13. Nov. 2026
Wie Roboter ihre Fehlerursachen selbst finden & beheben
Autonome Systeme müssen in dynamischen Umgebungen mit Unsicherheiten und Fehlern umgehen können. Dabei ist nicht immer sofort ersichtlich, welche Fehlermeldung die eigentliche Ursache beschreibt und welche Meldungen lediglich daraus resultieren. Unsere Forschung beschäftigt sich deshalb mit der Frage, wie Roboter Fehler während des Betriebs selbstständig erkennen, deren Ursachen bestimmen und geeignete Gegenmaßnahmen auswählen können.
Auf der IEEE International Conference on Autonomic Computing and Self-Organizing Systems, kurz ACSOS, haben wir im September 2026 zwei Beiträge zu diesem Thema vorgestellt. Sie zeigen, wie regelbasierte Ansätze weiterentwickelt werden können, damit autonome Systeme auch bei mehreren gleichzeitig auftretenden oder bislang unbekannten Fehlern handlungsfähig bleiben.
01 — Problem
Wenn eine Ursache mehrere Warnungen auslöst
Ein fahrerloses Transportfahrzeug bleibt mitten in der Halle stehen. Auf dem Display erscheinen fünf Warnungen: Die Lokalisierung ist unsicher, die Hinderniserkennung ist gestört, die Pfadplanung wurde abgebrochen und weitere Funktionen melden Fehler. Der Service rückt aus und findet nach einer Stunde die Ursache: Die Kamera ist verschmutzt. Die anderen vier Meldungen waren lediglich Folgen dieses Problems.
Solche Fehlerketten sind in autonomen Systemen normal. Die Systeme fahren durch Lager, die sich ständig verändern, arbeiten neben Menschen und verlassen sich auf Sensordaten, die nie perfekt sind. Was dabei schiefgehen kann, lässt sich während des Entwurfs nur zum Teil vorhersehen. Das System muss deshalb im laufenden Betrieb selbst erkennen, dass etwas nicht stimmt, und darauf reagieren.
Mit genau diesem Problem haben wir uns auf der ACSOS beschäftigt, die vom 7. bis 11. September 2026 in Cesena stattfand. Wir waren dort mit zwei Beiträgen vertreten.
02 — Konferenz
Die ACSOS: Eine Konferenz, viele Domänen
Die IEEE International Conference on Autonomic Computing and Self-Organizing Systems, kurz ACSOS, ist keine reine Robotikkonferenz. Dort treffen sich Menschen, die Cloud-Infrastrukturen betreiben, Schiffe automatisieren, die Landwirtschaft optimieren, Sensornetze auslegen oder Schwärme von Robotern koordinieren. Ihre fachlichen Ausgangspunkte sind unterschiedlich: Regelungstechnik, künstliche Intelligenz, Software Engineering, verteilte Systeme und manchmal auch Biologie oder Soziologie.
Das thematische Spektrum war entsprechend breit. Es ging unter anderem um reaktive Robotik, Sprachmodelle in adaptiven Systemen, selbstorganisierende Systeme aus vielen Agenten, autonome Schiffe und smarte Fertigung.
Zwischen diesen Themen tauchte eine Frage immer wieder auf: Wie bleibt ein System sicher und nachvollziehbar, wenn während des Betriebs Unsicherheiten auftreten? Solche Situationen sind schwierig vorherzusagen, zu simulieren oder zu testen. Das System muss sich deshalb selbst überwachen, Abweichungen erkennen und bei Bedarf eingreifen.
An dieser Stelle setzt unsere Forschung an. Wir wollen erreichen, dass ein Roboter Fehler zur Laufzeit erkennt und behebt, ohne dass zunächst ein Mensch nach der Ursache suchen muss.
03 — Vision
Die Vision: Auch mit Unvorhergesehenem umgehen
Im Doctoral Symposium hat Andreas die Vision seiner Promotion vorgestellt: Extending Rule-Based Approaches Towards Unanticipated Failures for Self-Healing Robots.
Regelbasierte Systeme sind häufig der Standard, weil sie einfach zu verstehen und zu testen sind. Sie haben jedoch eine entscheidende Grenze: Sie können nur auf Situationen reagieren, an die die Entwicklerinnen und Entwickler zuvor gedacht haben. In dynamischen Umgebungen reicht das nicht aus.
Wir gehen deshalb in drei Schritten vor:
1. Bekannte Fehler beheben
Das System soll bekannte Fehler auch dann beheben können, wenn mehrere Fehler gleichzeitig auftreten und die eigentliche Ursache zunächst unklar ist.
