Autor: Lutz Frommberger

Sogenannte chaotische Lagerhaltungssysteme gewinnen in der wirtschaftlichen Anwendung zunehmend an Bedeutung. Aufgrund ihrer hohen Dynamik und der damit verbundenen Unsicherheit über ihre Bestandsführung stellen sie hohe Anforderungen an logistische Prozesse. Das im Folgenden vorgestellte Projekt führt Methoden zusammen, um sich diesen Anforderungen durch den Einsatz eines autonomen Inventurroboters stellen zu können. Dabei kommen Ansätze der kognitiv inspirierten Künstlichen Intelligenz zum Tragen, die es dem Roboter ermöglichen, in unbekannten Umgebungen zielstrebig zu handeln. Trotz stetiger Veränderung der Umgebung wird der Roboter in die Lage versetzt, robuste Informationen über den Ist-Zustand von z.B. Lagerbereichen, ihrer räumlichen Lage und der dort gelagerten Waren zu erfassen. Die erfasste Information ist von Natur aus grob, dient aber dennoch als wertvolle Grundlage für die Analyse und Optimierung intralogistischer Prozesse.

Regeln spielen im täglichen Zusammenleben von Menschen eine wichtige Rolle. Zum Beispiel muss sich jeder Verkehrsteilnehmer an Verkehrsegeln halten, um Unfälle zu vermeiden und einen reibungslosen Verkehrsfluss zu gewährleisten. Die Teilnehmer in diesen Situationen werden im Kontext der künstlichen Intelligenz Agenten genannt. Künstliche Agenten, die sich in einem menschlichen Umfeld selbständig bewegen, müssen diese Regeln kennen und entsprechend handeln können. Solche Regeln sind im Allgemeinen in natürlicher Sprache verfasst und enthalten daher qualitative Begriffe wie „links von“ oder „rechts abbiegen“. Diese Begriffe lassen sich nur unzureichend mit metrischen Verfahren zur Steuerung der Agenten umsetzen. Im Folgenden beschreiben wir einen so genannten qualitativen Ansatz zur Formalisierung von räumlichen Aspekten natürlich-sprachlicher Vorschriften. Mit dem von uns entwickelten SailAway-Demonstrator [1] zeigen wir am Beispiel von Schifffahrtsregeln, wie diese ...