Robotik & Künstliche Intelligenz (KI)
In der heutigen Arbeitswelt spielen Robotik und KI eine immer größere Rolle. Sie beeinflussen nicht nur die Produktivität sowie Effizienz, sondern auch die Sicherheit von Beschäftigten. Die rasante Entwicklung dieser Technologien eröffnet neue Möglichkeiten, birgt aber auch Herausforderungen. Insbesondere im Bereich der kollaborativen Zusammenarbeit von Mensch sowie Maschine und bei autonomen Systemen mit KI darf die Sicherheit nicht vernachlässigt werden.
Künstliche Intelligenz (KI) ist die Fähigkeit von Computern oder Maschinen, Aufgaben zu erledigen, die normalerweise menschliches Denken erfordern, wie visuelle Wahrnehmung, Sprachverarbeitung und Entscheidungsfindung. Diese Systeme lernen aus Erfahrungen, passen sich an und führen komplexe Berechnungen durch. KI wird in vielfältigen Branchen eingesetzt, darunter Industrie, Finanzwesen und Medizin, um Effizienz zu steigern und neue Lösungen zu entwickeln.
Automatisch gesteuerter, frei programmierbarer Mehrzweck-Manipulator, der in drei oder mehr Achsen programmierbar ist. Industrieroboter werden in der Automatisierungstechnik entweder stationär an einem festen Ort platziert oder mobil eingesetzt.
Mensch-Roboter-Kollaboration (MRK) bezieht sich auf die unmittelbare Interaktion und Zusammenarbeit zwischen Menschen und Robotern in einem gemeinsamen Arbeitsraum. Die Roboter sind speziell darauf ausgelegt, sicher neben Menschen zu arbeiten, ohne Gefährdungen hervorzurufen. Diese Art der Kollaboration wird genutzt, um die Effizienz zu steigern, ergonomische Arbeitsbedingungen zu verbessern und repetitive Aufgaben zu automatisieren. Ziel ist es, die Stärken von Menschen und Robotern optimal zu kombinieren, sodass sie sich gegenseitig ergänzen.
Fahrerlose Transportsysteme (FTS), auch bekannt als Automated Guided Vehicles Systems (AGVS), dienen seit den 1950er Jahren hauptsächlich in industriellen Umgebungen zur Automatisierung des Transports von Werkstücken, Werkzeugen und Waren. Ein FTS setzt sich zusammen aus einem oder mehreren autonomen Fahrzeugen, der dazugehörigen Anlageninfrastruktur, peripheren Geräten und üblicherweise einer zentralen Leitsteuerung. Diese Systeme verbessern die Effizienz und Sicherheit in Produktions- und Logistikprozessen, indem sie manuelle Transportaufgaben automatisieren.
Fernwartung ist die Überwachung, Diagnose und Instandhaltung von Maschinen über ein Netzwerk aus der Ferne, ohne dass Techniker:innen physisch vor Ort sein müssen. Softwareaktualisierungen können von der Ferne aus durchgeführt, Fehlfunktionen diagnostiziert und Einstellungen angepasst werden. Die Fernwartung trägt dazu bei, Ausfallzeiten zu minimieren, Wartungskosten zu reduzieren und die Effizienz und Produktivität in Produktionsumgebungen zu steigern.
Mittels 3D-Druck können dreidimensionale Werkstücke hergestellt werden. Dabei nutzen die Maschinen unterschiedliche flüssige oder feste Materialien. Materialien wie z. B. Kunststoffe, Metalle, Keramik, Baustoffe etc. werden Schicht für Schicht aufgetragen. KI wird immer häufiger für die Optimierung von 3D-Druckprozessen eingesetzt. Doch KI kann auch zur Entwicklung einer Design-Idee für ein optimales Bauteil, das in 3D gedruckt wird, eingesetzt werden.
Der AI-Act der Europäischen Union ist eine legislative Initiative, die darauf abzielt, ein umfassendes Regelungsrahmenwerk für künstliche Intelligenz (KI) zu schaffen.
