Der Kognitive Loop

Liest man den Begriff „Technik“ mit einer altsprachlichen Brille, dann wird das erkennbar, weshalb das altgriechische „téchne“ bis heute in der Kunst, Philosophie und Wissenschaft von Bedeutung ist. Vor diesem Hintergrund wird auch klar, warum Verfahrens- und Prozesstechnik als Kunst der
Stoffumwandlung verstanden werden kann [1-3]. Während man Verfahrenstechnik mehr mit physikalischen Grundoperationen assoziiert, verbindet man Prozesstechnik stärker mit der Mess- und Regelungstechnik.

Beide Aspekte sind jedoch in der Prozessindustrie eng verknüpft, sodass die Begriffe häufig auch synonym verwendet werden. Denn moderne Produktionsverfahren/-prozesse sind nicht nur mit Sensoren ausgerüstet, sondern mit „Fühlern“ geradezu übersät, weil Sensorik durch die rasante Halbleiterentwicklung preiswerter, kleiner, verfügbarer und intelligenter geworden ist; alles zusammen eine wesentliche Randbedingung für „Digitalisierung“ bzw. „digitale Transformation“ oder „die vierte Medienepoche“ [4, 5].

Der Betriebsloop – Sensor-Aktor basierte Operationen

Die Unterscheidung Sensor/Aktor ist die Grundlage der Mess- u. Regelungstechnik.

Die Unterscheidungen System/Umwelt und Beobachtung/Operation sind Grundlage von Luhmanns allgemeiner Theorie Sozialer Systeme nach [6]. Vermutlich werden Ingenieure, Manager, Biologen und Soziologen folgende Ansichten weitestgehend teilen: Operationen in Systemen werden über Sensoren und Aktoren gesteuert, egal ob das System eine Produktion, ein Organismus oder eine Organisation ist. Im Fall technischer Systeme reden wir von Kybernetik, im Fall sozialer Systeme von „Kybernetik 2. Ordnung“ [7]. Sensoren und Aktoren bilden die Schnittstelle zwischen System und Umwelt (vgl. „Interface“; „interaktive Oberflächen“).

Besonders in der Theorie Sozialer Systeme nach Luhmann, nach der ein soziales System nur aus seinen kommunikativen Ereignissen besteht bzw. daraus erzeugt wird, spielen die Begrifflichkeiten „Selbstreferenz“ und „operationale Schließung“ eine bedeutsame Rolle. Sie sind Grundlage dessen, was in Anlehnung an die Biologie unter Bezugnahme auf Maturana „Autopoiese“ genannt wird [6-9].

Merkmal für diesen Prozess der Selbsterschaffung bzw. der permanenten Selbsterhaltung ist die operationale Geschlossenheit eines Systems; gleichzeitig müssen Systeme für ihren Selbsterhalt selektiv offen sein. So ist etwa das Herzkreislaufsystem operational geschlossen, solange wir nicht verletzt sind, so wie unser Nervensystem auch, dennoch können/müssen beide mit ihrer Umwelt wechselwirken. Ähnlich lassen sich Mikrocontroller oder Microcontrollersysteme sehen, es sind die hoch „integrierten Schaltkreise“ (IC = „Integrated Circuits“), die operational geschlossen und via „Interfaces“ wechselwirkungsoffen sind.

Das Zusammenspiel von Sensor(en), Aktor(en) und Operation(en) stellt den Betrieb bzw. die Existenz eines Systems gegenüber seiner Umwelt sicher, mit der es kontinuierlich, aber selektiv im Austausch steht. Anders gesagt, der in Bild 1 dargestellt Betriebsloop dient der Aufrechterhaltung der Systemstabilität unter wechselnden Anforderungen seitens einer Umwelt. Ferner sind Sensoren, Aktoren und Operationen an ein Substrat (=Medium) gebunden. Das gilt auch für die Umwelt, jedoch ist zwischen System und Umwelt ein Substrat- oder Medienbruch zu beobachten; dieser Substrat-/Medienbruch markiert geradezu den Übergang System-Umwelt für einen Beobachter.

Zur Evolution der Interaktion – Sprache und Intelligenz

Am Anfang der „Maschinisierung“ steht der Gebrauch von einfachem Werkzeug wie Keil, Hammer, Nadel. Einfaches Werkzeug deshalb, weil die zum Gebrauch erforderliche Sensorik von Menschhand geliefert wird: Sie führt das Werkzeug und die Ergebnisprüfung erfolgt via Hände/Augen/Nase/Zunge (z. B. Finger zur Temperaturmessung, das Ablecken der Finger zur pH-Messung u. a. m.). Aus der Perspektive des Werkzeugs beschrieben, könnte man sagen: In den Anfängen der Maschinisierung war der Mensch der Sensor, „der verlängerte Arm“ seiner neu entwickelten Werkzeuge und Apparate (z. B. Ackerbau, Herd, Schusswaffen).

