AI-RAN: Das Gehirn im Rucksack

Stellen Sie sich vor, Sie tragen Ihr Gehirn in einem Rucksack. Je klüger Sie werden, desto schwerer wird er. Irgendwann müssen Sie sich zwischen Denken und Bewegen entscheiden.  

Vor diesem Dilemma stehen heute Roboter, allen voran Humanoide. Die KI-Modelle, die ihnen helfen, Aufgaben zu verstehen, Bewegungen zu planen und sich an ihre Umgebung anzupassen, benötigen enorm viel Rechenleistung. An Bord bedeutet diese Leistung zusätzliches Gewicht, entlädt den Akku und erzeugt Wärme. Jedes Watt, das fürs Denken aufgewendet wird, fehlt beim Bewegen, Heben und Greifen. 

Der Ausweg: Ein Teil des Gehirns bleibt zurück. Das ist die Idee hinter der verteilten Inferenz (Distributed Inference). Die Reflexe bleiben auf dem Roboter. Sicherheitsfunktionen und Bewegungssteuerung reagieren sofort, ohne auf das Netzwerk zu warten. Das rechenintensive Denken, etwa das Planen und Vorhersagen von Bewegungen, wandert auf leistungsstarke Grafikprozessoren (GPUs) in der Nähe. Das Training der Modelle findet weiterhin in großen KI-Fabriken statt.  

Damit das funktioniert, müssen die GPUs nah genug sein, um schnell zu antworten, und überall verfügbar sein, wo Roboter im Einsatz sind. Hier kommt AI-RAN ins Spiel.

Das Radio Access Network (RAN), also das Funkzugangsnetz, ist der Teil eines Mobilfunknetzes, der Geräte mit dem Netz verbindet. Es besteht aus Antennen, Basisstationen und den Rechnern, die die Funksignale verarbeiten.  

Dies funktioniert über eine verteilte KI-Infrastruktur, die Rechenkapazität näher an Nutzer und Geräte bringt, indem sie am Rand des Telekommunikationsnetzes integriert wird, an Standorten zwischen dem zentralen Rechenzentrum und dem RAN, etwa an Aggregations- oder Core-Standorten.  

Dadurch können KI-Workloads von Drittanbietern ihre Inferenz näher an dem Ort ausführen, an dem Daten entstehen und genutzt werden, und sind weniger auf zentrale Rechenzentren angewiesen. Das Ergebnis ist ein einziges Netz, das Konnektivität und KI-Rechenleistung bietet, verteilt auf viele Standorte und deutlich näher an den Robotern als ein zentrales Rechenzentrum. Der Rucksack wird leichter, und der Roboter hat dennoch Zugriff auf die gesamte Denkleistung.

Gemeinsam mit der Deutschen Telekom, Nokia und NVIDIA haben wir diesen Ansatz in einem Proof of Concept im Labor getestet. Die Deutsche Telekom betreibt am Edge ihres Netzes NVIDIA AI Aerial mit NVIDIA RTX PRO 6000 Blackwell Server Edition GPUs. Unser zweiarmiger Franka-Research-3-Aufbau greift auf diesen Computer zurück, um einzelne Aufgaben bei der Servermontage auszuführen.  

Die Partner haben bestätigt, dass sich eine KI-Workload von Agile Robots zwischen der Industrial AI Cloud und dem Netzwerkrand des Telekommunikationsnetzes orchestrieren lässt. Die Inferenz am Netzwerkrand unterstützt die Bewegungsplanung und -vorhersage des Roboters.  

Dies ist ein früher Schritt in einer Laborumgebung, aber er zeigt, dass die Architektur funktionieren kann.

Von hier aus blicken wir in zwei Richtungen.  

Stationäre Industrieroboter könnten verteilte Rechenleistung nutzen, um größere KI-Modelle auszuführen, als eine einzelne Roboterzelle bewältigen kann. Updates könnten eine ganze Flotte gleichzeitig erreichen, und die Hardware jedes Roboters könnte schlanker werden.  

Für mobile Roboter wie Humanoide hat der Rucksack noch deutlichere Konsequenzen. In der Fabrikhalle und darüber hinaus könnten sie leichter bleiben und länger laufen, während sie auf Intelligenz aus dem Netz zugreifen. Wir arbeiten an Fähigkeiten, die von Edge-Rechenleistung profitieren würden. Roboter könnten das Gelernte flottenweit teilen.  

Sie könnten eine Aufgabe Schritt für Schritt durchdenken, bevor sie handeln. Mit World Action Models könnten sie ihre nächsten Bewegungen sogar „durchträumen“, bevor sie sie ausführen, und mögliche Kollisionen früher erkennen. Heute sind dies Forschungsrichtungen aber AI-RAN könnte helfen, sie Wirklichkeit werden zu lassen. 

Das Gehirn muss nicht mehr in den Rucksack passen, und das könnte verändern, wie Roboter gebaut werden.  

Bisher war die Intelligenz mobiler Roboter durch die Rechenleistung begrenzt, die ihnen an Bord zur Verfügung stand. Können mobile Roboter über das Netz auf zusätzliche Rechenleistung zugreifen, könnte diese Begrenzung entfallen. Hersteller könnten Roboter um die Aufgabe herum entwerfen statt um den Prozessor: leichter, mit längerer Akkulaufzeit und schlankerer Hardware, während ihre Fähigkeiten über das Netz weiter wachsen. Für Telekommunikationsanbieter wird das Mobilfunknetz zur Infrastruktur für physische KI.  

Gemeinsam mit der Deutschen Telekom, Nokia und NVIDIA verlagern wir das rechenintensive Denken ins Netz, damit Roboter klüger, aber nicht schwerer werden. 

Headerbild: Ein humanoider Roboter geht Seite an Seite mit einem Menschen. Dient ausschließlich der Veranschaulichung.