Er wurde am 12.7.2024 veröffentlicht und zielt darauf ab, die Entwicklung und Nutzung von KI in der EU zu fördern, während gleichzeitig klare Regeln zum Schutz der Grundrechte und Sicherheit der Bürger:innen sowie zur Förderung von Innovationen festgelegt werden. Der AI-Act umfasst Bestimmungen zur Regulierung von Hochrisiko-KI-Anwendungen, zur Transparenz und Verantwortlichkeit von KI-Systemen sowie zur Förderung von Forschung und Entwicklung im Bereich KI innerhalb der EU.
Die Maschinenverordnung 2023/1230 wird mit dem Stichtag 20. Jänner 2027 wirksam und löst die bisherige Maschinenrichtlinie 2006/42/EG ab.
Hierbei werden unter anderem neue Anforderungen an Cybersecurity, selbstentwickelndes Verhalten („KI“) und Händler gestellt.
Erklärvideos
Was ist Industrie 4.0?
Mensch-Roboter-Kollaboration
Publikationen zum Thema
Robotik & KI
Hier finden Sie alle AUVA-Publikationen rund um das Thema Robotik & KI, die in gedruckter Form über das Bestellformular kostenlos bestellt werden können oder zum Download zur Verfügung stehen.
Factsheet: Robotik
Factsheet: Künstliche Intelligenz
M.plus 630 Sicheres Muting - von berührungslos wirkenden Schutzsystemen für Maschinen
M.plus 940 Integration kollaborativer Roboteranwendungen
M 940 Arbeiten mit kollaborativen Robotern
M.plus 941 Industrieroboter
M.plus 942 Fahrerlose Transportsysteme und mobile Roboter
Folder "Gemeinsam sicher digital" - AUVA-Präventionskampagne
Broschüre Sichere Passwörter im Kleinbetrieb
Broschüre Tür zu! Hackerabwehr für Kleinbetriebe
Broschüre Tür zu! Hackerabwehr für Kleinbetriebe - Shut the Door against Cyber Attacks on Small Businesses (EN)
Häufig gestellte Fragen
FAQ - Häufig gestellte Fragen zu Robotern
Nach EN ISO 10218-1 ist ein Industrieroboter ein automatisch gesteuerter, frei programmierbarer Mehrzweck-Manipulator, der in drei oder mehr Achsen programmierbar ist und zur Verwendung in der Automatisierungstechnik entweder an einem festen Ort oder beweglich angeordnet sein kann.
Die Maschinenrichtlinie und die Maschinenverordnung liefern Informationen dazu, was als unvollständige Maschine gilt:
Artikel 2 Begriffsbestimmungen, Maschinenrichtlinie 2006/42/EG
g) "unvollständige Maschine"
Eine Gesamtheit, die fast eine Maschine bildet, für sich genommen aber keine bestimmte Funktion erfüllen kann. Ein Antriebssystem stellt eine unvollständige Maschine dar. Eine unvollständige Maschine ist nur dazu bestimmt, in andere Maschinen oder in andere unvollständige Maschinen oder Ausrüstungen eingebaut oder mit ihnen zusammengefügt zu werden, um zusammen mit ihnen eine Maschine im Sinne dieser Richtlinie zu bilden.
Artikel 3 Begriffsbestimmungen (10.) "unvollständige Maschine" Maschinenverordnung 2023/1230
Bezeichnet eine Gesamtheit, die noch keine Maschine darstellt, da sie als solche keine bestimmte Anwendung erfüllen kann, und die nur dazu bestimmt ist, in eine Maschine oder in eine andere unvollständige Maschine oder Ausrüstung eingebaut oder mit ihnen zusammengefügt zu werden und so eine Maschine zu bilden.