Das Beschreiben von Phänomenen und Zusammenhängen ist eine abstrakte Tätigkeit, jedoch evolutionär äußerst hilf- bzw. erfolgreich, wie am Menschen sichtbar. Das Beschreiben selbst via (Laute, Worte, Schrift, Metaphorik, Abstraktion) ist mit dem verknüpft, was wir „Intelligenz“ nennen. Diese Varianten Beschreiben-Können von sind ein wesentliches Merkmal unserer Lernfähigkeit und damit unseres Anpassungsvermögens.

Und dieses Beschreiben-Können, dieses „höhere Syntheseniveau“ [10], liegt jenseits von konkreter Handlung (= Operation). Es liegt auf einer anderen Seite des sensorischen Interfaces, sozusagen allem Bisherigen, denn es ermöglicht sogar das Gegenteil: Die Unterbrechung des Betriebsloops ; was quasi eine Voraussetzung für Intelligenz darstellt und Lernen erst möglich macht (Bild 2).

Erst der „Interrupt“ schafft die Möglichkeit, Daten anders zu verarbeiten als bisher. Es braucht den Interrupt um bislang Automatisiertes zu unterbrechen. Und dadurch beginnen sich die von lebenden Systemen bis dato entwickelten und auf Biochemie und Biophysik basierenden Verfahren, die aus Daten Information machen, zu ändern: Das lebende System Homo Sapiens wird so nach und nach anders informiert bzw. neu informiert – nämlich der Neokortex bildet sich aus. Um diese Entwicklung zu markieren, führen wie hier den Begriff der Bio-Informatisierung ein.

Menschliche Intelligenz – der Kognitive Loop der Bio-Informatisierung

Solange wir nur von Re-Aktion reden, d. h. ein festes Schema für Reiz-Handlung bzw. Sensor-Aktor vorliegt, reden wir nicht von Intelligenz. Erst wenn wir diesen strengen Ablauf, der sich über „Generationen“ bewährt hat, unterbrechen und damit über das Wie der Fortsetzung entscheiden können, beginnt intelligentes Verhalten. Unterbrechung eines Reiz-Handlung- bzw. Sensor-Aktor-Schemas ist die Voraussetzung für Lernen und Adaptieren-Können.

Und durch das Abstraktionsvermögen unseres neuronalen Netzwerks, genannt Gehirn, bzw. durch das hieraus resultierende Modell-bilden-Können wird Lernen und Anpassung erheblich schneller und effizienter; dieser Kognitive Loop ist ein Überlebensvorteil in der Evolution. Die Unterbrechung entspricht einer Distanzierung von der operativen Ebene und kommt quasi einer Absetzung davon gleich, weshalb Intelligenz in Bild 2 auch oberhalb des Interfaces und getrennt von der Operation dargestellt ist.

Lernfähigkeit und Theoriefähigkeit sind an einer anderen Stelle verortet als Operation und Funktion, aber beide sind diesseits des Interfaces zur Umwelt. Die Fähigkeit zur Abstraktion ist notwendig, um aus praktischen Sachverhalten eine Vorstellung, eine Theorie, Modell oder ein Regelkonzept zu machen. Ein Lernendes System kann absehen, was ihm widerfahren könnte, anstatt wieder das Gleiche zu erfahren.

Modell, Vorstellung, Regelkonzepte und Echtzeit-Regelung

Um einen Ablauf zu regeln, brauchen wir eine Vorstellung (= virtueller Raum; „Figur der Verdopplung“ bei Nassehi [5]) davon, was sich ereignen wird bzw. ereignen könnte. Eine Vorstellung alleine ist schon gut, besser ist jedoch eine sich aktualisierende Vorstellung des Ablaufs. Die Vorstellung eines Ablaufs nennt man Modell und die Aktualisierung wird durch Rückkopplung („closed loops“) die geleistet, wodurch das Modell dynamisch wird.

Ist diese Schließung gegeben, spricht das Ingenieurwesen nicht mehr von Steuerung, sondern von einem Regelkreis bzw. von Regeleung. Je schneller und je häufiger aktualisiert wird – ein zeitaufwändiger, also rechenintensiver Schritt – desto dynamischer und damit „echter“ ist die Übereinstimmung von realer Situation und virtueller Situation (Vorstellung/Modell). Im idealen Fall agiert ein intelligentes System in , Echtzeit d. h. es entscheidet sich situativ und prädiktiv für einen neuen Richtwert (aus vielen möglichen anderen).

