere und hintere Bein der einen Seite immer zusammen mit dem mittleren Bein der anderen Seite an! Das ist eine sehr effektive Gangart, bei der immer drei Beine Bodenkontakt haben. Weil Amos fünf Gangarten beherrscht, müsste er eigentlich über fünf Programme verfügen, die je nach Umweltbedingungen abgerufen werden. Tatsächlich aber – das ist die Innovation – werden alle fünf Muster von den besagten zwei Neuronen produziert.

Neurone, lebende wie digital simulierte, sind kleine Zellen, die untereinander mit Leitungen verbunden sind, den Synapsen. Ein Neuron erzeugt aus eingehenden Signalen nach gewissen Regeln ein Ausgangssignal. Mindestens zwei Neurone und drei Synapsen braucht man, um sogenanntes Chaos zu produzieren: Trotz der simplen Verdrahtung flackern die Zustände der beiden Zellen dann auf unvorhersagbare Art und Weise.

Solches Neuronen-Chaos ist im richtigen Leben unerwünscht, es tritt zum Beispiel bei Epileptikern und Parkinson-Patienten auf. Und auch der Roboter Amos zappelt wild mit den metallenen Beinchen, wenn seine Neurone chaotisch flackern. Doch der Schaltkreis der Göttinger hat die schöne Eigenschaft, dass er sich mit einem winzigen Korrektursignal dazu zwingen lässt, periodisch zu schwingen: Es entstehen Muster, die sich alle vier, fünf oder acht Zeiteinheiten wiederholen. Und die lassen sich direkt auf die Beine des Roboters übertragen – und entsprechen jeweils einer Gangart des künstlichen Insekts.

Die Programmierer müssen nur noch die Regeln festlegen, nach denen die kleinen Korrektursignale gegeben werden. Diese Regeln basieren auf dem Input von 18 elektronischen Fühlern. Zum Beispiel spürt ein Neigungssensor, wenn es bergauf geht – schon wechselt Amos in eine langsamere Gangart. Und wenn der Roboter in ein Loch tritt und er dauerhaft den Kontakt zum Boden verliert, schaltet die Steuerung einfach in den Chaos-Modus. Amos strampelt dann so lange wild herum, bis er wieder sicheren Boden unter dem betreffenden Fuß hat.

Autonomen Robotern kann man viel leichter beibringen, aus der Praxis zu lernen

Wie der Chaos-Schwingkreis die Muster überhaupt hervorbringt, ist mathematisch nicht vollständig beschreibbar. Die Forscher wissen zum Beispiel nicht, warum es keine Schwingung der Periode drei gibt. Es interessiert sie auch gar nicht, letztlich zählt das Ergebnis – sie untersuchen ihre elektronischen Neurone fast genauso empirisch wie Biologen die Hirnzellen lebender Wesen.

Das aber bringt die Göttinger auf Kollisionskurs mit dem traditionellen Ansatz der Roboterkonstrukteure. "Für die Ingenieurrobotik sind unsere Neurone so etwas wie das Weihwasser für den Teufel", sagt Florentin Wörgötter. Denn noch stehen die meisten Roboter in Fabriken am Fließband, wo es darauf ankommt, stets dieselbe Bewegung auf den hundertstel Millimeter genau auszuführen. "Bei diesen Robotern ist in jeder Millisekunde genau bekannt, in welchem Zustand sich die verschiedenen Gelenke befinden."

Sie geraten aber aus dem Konzept, sobald ihre exakt definierte Umgebung sich verändert. Ihnen fehlt die Möglichkeit zur Anpassung – und die Autonomie, die ihnen eine solche Anpassung überhaupt ermöglichen würde. Das merkt inzwischen auch die Industrie. Soll etwa eine Windschutzscheibe in ein Auto eingesetzt werden, dann schafft das kein herkömmlicher Roboter mit blinder Präzision. Er kann zwar die Scheibe mit elegantem Schwung zur Karosserie bewegen – für die letzten Millimeter aber ist ein Augenmaß notwendig, das die Maschinen gerade erst zu lernen beginnen.

Apropos Lernen: Die Stärke autonomer Roboter liegt darin, dass man ihnen viel leichter beibringen kann, aus der Praxis zu lernen. Das haben die Göttinger Forscher mit ihrem Sechsbeiner Amos ebenso demonstriert: Anstatt ihm für jede Umweltsensation die entsprechende Gangart zu diktieren, kann man auch ein Ziel vorgeben – etwa: "Verbrauche möglichst wenig Energie!" – und den Schaltkreis die verschiedenen Muster durchprobieren lassen. Wenn Amos einmal weiß, wie er am effektivsten eine schiefe Ebene hinaufklettert, macht er das beim nächsten Mal wieder so.

Aus der akademischen Robotikszene in Deutschland bekommt das Göttinger Newcomer-Team viel Anerkennung. Eine "spannende Richtung" bescheinigt Thomas Christaller vom Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme der Arbeit. Sein Institut verfolgte ähnliche Ideen, bevor es die Order bekam, sich vornehmlich um Aufträge aus der Wirtschaft zu kümmern. Helge Ritter, Neuroinformatiker von der Universität Bielefeld, ist ebenfalls begeistert. Er sieht eine Anwendung für diese simple Steuerung vor allem, sobald es gelingt, Roboter von Insektengröße zu bauen – oder gar im Nanomaßstab, die man zum Beispiel in die menschliche Blutbahn einschleusen könnte.

Viel schwieriger wird es dagegen sein, das Prinzip der chaotisch funkenden Neurone für komplexere Maschinenhirne zu nutzen. Die Modellierung auch nur eines Ameisenhirns mit seinen 10.000 Nervenzellen liegt heute noch weit jenseits der technischen Möglichkeiten. Amos ist autonom und lernfähig, aber eben auch ziemlich dumm: Trifft er auf ein Hindernis, muss er jedes Mal aufs Neue seinen Weg drum herum finden, er kann seine Handlungen nicht planen.

Solche Fähigkeiten werden in den nächsten Jahrzehnten noch herkömmlich programmiert werden, etwa mit den Verfahren der klassischen Künstlichen Intelligenz (KI). Die ist in den vergangenen Jahren ein wenig in Verruf geraten, weil sie nicht alle ihre Versprechungen einlösen konnte. "Wir gehen da ganz pragmatisch vor", sagt der Neuroinformatiker Helge Ritter, "in der KI war ja nicht alles schlecht."