Erst die fertige Roboter-Applikation (Roboter und Anwendung und Sicherheitskonzept) erfüllen die Anforderungen einer vollständigen Maschine, der Roboter ohne die spezifische Anwendung ist dadurch als unvollständige Maschine zu betrachten
Damit ein Industrieroboter zu einer vollständigen Maschine/Anlage umfunktioniert werden kann, müssen zwei Punkte gegeben sein:
- Der Industrieroboter benötigt einen Endeffektor, wodurch der Roboter seine bestimmungsgemäße Verwendung/Funktion erhält.
- Die grundlegenden Sicherheits- und Gesundheitsschutzanforderungen müssen erfüllt sein, das heißt, es müssen Absicherungen gegen die Gefährdungen des Roboters vorhanden sein, zum Beispiel Sicherheitszonen um den Arbeitsbereich des Roboters.
Endeffektoren sind alle Funktionseinheiten, die als Aktor in der Regel am Ende eines Roboterarmes angebracht werden (z. B. Greifer, Werkzeuge oder Sensoren). Ein Aktor ist ein Bauelement, das elektrische Signale z. B. in mechanische Bewegung umsetzt.
Industrieroboter automatisieren viele Fertigungsprozesse. Welche Sicherheitsaspekte berücksichtigt werden müssen, hängt von der Roboterapplikation ab.
Die wichtigsten Sicherheitsfaktoren, die bei der Arbeit mit Industrierobotern zu beachten sind:
-
Risikobeurteilung und Sicherheitsstandards: Vor der Installation und Inbetriebnahme eines Industrieroboters muss eine gründliche Risikobeurteilung durchgeführt werden. Die Einhaltung von internationalen Sicherheitsstandards wie EN ISO 10218-2 unterstützt bei der Erfüllung der rechtlichen Anforderungen. Für Applikationen im Mensch-Roboter-Kollaborationsbetrieb (MRK) stellt die TS 15066 Anforderungen zur Verfügung.
-
Technische Maßnahmen für eine sichere Roboterapplikation: Es ist wichtig, Sicherheitszonen um den Arbeitsbereich des Roboters einzurichten. Diese Zonen können durch physische Barrieren wie trennende Schutzeinrichtungen (z. B. bauliche Maßnahmen, Schutzzäune, Schutztüren usw.) oder durch nicht trennende Schutzeinrichtungen (z. B. Lichtgitter, Laserscanner, Radarsysteme usw.) umgesetzt werden.
Zur Umsetzung der Sicherheitsfunktionen steht bietet die EN ISO 13849-1/2 Hilfestellung. Bei MRK-Applikationen müssen Maßnahmen zur Einhaltung von Kraft- und Druckgrenzen gesondert betrachtet und applikationsspezifisch durch Messungen validiert werden. Als ergänzende Schutzmaßnahme sollte ein umfassendes Not-Halt-Konzept im Sicherheitskonzept berücksichtigt werden. Die EN ISO 13850 enthält Anforderungen an die Not-Halt-Einrichtungen. -
Programmierung und Bedienung: Nur qualifiziertes Personal sollte für die Programmierung und Bedienung von Robotern eingesetzt werden. Im sicherheitstechnischen Bereich kann auch die EN ISO 13849-1 hinsichtlich Programmierung und Functional Safety Management (FSM) eine Unterstützung bieten.
-
Wartung und Inspektion: Regelmäßige Wartungen und Inspektionen sind entscheidend, um sicherzustellen, dass alle Komponenten eines Roboters ordnungsgemäß funktionieren und keine Sicherheitsrisiken bestehen. Auch diese Lebensphasen sollten in das Sicherheitskonzept eingeplant werden, um nachträglichen Manipulationen vorzubeugen. Die EN ISO 14119 bietet einen gangbaren Weg, um Anreize gegen Manipulation aufzuzeigen und Maßnahmen dagegen zu setzen.