Eine solche sogenannte Echtzeit-Regelung wird z. B. angestrebt bei Produktionsanlagen oder beim autonomen Fahren. Die natürliche Evolution hat sie bei uns Lebewesen vor Zeiten auf bio-chemisch-physikalische Weise realisiert. Wir können z. B. in vielen Situationen wählen, ob wir wegschauen oder uns stellen, ob wir fliehen oder für uns eintreten.

„Wetware“ und der „Kognitive Loop“ im Unternehmen

Der Lernprozess in Unternehmen ist ein großes und zugleich altes Thema, weil eine Unternehmung gefordert ist, bei variablen Märkten ständig aktuell zu sein. Wie Unternehmen (= Organisation, = System) lernen, wird besonders anschaulich, wenn man im Luhmannschen Bild bleibt und die Menschen in der Umwelt der Organisation konzeptioniert. Wie in Bild 3 dargestellt, wird dann erstens deutlich, dass die Lernschleife einer Organisation (= System) über ihre Mitarbeiter geschlossen wird, und zweitens wird der Substrat-/Medienbruch zwischen dem System Organisation und seiner Umwelt Mitglieder offensichtlich.

Reduzieren wir „Organisatorisches“ schlicht auf Hard- und Software (im weitesten Sinn auch gedacht als Medium für kommunikative Ereignisse), dann wird nicht nur verständlich, weshalb Soziologen den Menschen als „Wetware“ bezeichnen, sondern es erscheint geradezu als konsequent [11]. Der Begriff „Hardware“ bezeichnet das und dient als formfestes Substrat für die implementierte „Software“, das noch formbare Material, den informatisierenden Code (vgl. Informatik). Zwar baut sich der Mensch zweifellos ebenfalls aus harten und weichen Bestandteilen auf, jedoch ist der markanteste und in diesem Fall entscheidende Unterschied der, dass wir (abhängig vom Alter) zu rund 80 % aus Wasser bestehen. Wasser ist weder Substrat für Hardware noch für Software, aber essenzielles Substrat für Menschen, deshalb das Label Wetware.

Intelligente Gegenspieler, genannt „KI“

Die rasante Leistungssteigerung von Rechnern und Datenspeichermedien – gemessen in der Zahl der Schaltzyklen auf einem Rechenchip und darstellbar in Form des Moorschen Gesetzes – bringt durch die Miniaturisierung einerseits und den Preisverfall andererseits Neues auf die Agenda [12]. Nämlich „Maschinen“, die keine Maschinen im herkömmlichen Sinn mehr sind, weil sie intelligente Merkmale und Fähigkeiten aufweisen, die uns Menschen auszeichnen: Sie können ähnlich wie wir beobachten, verändern, kontrollieren – daher die disruptive Wirkung auf uns, auf Unternehmen [13] und auf Gesellschaft [4, 5].

Und nicht nur das, sie können auch erfahrungsbasiert lernen. Hierfür steht der Begriff „Deep Learning“, der für eine aus verschiedenen Schichten aufgebaute Softwarearchitektur steht, die auf die „Theorie der neuronalen Netze“ zurückgeht [14]. Mit diesem Ansatz gelingt es inzwischen mehr und mehr, die Lernfähigkeit unseres Gehirns mit Mitteln der Informatik nachzubilden (z. B. [15]).

Mit anderen Worten: Dieses moderne, überaus komplexe und überaus schnelle Zusammen von Hard- u. Software-Komponenten entwickelt sich zu einem echten Gegendes Menschen. Diese Situation versucht Bild 4 zu illustrieren. Auf dem Spielfeld Produktion & Organisation stehen sich zwei Spieler auf Augenhöhe im Hinblick auf Management des Spiels Produktion & Organisation gegenüber.

Künstliche Intelligenz – der Kognitive Loop der Silizium-Informatisierung

Produktionsprozesse und Hard- & Sofware-Komponenten haben vielleicht nicht das gleiche, aber doch ein sehr ähnliches Substrat/Medium. Jedenfalls basieren sie nicht auf Wasser, d. h. Wetware ist ausgeschlossen. Bild 5 soll verdeutlichen, wie sich die moderne Halbleitertechnik nicht nur den operativen Bereich und die Schnittstellen erobert, sondern eben auch den Bereich des Lernens. Kurz gesagt, die Künstliche Intelligenz dehnt sich auf dem gesamten Spielfeld Produktion & Organisation aus, weil sie in der Lage ist, den Betriebsloop (effizienter als wir) zu okkupieren.

