Verkörperte künstliche Intelligenz (englisch embodied artificial intelligence) bezeichnet eine jüngere Strömung in der Forschungsdisziplin der künstlichen Intelligenz (KI). Der Theorie des Embodiment folgend wird angenommen, dass Intelligenz im Kontext physischer Agenten, die sich in einer realen physischen und sozialen Welt verhalten, begriffen werden muss. Design und Konstruktion von Robotern sollten von dieser Grundüberzeugung geleitet sein. Das Forschungsfeld der „verkörperten künstlichen Intelligenz“ zeichnet sich durch ein hohes Maß von Interdisziplinarität aus und beschäftigt Forscher aus den Bereichen der Ingenieurwissenschaften, Philosophie, Psychologie, Informatik, Biologie, Neurowissenschaft, Biomechanik, Materialwissenschaft und Linguistik.
Verkörperte künstliche Intelligenz wird von digitaler und physischer künstlicher Intelligenz unterschieden.
Digitale künstliche Intelligenz bezeichnet Systeme, die ausschließlich digitale Daten verarbeiten und daraus Ausgaben erzeugen. Dazu zählen beispielsweise Chatbots sowie Systeme zur Erzeugung von Texten, Bildern, Videos oder Musik.
Physische künstliche Intelligenz erfasst ihre Umgebung über Sensoren. In der industriellen Qualitätskontrolle kann sie beispielsweise Produkte prüfen und Fehler erkennen.
Verkörperte künstliche Intelligenz bezeichnet KI-Systeme, die als Bestandteil von Maschinen oder Anlagen mit ihrer physischen Umgebung interagieren. Sie verbinden Wahrnehmung, Weltmodellierung, Lernen und Handeln. Zu den Anwendungsbeispielen zählen humanoide Roboter, autonome Fahrzeuge, Maschinen und Drohnen.
In der frühen Forschung zur KI wurden Denkvorgänge als abstrakte Symbolmanipulation beziehungsweise Rechenoperationen konzeptualisiert. Im Zentrum standen folglich Algorithmen und Computerprogramme, wobei die zugrundeliegende Hardware als weitgehend irrelevant erachtet wurde. Der australische Informatiker und Kognitionswissenschaftler Rodney Brooks war einer der ersten, der diese Perspektive in Frage stellte. In seiner Vorlesung Intelligence without Reason kritisierte er 1999 die zu diesem Zeitpunkt gängige Praxis, sich bei der Entwicklung von KI-Systemen einem Top-down-Ansatz folgend auf die Emulation der menschlichen Fähigkeit zur Problemlösung und Schlussfolgerung zu konzentrieren. Seiner Auffassung nach wiesen im Rahmen der traditionellen KI-Forschung entwickelte Intelligenzmodelle, welche sich stark an der Funktionsweise der zum jeweiligen Zeitpunkt verfügbaren Computer orientierten, nahezu keinerlei Ähnlichkeit mit dem Modus Operandi intelligenter biologischer Systeme auf. Dies werde etwa aus dem Umstand deutlich, dass es sich bei dem Großteil der Aktivitäten, denen Menschen in ihrem Alltag nachgehen, weder um Problemlösung noch Planung handelt, sondern um Routineverhalten in einer relativ benignen, aber in hohem Maße dynamischen Umwelt. Als Alternative forderte er, man müsse sich Intelligenz über einen Bottom-up-Ansatz annähern, indem der Fokus auf Agenten gelegt werde, die über einen Körper verfügen und sich in einer realen Umgebung situationsabhängig verhalten.
Ab den 2000er Jahren fand die Sichtweise der verkörperten künstlichen Intelligenz sowohl in der Wissenschaft als auch in der öffentlichen Aufmerksamkeit zunehmend Beachtung: „Nicht mehr statische und softwaregesteuerte Roboterarme oder dialog-, strategie- oder an Expertenheuristiken orientierte wissensbasierte Systeme machen Schlagzeilen, sondern das insektenähnliche sechsbeinige Geschöpf namens Genghis, das sich in fremden Räumen bewegt, der Honda-Roboter, der Treppen steigen kann, oder Cog, der herumhüpft wie ein kleines Kind“ (Werner Rammert: Die Zukunft der künstlichen Intelligenz: verkörpert – verteilt – hybrid) Dies war nicht zuletzt der Tatsache geschuldet, dass Systeme, die basierend auf dem traditionellen KI-Paradigma entwickelt wurden, weit entfernt davon waren, sich der menschlichen generalisierten Intelligenz anzunähern. So übertrafen intelligente Systeme Menschen in Bezug auf eine Vielzahl oftmals hoch spezialisierter Tätigkeiten (vgl. beispielsweise Deep Blue und AlphaGo, die die menschlichen Weltmeister auf dem Gebiet des Schach- bzw. Go-Spielens besiegten). Zugleich sind sie jedoch nicht dazu in der Lage Aufgaben wie etwa den Gebrauch eines Fahrrads oder Stiftes zu bewältigen, die einem Kind mühelos gelingen. Die von Vertretern der verkörperten künstlichen Intelligenz entwickelten Agenten bilden einen Gegenpol zu den inselbegabten Systemen, welche aus dem traditionellen KI-Ansatz hervorgingen. Ihre Intelligenz soll aus der Interaktion von Software, Körper und Umwelt entstehen und so eine möglichst hohe Ähnlichkeit zur menschlichen Intelligenz aufweisen. Der Schweizer Informatiker und Robotik-Experte Rolf Pfeifer nimmt in diesem Kontext den Standpunkt ein, dass Intelligenz ausschließlich verkörperten Agenten, d. h. realen physischen Systemen, deren Verhalten in der Interaktion mit der Umwelt beobachtbar ist, zugeschrieben werden kann. Der amerikanische Unternehmer Jeff Hawkins, eine weitere prominente Figur auf dem Gebiet der verkörperten künstliche Intelligenz, meint hingegen, eine intelligente Maschine müsse nicht zwingend einen physischen Körper besitzen, sondern lediglich dazu in der Lage sein, das, was sie wahrnimmt, durch Bewegung zu verändern:
“For example, a virtual AI machine could “move” through the Web by following links and opening files. It could learn the structure of a virtual world through virtual movements, analogous to what we do when walking through a building.”