Bei „Cobots“ handelt es sich um Roboter, die einen kollaborativen Betrieb ermöglichen, da sie über spezielle Sensoriken verfügen. Der kollaborative Betrieb definiert sich durch einen gleichzeitigen und gemeinsamen Arbeitsbereich von Menschen und Roboter. Eine Validierung von Kraft- und Druckgrenzen ist unerlässlich, um einen sicheren Betrieb (CE-Kennzeichnung) zu gewährleisten. Nicht jede Applikation ist im Mensch-Roboter-Kollaborationsbetrieb umsetzbar oder wirtschaftlich.
FAQ - Häufig gestellte Fragen zu Künstlicher Intelligenz (Machine Learning):
Maschinelles Lernen (engl. Machine Learning) ist ein Teilgebiet der Künstlichen Intelligenz. Darunter ist in erster Linie die Entwicklung von Algorithmen und Modellen zu verstehen, die es Computern ermöglichen, aus Daten zu lernen und auf Grundlage dieser Daten Vorhersagen oder Entscheidungen zu treffen, ohne explizit dafür programmiert zu sein.
Insgesamt ist KI das übergeordnete Konzept, während ML eine Methode ist, um diese Intelligenz zu erreichen. ML ist ein Werkzeug, das eingesetzt wird, um intelligente Anwendungen zu entwickeln.
Maschinelles Lernen umfasst verschiedene Techniken und Methoden, die darauf abzielen, Muster in Daten zu erkennen und zu nutzen, um mit neuen, bisher unbekannten Daten umgehen zu können.
Überwachtes Lernen (Supervised Learning):
-
Modelle werden mit gekennzeichneten Daten (Labels) trainiert, um bekannte Muster zu erkennen
-
Beispiele: Klassifikation (z. B. Spam-Erkennung), Regression (z. B. Preisvorhersage)
Unüberwachtes Lernen (Unsupervised Learning):
-
Modelle arbeiten mit unmarkierten Daten und versuchen, verborgene Muster zu entdecken.
-
Beispiele: Clustering (z. B. Kundensegmentierung), Dimensionsreduktion.
Bestärkendes Lernen (RL):
-
Modelle lernen durch Interaktion mit einer (reellen oder simulierten) Umgebung, wobei deren Aktionen bewertet (belohnt bzw. bestraft) werden
-
Beispiele: Robotersteuerung, Spiele
Semi-überwachtes Lernen (Semi-Supervised Learning):
-
Kombination aus gekennzeichneten und unmarkierten Daten
Selbstüberwachtes Lernen (Self-Supervised Learning):
-
Modelle erzeugen ihre eigenen Labels aus den Rohdaten.
-
vorausschauende Wartung (Predictive Maintenance)
-
Bilderkennung und Computer Vision
-
Spracherkennung und -verarbeitung
-
Finanzmarktanalyse und Betrugserkennung
-
autonomes Fahren
-
Robotik und Steuerungssysteme
Deep Learning (DL) ist ein Teilgebiet des Machine Learning, das auf künstlichen neuronalen Netzen, insbesondere auf Netzen mit mehreren Schichten (sogenannten tiefen neuronalen Netzen), basiert. Diese Methode ermöglicht es Computern, komplexe Muster in großen Mengen unstrukturierter Daten zu erkennen und zu lernen.
Deep Learning hat in den letzten Jahren aufgrund seiner Leistungsfähigkeit in Bereichen wie Computer Vision, Spracherkennung und natürlicher Sprachverarbeitung (Natural Language Processing, NLP) erheblich an Bedeutung gewonnen.
