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.«