2. Die Grenzen bestehender Regeln erkennen
Das System soll feststellen, wann die vorhandenen Regeln nicht mehr ausreichen, und mögliche Fehlerursachen identifizieren.
3. Gegenmaßnahmen für unbekannte Fehler evaluieren
Mögliche Gegenmaßnahmen sollen zunächst in einer Simulation bewertet werden. Ein Mensch gibt die Lösung anschließend frei, bevor das gewonnene Wissen in das System zurückfließt.
Wichtig ist uns, dass dabei jeder Schritt erklärbar bleibt. In einer Halle, in der Menschen und Roboter zusammenarbeiten, reicht es nicht aus, dass sich ein Roboter auf irgendeine Weise selbst repariert. Wer mit dem Roboter interagiert, muss nachvollziehen können, was dieser getan hat und wie die Entscheidung zustande gekommen ist.
04 — Paper
Der erste Baustein: Wer ist verantwortlich?
Neben der übergeordneten Vision haben wir auf der Konferenz auch einen konkreten Baustein unseres Ansatzes vorgestellt: unser Paper Who Is Responsible? Self-Adaptation Under Multiple Concurrent Failures With Unknown Faults in Complex Robotic Systems. Es setzt den ersten Schritt unserer Vision um und beschäftigt sich damit, wie ein autonomes System mit mehreren gleichzeitig auftretenden Fehlern umgehen kann, wenn deren Ursache zunächst unklar ist. Damit greift das Paper genau das eingangs beschriebene Problem des Transportfahrzeugs auf.
Bisherige Ansätze bearbeiten Fehler meist einzeln: Ein Fehler wird erkannt und die dazu passende Gegenmaßnahme ausgelöst. Bei verketteten Fehlern kann das dazu führen, dass viele Anpassungen am System vorgenommen werden. Diese bekämpfen möglicherweise nur die Folgen eines Fehlers, nicht aber dessen eigentliche Ursache.
In unserem Ansatz beschreiben Entwicklerinnen und Entwickler bekannte Fehler sowie mögliche Gegenmaßnahmen in einem Regelwerk. Zur Laufzeit erkennt das System selbst die Abhängigkeiten zwischen Systemkomponenten, was darauf schließen lässt und wie Fehler zusammenhängen.
Mithilfe dieser Abhängigkeiten, einer Einschätzung, welche Fehler zuerst behandelt werden sollten, und der Auswahl einer Gegenmaßnahme, die den laufenden Betrieb möglichst wenig beeinflusst, können mehrere Fehler gleichzeitig und kosteneffizient behoben werden. Dabei lernt das System im Laufe der Zeit, welche Gegenmaßnahmen am erfolgversprechendsten waren.
Wir haben den Ansatz mit einem Unterwasserroboter und in einem Drohnenszenario getestet. Treten mehrere Fehler gleichzeitig auf, identifiziert der Ansatz die zugrunde liegenden Ursachen und verzichtet auf unnötige Eingriffe.
Paper: arXiv
05 — Transfer
Was das mit Maschinen und Anlagen zu tun hat
Die zugrunde liegende Struktur findet sich auch bei Maschinen und Anlagen: Sensorik, Steuerung, Software und zunehmend auch KI-gestützte Bildverarbeitung hängen voneinander ab. Fällt ein Bestandteil aus, kann dies mehrere Fehlermeldungen auslösen. Dann stellt sich dieselbe Frage wie bei dem Transportfahrzeug: Wo liegt die eigentliche Fehlerursache?
Wenn eine Anlage diese Frage selbst beantworten kann, ergeben sich mehrere Möglichkeiten. Gezielte Eingriffe anstelle pauschaler Neustarts könnten Stillstandszeiten verkürzen. Bekannte Fehler könnte die Anlage selbst beheben, sodass Servicetechnikerinnen und Servicetechniker nur bei tatsächlich neuen Fällen eingreifen müssten.
Die dabei gefundene Lösung ließe sich anschließend in das Regelwerk übernehmen. Damit stünde das neu gewonnene Wissen künftig allen Anlagen zur Verfügung.
Fazit
Autonome Systeme werden im Alltag erst dann zuverlässig funktionieren, wenn sie auch mit Unsicherheiten und unvorhergesehenen Fehlern zurechtkommen. Unsere Forschung beschäftigt sich genau mit dieser Herausforderung. XITASO unterstützt Kunden dabei, die Ergebnisse dieser Forschung für ihre konkreten Anwendungsfälle produktiv nutzbar zu machen.
Autor
Andreas Wiedholz