So, wie WMS-Systeme Intralogistik in Bewegung bringen, verbindet «Physical AI» Künstliche Intelligenz mit der physischen Welt per Sensorik, durch aktives Eingreifen via Robotik und Anlagensteuerung. «Querschläger» wirken hier nicht nur digital, sondern vervielfachen den Schaden in der realen Welt. Wer die Systeme nutzt, muss sichergehen.
Abb.: NTT Data / zVg
«Physical AI wird in den kommenden Jahren in immer mehr Bereichen Einzug halten, von autonomen Maschinen über Robotik bis hin zu intelligenten Infrastrukturen. Damit wächst auch die Verantwortung, diese Systeme von Anfang an robust und sicher zu gestalten», sagt Oliver Köth, Entwicklungs-Chef für den D-A-CH-Raum bei NTT Data, einem führenden Anbieter von KI-, digitalen Business- und Technologie-Dienstleistungen für Unternehmen. «Sicherheit kann bei Physical AI daher auch nicht erst nachträglich ergänzt werden, sondern muss integraler Bestandteil von Architektur, Training und Betrieb sein.»
Vulnerable Sensorik
Mit Physical AI, so Köth, müssen Unternehmen Sicherheit, Robustheit und Design ihrer Systeme neu denken. Während klassische Steuerungen wie speicherprogrammierte Steuerung (SPS) auf klaren, deterministischen Logiken basieren, operieren diese Anwendungen in offenen Problemräumen. Dabei interpretieren sie etwa unstrukturierte Sensordaten, leiten daraus kontextabhängige Entscheidungen ab und handeln in der physischen Welt. Gerade diese enge Verzahnung von Wahrnehmung, Entscheidungslogik und Aktion schaffe neue Angriffspunkte und erfordere erweiterte Sicherheitskonzepte. (...)
O.Koeth
Elektronische und optische Fühler bilden die Grundlage für die meisten Physical-AI-Anwendungen, für die Kameras, Kraft- oder Positionssensoren die notwendigen Daten liefern. Werden diese manipuliert oder durch äussere Einflüsse verändert, könne das System falsche Entscheidungen treffen. In industriellen Umgebungen haben dabei bereits scheinbar banale Faktoren wie ungewöhnliche Lichtverhältnisse, Staub oder elektromagnetische Störungen direkte Auswirkungen auf die Sensorik. Darüber hinaus bestehe auch das Risiko gezielter Manipulationen durch kriminelle Akteure.
Messwerte vergleichen
Um Risiken zu minimieren, können Unternehmen beispielsweise auf den Ansatz der Sensorfusion zurückgreifen. Dabei werden Daten mehrerer Sensoren miteinander abgeglichen. Vergleiche der Messwerte lassen inkonsistente oder auffällige Vorgänge automatisch erkennen. Ergänzend könne die Redundanz kritischer Sensoren, eine regelmässige Kalibrierung und die Überwachung von Anomalien in Echtzeit die Robustheit der Physical-AI-Systeme deutlich erhöhen.
O.Koeth/klk.
Der vollständige NTT-Data-Bericht hier