Noch härter formuliert von Nassehi, wenn er schreibt, dass elektrische Zustände die Dynamik der Geschlossenheit radikalisieren würden [5]. Denn ein evolutionärer Vorteil dieses intelligenten Gegenspielers ist es, ohne Substratbruch agieren zu können. Zusätzlich (und auch dadurch) ist er sehr viel schneller, wenn es darum geht, komplexe Lagen zu erfassen und zu prozessieren, d. h. er agiert gleichzeitig(!) großräumiger als wir Menschen. Und die letzte Aussage gilt auch für den Lernprozess: Jedes mobile oder stationäre Endgerät – überall auf der Welt – kann als Sensor, als „Fühler“, als Schnittstelle für einen auf Silizium basierten Kognitiven Loop dienen; die Silizium-Informatisierung ist bereits angelaufen.

Bild 5 bietet auch an, wie man begrifflich dem Trend entgegentreten kann, dass „Digitalisierung“ zu einem Buzzword verkommt. Im Grunde geht es um Digitaltechnik (vgl. techné), die sich der Komponenten Automatisierung und Si-Informatisierung bedient.

Konkurrenz oder Ko-Operation

Die Metapher des Spielfelds legt den Konkurrenzgedanken nahe und tatsächlich ist es auch nicht neu, dass Technisierung von Menschen so empfunden wird. Die Perspektive Verdrängungswettbewerb erzeugt die disruptive Wirkung. Der von dem Soziologen Armin Nassehi formulierte, lösungsorientierte Blickwinkel ist hier hilfreicher. Nassehi fragt sich, für welches Problem die Digitalisierung eine Lösung darstellt [5]. Schließlich ist es offensichtlich, dass die Möglichkeiten der digitalen Technik vielen Menschen den Alltag „leichter“ machen. Denn uns wird Arbeit, Ballast, Komplexitätsbewältigung und Stress abgenommen; so lässt sich ein globaler Nutzungsgrad von fast 50 % einer neuen Technologie wie Smartphone seit seiner Einführung 2007 einfach und schlüssig erklären [16, 17].

Und Smartphones sind nur ein Sinneskanal dessen, was sich dahinter als Künstliche Intelligenz entwickelt. Es gibt bereits zahlreiche Bereiche, wo wir nicht mehr konkurrieren, sondern freiwillig mit intelligenten Algorithmen ko-operieren: Navigation, Börse, Recherche, Einkauf, Diagnostik u. a. m. Offenbar kann die Künstliche Intelligenz sehr viel besser (im Sinne von unangestrengter) mit Komplexität umgehen als wir Menschen.

Auf jeden Fall sind wir gut beraten, in der KI nicht nur Konkurrenz, sondern auch die Potenz zu einem höheren Gemeinnutzen zu sehen. Denn ob es nun der Rohstoffverbrauch, der Klimawandel oder die Gesellschaftsform ist, wir Menschen sind herausgefordert unser individuelles und kollektives Verhalten zu überdenken. Und mit Überraschungen sollten wir in jeder Hinsicht rechnen. So könnte es nach Nassehi [5] in einem zweiten Zeitalter der Maschinen [18] durch die Digitaltechnik und die KI sogar zu einer unerwarteten Ironie kommen, nämlich der reflexiven Aufwertung nicht-künstlicher Intelligenz – d. h. Mensch kann weiter Hoffnung pflegen.

Das könnte Sie auch interessieren

Serious Games als Trainingsinstrument Spielmechanische Gestaltung zur Förderung Resilienz Annika Lange , Thomas Knothe

Unvorhergesehene Ereignisse fordern produzierende Unternehmen zunehmend heraus. Resilienz zur Bewältigung von Krisen wird dabei zur Schlüsselkompetenz. Durch Serious Games (SG) kann Resilienz Aufbau transparenter werden. Der folgende Beitrag leitet spezifische Anforderungen an SG aus den einzelnen Resilienzphasen ab und zeigt, wie diese spielmechanisch umgesetzt werden können, um so Resilienz effektiv zu trainieren.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 2 | Seite 98-104

Lernfabriken für die Zukunft der Fertigung in Brasilien Förderung der Industrie durch Technologie und Kompetenzentwicklung

Fertigungsunternehmen in Entwicklungsländern stehen vor der Herausforderung, Produktivitätslücken zu schließen und gleichzeitig Industrie-4.0-Technologien einzuführen. Lernfabriken sind ein hilfreicher Ansatz, um diesen Herausforderungen zu begegnen. Ein Beispiel hierfür ist die Lernfabrik „Fábrica do Futuro“ in São Paulo, Brasilien, die Studierende einbindet, die Kompetenzentwicklung fördert und mit der Industrie in der angewandten Forschung zusammenarbeitet.

