Die Hochschule Düsseldorf unterstützt ihre Forscher*innen bereits seit vielen Jahren neben einer intensiven Beratung zum Zugang zu nationalen wie internationalen Förderprogrammen darüber hinaus auch mit internen Fördermitteln – der Hochschulinternen Forschungsförderung (HiFF). Diese stellt Mittel bereit, um interne Forschungsprojekte über einen Zeitraum von bis zu anderthalb Jahren zu fördern. Für den Förderzeitraum 2024/2025 wurden sechs innovative Projekte aus verschiedenen Fachbereichen ausgewählt (siehe auch
hier), die wir in unregelmäßigen Abständen in den kommenden Wochen vorstellen.
Prof. Dr.-Ing. Dorothea Schwung berichtet über das Projekt „Game theoretical AI MEthods for ROS – GAIME for ROS“.
Können Sie uns kurz erklären, worum es in Ihrem Projekt genau geht?Das Projekt mit dem Titel „Game theoretical AI MEthods for ROS – GAIME for ROS” vereint spieltheoretische Konzepte mit Multi-Agenten-Reinforcement Learning (MARL). Dabei werden die einzelnen Roboter eines Systems als autonome, rational handelnde Akteure betrachtet, die gemeinsam eine kooperative Aufgabe lösen sollen. Ein besonderes Ziel des Projekts ist es, das Training der Roboter direkt auf diesem selbst durchzuführen, was den Fokus auf die Verbesserung der Energieeffizienz und Ressourcennutzung in der Robotik legt.
Wie ist Ihre Herangehensweise an die verschiedenen Arbeitspakete?
Die Arbeitspakete sind in drei Teilbereiche gegliedert:
1. Hardware, Netzwerkkommunikation und Energiebilanz
2. Lernalgorithmen und Parallelisierungsstrategien
3. Kopplung durch Spieltheorie und Analyse erklärbaren Verhaltens
Jeder Teilbereich wird von je einer Person bearbeitet und in Form von Abschlussarbeiten zusammengefasst, analysiert und diskutiert. Die einzelnen Personen bekommen somit ihren eigenen Verantwortungsbereich, in dem sie sich spezialisieren. Die entstehenden Software-Module werden über vordefinierte Schnittstellen miteinander verbunden, wodurch sie sich zu einem Gesamtsystem integrieren.
Was war der Ausschlag für gerade dieses konkrete Forschungs- / Interessensgebiet?
In der industriellen Praxis finden sich zunehmend Anwendungen von Künstlicher Intelligenz (KI) in Produktions- und Energiesystemen, wobei überwiegend auf überwachtes und unüberwachtes Lernen gesetzt wird. Im Gegensatz dazu gibt es kaum Implementierungen, bei denen Systeme selbstlernend agieren, etwa durch Reinforcement Learning. Die wenigen existierenden Anwendungen beschränken sich meist auf kleinskalige Funktionen, die nur auf einzelne Feldgeräte ausgerichtet sind, ohne vernetzt zu lernen. Die praktische Umsetzung von Spieltheorie oder hybrider KI in größeren Systemen ist bislang weitgehend unerforscht.
In welchen Bereichen hätte das Ergebnis besonderen praktischen Nutzen?
Besonderes Potenzial besteht in der Logistik und der modularen Produktion im Rahmen der Industrie 5.0, wo die kooperative Zusammenarbeit zwischen Menschen und Maschinen immer wichtiger wird. Dies erfordert neue Systeme, die sich eigenständig koordinieren und gemeinsam lernen können, etwa bei Automated Guided Vehicles (AGVs), die Produktionsgüter transportieren. Durch eine verteilte Integration dieser Technologien direkt in Cyber-Physische Systemen (CPS) können Produktionsprozesse effizienter und nachhaltiger gestaltet werden, ohne dass leistungsstarke Rechencluster erforderlich sind.
Gibt es Anknüpfungspunkte an benachbarte Forschungs- oder Entwicklungsfelder?
Mittelfristig ist geplant, ein umfangreiches Forschungsprojekt zu starten, das auf den Erkenntnissen dieses Projekts aufbaut und drei Promotionen umfassen soll. Der entwickelte Prototyp dient dabei als anschauliches Beispiel für das theoretische Konzept und kann Kooperationen mit Industriepartnern und Forschungseinrichtungen fördern. Diese Zusammenarbeit soll dazu beitragen, zusätzliche Drittmittel für das Projekt zu akquirieren und die Anwendungsorientierung der Forschung zu stärken, um die entwickelten Technologien in die Praxis zu überführen.