Computer Vision:
-
Bilderkennung, Objekterkennung, Gesichtserkennung, medizinische Bildverarbeitung
Spracherkennung:
-
automatische Transkription von Sprache in Text, Sprachsteuerung
Robotik und autonomes Fahren:
-
Objekterkennung und -verfolgung, Steuerungssysteme
Spielstrategien und Simulationen:
-
Komplexe Strategiespiele (z. B. Go, Schach) und Simulationsmodelle
Predictive Maintenance (vorausschauende Instandhaltung):
-
Identifizierung und Vorhersage von Maschinenausfällen
Anomalieerkennung:
-
Erkennung ungewöhnlicher Muster in betrügerischen Transaktionen oder im Netzwerkverkehr
FAQ - Häufig gestellte Fragen zu Chatbots
Chatbots sind softwarebasierte Programme, die dazu entwickelt wurden, automatisierte Konversationen mit Benutzern:Benutzerinnen zu führen. Sie können Texteingaben oder Sprachbefehle verarbeiten und in natürlicher Sprache darauf reagieren.
Chatbots basieren häufig auf Künstlicher Intelligenz (KI), vor allem auf Technologien wie natürlicher Sprachverarbeitung und maschinellem Lernen.
Regelbasierte Chatbots:
-
funktionieren nach einem vordefinierten Regelwerk
-
Antworten auf Eingaben anhand vorgegebener Antwortbäume
- eher einfache Interaktionen, aber keine flexible Verarbeitung von offenen Anfragen
KI-gestützte Chatbots (intelligente Chatbots):
-
nutzen natürliche Sprachverarbeitung (NLP) und maschinelles Lernen, um Kontexte zu verstehen und komplexe Konversationen zu führen
-
verbessern ihre Antworten durch kontinuierliches Lernen aus früheren Interaktionen
-
Beispiele: OpenAI's ChatGPT, Google Assistant, Amazon Alexa
Hybride Chatbots:
-
kombinieren regelbasierte und KI-gestützte Ansätze
-
schalten auf KI-gestützte Verarbeitung um, wenn vordefinierte Regeln nicht ausreichen, um komplexere Anfragen zu bearbeiten
Beispiele für Einsatzbereiche sind:
Kundenservice:
-
beantworten häufig gestellte Fragen, helfen bei Bestellungen und lösen einfache Probleme
E-Commerce:
-
beraten bei der Produktauswahl, unterstützen bei der Bestellverfolgung und personalisierten Empfehlungen
Banking und Finanzen:
-
bieten Kontoinformationen und Finanzberatung, tätigen Überweisungen
Gesundheitswesen:
-
stellen erste Diagnosen, planen Termine, liefern Gesundheitsinformationen.
Bildung und Training:
-
beantworten Lernfragen, stellen Kursmaterialien bereit, erstellen Quiz-Fragen
HR und Rekrutierung:
-
Helfen beim Optimieren von Bewerbungsgesprächen, analysieren die Bewerbungsunterlagen und extrahieren relevante Informationen
FAQ - Häufig gestellte Fragen zu KI in der Maschinensicherheit
Die Maschinensicherheit und künstliche Intelligenz (KI) werden in Zukunft eng miteinander verbunden sein, insbesondere im Kontext von Industrie 4.0. Die Sicherheitsfunktionen von Maschinen dürfen nicht negativ von KI beeinflusst werden, die Sicherheit der Maschine muss immer gegeben sein. Derzeit betrachtet man den Einsatz von KI in Sicherheitsfunktionen kritisch, da die Zuverlässigkeit von KI-Systemen meist schwer zu beurteilen ist.
Schutz von Menschen, Anlagen und der Umwelt vor Gefahren, die durch den Betrieb von Maschinen oder Anlagen entstehen können. Ziel ist es, Risiken für Mensch und Umwelt zu minimieren.
Schutz von Informationssystemen und Daten vor unbefugtem Zugriff, Manipulation oder Sabotage. Ziel ist es, die Vertraulichkeit, Integrität und Verfügbarkeit von Informationen sicherzustellen.
Safety und Security waren früher getrennte Bereiche, aber in der heutigen vernetzten Welt sind sie eng miteinander verknüpft. Security kann die Safety direkt beeinflussen. Daher ist es unerlässlich, sie immer gemeinsam zu betrachten, um sowohl die physische Sicherheit als auch den Schutz vor Cyberbedrohungen zu gewährleisten.