Serious Gaming und die Energiewende Kollaborativ Wissen erzeugen und interaktiv komplexe Zusammenhänge begreifen Janine Gondolf , Gert Mehlmann, Jörn Hartung, Bernd Schweinshaut, Anne Bauer

Die Vermittlung der Komplexität und Vielschichtigkeit der Energiewende an ein breites Publikum ist eine Herausforderung. Dieser Beitrag zeigt auf, wie interaktive Serious Games auf einem Multitouch-Tisch dazu beitragen können, Zusammenhänge erfahrbar und begreifbar zu machen. Spiele und Tisch wurden in verschiedenen Gesprächskontexten eingesetzt. Diese werden hier in drei Fallvignetten dargestellt, die auf teilnehmender Beobachtung der unterschiedlichen Einsätze, situierter und gemeinsamer Reflexion basieren. Die Vignetten zeigen, wie Interaktion epistemische Prozesse anstoßen, Perspektivwechsel ermöglichen und kollektives Denken fördern kann, das für gesamtgesellschaftliche Zukunftsgestaltung notwendig ist.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 2 | Seite 62-69 | DOI 10.30844/I4SD.26.2.62

Digitale Zwillinge in Produktion und Logistik erleben Die fischertechnik® Lernfabrik 4.0 als Entwicklungsplattform für mögliche Ausbaustufen Deike Gliem , Sigrid Wenzel , Jan Schickram, Tareq Albeesh

Die fischertechnik® Lernfabrik 4.0 hat sich als geeignete Experimentierumgebung zur Erprobung Digitaler Zwillinge erwiesen. Abhängig vom angestrebten Reifegrad reichen die Funktionen eines Digitalen Zwillings von der reinen Zustandsüberwachung über Prognosen bis hin zur operativen Steuerung von Produktions- und Logistiksystemen. Zur systematischen Einordnung dieser Funktionen wird in diesem Beitrag ein Reifegradmodell vorgestellt, das als Orientierungsrahmen für den Aufbau eines Digitalen Zwillings dient. Darauf aufbauend werden ausgewählte Anwendungsfälle in einer Test- und Entwicklungsumgebung umgesetzt, die auf einer Systemarchitektur mit mehrstufiger Schichtlogik basiert. Anhand erster Umsetzungen werden Einsatzzwecke, relevante Methoden sowie typische Herausforderungen und Potenziale für den Transfer in reale Fabrikumgebungen aufgezeigt.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 2 | Seite 30-37 | DOI 10.30844/I4SD.26.2.30

Im Braunfeld zur Industrie 4.0 Lernfabriken als Schulungs- und Testumgebung für die digitale Transformation Jakob Weber, Sven Völker

Die digitale Transformation produzierender Unternehmen erfordert Ingenieure mit der Fähigkeit, den Übergang zur Industrie 4.0 praktisch zu gestalten. Dieser Beitrag stellt das Konzept einer Lernfabrik vor, die selbst einer kontinuierlichen digitalen Transformation unterliegt und damit eine Umgebung für die Entwicklung von Transformationskompetenzen schafft. Das Konzept für die digitale Transformation basiert auf digitalen Werker-Assistenzsystemen und Multiagentensystemen zur Produktionssteuerung. Sie ermöglichen eine schrittweise Integration vorhandener Ressourcen. Die Lernfabrik wird den Studierenden nicht als fertige Lösung präsentiert, sondern im Rahmen von studentischen Projekten kontinuierlich weiterentwickelt. Damit adressiert sie direkt den Mangel an qualifiziertem Personal für die Realisierung der Industrie 4.0.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 2 | Seite 88-96

Kollegin KI? Kompetenzanforderungen und -vermittlung bei KI-Nutzung in der Industrie Swetlana Franken

Künstliche Intelligenz verändert Aufgaben, Rollen und Kompetenzen in (Industrie‑)Unternehmen grundlegend. Sie agiert zunehmend als Kollegin, die Entscheidungen vorbereitet, Prozesse unterstützt und mit Menschen interagiert. Der Beitrag beleuchtet zentrale Kompetenzanforderungen für die KI-Nutzung in der Industrie, stellt ein integriertes Kompetenzmodell vor und zeigt praxisnahe Strategien zur Kompetenzvermittlung auf. Ziel ist es, Unternehmen und Beschäftigte auf eine menschengerechte, kompetenzorientierte Implementierung von KI vorzubereiten, die technologische Effizienz mit menschlicher Kreativität und Urteilskraft verbindet.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 2 | Seite 78-86