„Eine virtuelle KI könnte sich beispielsweise durch das Internet „bewegen“, indem sie Links folgt und Dateien öffnet. Sie könnte die Struktur einer virtuellen Welt durch virtuelle Bewegungen erlernen, analog zu dem, was wir tun, wenn wir durch ein Gebäude laufen.“
Die Embodiment-Hypothese, auch Hypothese der Verkörperung genannt, stammt aus der Kognitionswissenschaft. Ihr zufolge entsteht intelligentes Verhalten aus der Wechselwirkung von Körper, Wahrnehmung, Handlung und Umgebung.
Liu et al. beschreiben verkörperte KI-Systeme im ABC-Modell anhand dreier Komponenten: dem AI Brain (A) für kognitive und planerische Funktionen einschließlich eines maschinellen Weltmodells, dem Body (B) als physischer Verkörperung und multimodalen Sensoren (C) zur Erfassung der Umgebung.
Weltmodelle bilden räumliche Strukturen, kausale Zusammenhänge, zeitliche Abläufe und interne Systemzustände ab. Roboter und Maschinen können auf dieser Grundlage Handlungen simulieren, planen und ausführen. In simulierten latenten Umgebungen erlernte Handlungsstrategien lassen sich nach Ha und Schmidhuber auf reale Umgebungen übertragen.
Zu den untersuchten Ansätzen für verkörperte künstliche Intelligenz gehören:
Die zunehmende Integration verkörperter KI in Bereiche wie Dienstleistung, Handwerk, Pflege und Alltag erweitert deren Einsatzmöglichkeiten erheblich. Dies bietet Chancen zur Bewältigung gesellschaftlicher Herausforderungen wie Fachkräftemangel, demographischer Wandel und nachhaltige Kreislaufwirtschaft. Allerdings bestehen Herausforderungen hinsichtlich Sicherheit und Wirtschaftlichkeit. Interaktive Robotiksysteme müssen sicher in alltägliche und unstrukturierte Umgebungen integriert werden, was eine kontinuierliche Weiterentwicklung von Sicherheitskonzepten erfordert. Insbesondere in sensiblen Bereichen wie der Pflege oder sozialen Umgebungen müssen Risiken ausgeschlossen werden. Trotz sinkender Hardwarekosten bleiben Betriebskosten, Wartung und Sicherheitsmaßnahmen kritische Faktoren. Vereinfachte Interaktions- und Lernverfahren sind daher entscheidend, um Implementierungs- und Programmierkosten zu senken und Wirtschaftlichkeit zu sichern. Zudem ist eine breite gesellschaftliche Diskussion über ethische, rechtliche und soziale Rahmenbedingungen erforderlich, um Vertrauen und Transparenz in verkörperte KI-Systeme zu stärken und deren Akzeptanz zu gewährleisten.
Als Anwendungsfelder in der Produktion werden Aufgaben mit hoher Variantenvielfalt, wechselnden Einflussfaktoren oder häufigen Störungen untersucht. Solche Aufgaben erfordern sensomotorische und kognitive Fähigkeiten, die klassische Automatisierungstechnik vor Herausforderungen stellt. Das Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA beschreibt einen Demonstrator, in dem ein Forschungsteam Weltmodelle in ein Agenten-Framework eingebunden hat. Ein 3D-Drucker soll damit seine Fertigungsumgebung erfassen und Einstellungen während des Betriebs anpassen. Das Vorhaben bezieht auch vor- und nachgelagerte Prozesse des 3D-Drucks ein.
In ihrem Whitepaper „The Humanoid Hardware Value Chain“ kommen Autoren des Fraunhofer-Instituts für Produktionstechnik und Automatisierung IPA und der Unternehmensberatung P3 zu dem Schluss, dass humanoide Roboter für die europäische Fertigungsindustrie eine Chance darstellen. Denn trotz aller Fortschritte bei der künstlichen Intelligenz werde die Wirtschaftlichkeit, Zuverlässigkeit und Skalierbarkeit humanoider Systeme weitgehend von Hardwarekomponenten bestimmt. Es fehlten jedoch standardisierte Hardwarearchitekturen und Schlüsselkomponenten wie Aktoren, Getriebe, Batterien und Sensoren erfüllten die industriellen Anforderungen hinsichtlich Robustheit, Lebensdauer und Kostenstruktur nur teilweise. Diese Marktlücke decke sich weitgehend mit den Stärken europäischer Automobilzulieferer und Maschinenbauunternehmen.
Ein Bericht über den Automobilhersteller Nio nennt für den Einsatz verkörperter künstlicher Intelligenz eine Steigerung der Produktionseffizienz um 30 Prozent sowie Senkungen der Arbeitskosten um 25 Prozent und der Fehlerrate um 40 Prozent. SAP berichtet von einem Demonstrator aus der Robotik, der eine Reduktion ungeplanter Ausfallzeiten um bis zu 50 Prozent und eine Produktivitätssteigerung um bis zu 25 Prozent erzielt habe.