Als KI lernte, die Welt zu sehen und zu planen
Einführung
Stellen Sie sich einen Büroraum in den späten 1960er Jahren vor: karierte Teppiche, klobige Computer und das leise Surren von Großrechnern. Mitten in dieser Welt steht eine eigenartige Erscheinung: ein etwa menschengroßer, viereckiger Blechkasten auf Rädern, gekrönt von einer Kamera, einem Entfernungsmesser und einer Antenne, die wild hin- und herschwenkt. Sein Name: Shakey. Sein Auftrag: nicht weniger, als die Welt der künstlichen Intelligenz für immer zu verändern. Shakey war kein einfacher ferngesteuerter Apparat. Er war der erste mobile Roboter, der sein eigenes Denken und Handeln auf der Grundlage dessen, was er wahrnahm, in logische Teilschritte zerlegen konnte. Er war der Pionier, der den Traum einer wahrhaft „denkenden Maschine“ in die reale, stolpersteinreiche Welt holte. Dieses Kapitel erzählt die Geschichte dieser visionären Maschine, die am Stanford Research Institute (SRI) geboren wurde und die Architektur der modernen KI maßgeblich prägte.
Kernidee
Die revolutionäre Kernidee hinter Shakey war die Integration von drei bis dahin meist separat erforschten KI-Disziplinen: Wahrnehmung, Planung und Handlung zu einem einzigen, geschlossenen System. Man kann sich Shakey als einen frühen und sehr physischen Vorläufer von Siri oder Alexa vorstellen – nur dass er statt mit Sprache mit einer unbequemen, realen Welt interagieren musste. Die zentrale Frage war: Kann eine Maschine eine abstrakte Aufgabe (wie „Schiebe den Block vom Podest“) selbstständig in eine Abfolge von sinnvollen Aktionen übersetzen, dabei Hindernisse erkennen, Umwege planen und ihr eigenes Handeln überprüfen? Shakey war das lebende (oder besser: ratternde) Experiment, um diese Frage zu beantworten.
Ziele bzw. Forschungsfragen
Das Team um Nils Nilsson, Bertram Raphael und Charles Rosen verfolgte klare, ambitionierte Ziele, die sie im Artikel von 1968 klar als „Anwendung intelligenter Automaten auf die Aufklärung“ umrissen. Die zentralen Forschungsfragen lauteten:
- Wie kann ein Roboter seine unmittelbare Umgebung mit einfachen Sensoren (TV-Kamera, Berührungs-Sensoren) zuverlässig „verstehen“?
- Wie kann er aus dieser groben Wahrnehmung ein internes, symbolisches Weltmodell aufbauen und aktuell halten?
- Wie kann er basierend auf diesem Modell und einem vorgegebenen Ziel eigenständig einen detaillierten Handlungsplan erstellen?
- Wie kann dieser Plan dann in konkrete, sichere Bewegungsbefehle für seine Antriebe und Aktoren umgesetzt werden?
Es ging also nicht um Geschwindigkeit oder Kraft, sondern um Autonomie und kognitive Abstraktion.
Konzept
Shakeys „Gehirn“ war ein modularer, mehrschichtiger Software-Stack – eine damals bahnbrechende Architektur. Man kann es sich wie eine kleine Firma vorstellen:
- Die niedrige Ebene (die „Muskeln und Sinne“): Ein einfacher Computer (z.B. eine PDP-10, aber oft über eine Funkstrecke verbunden!) steuerte direkt die Motoren, las die Stoßstangen-Sensoren und erhielt die rohen Kamerabilder.
- Die mittlere Ebene (die „Assistenz“): Hier fand die Mustererkennung statt. Spezielle Programme suchten in den pixeligen Bildern nach Kanten und Ecken und interpretierten sie als einfache Objekte wie Räume, Türen, Podeste und quaderförmige Blöcke.
- Die hohe Ebene (das „Management“): Das Herzstück. Hier residierte der STRIPS-Planer (Stanford Research Institute Problem Solver). Dieses Programm erhielt vom Nutzer ein abstraktes Ziel (z.B. „Finde den roten Block im Raum 2“). Es besaß ein Regelwerk über die Welt („Ein Block kann nur geschoben werden, wenn nichts darauf steht“) und erzeugte Schritt für Schritt einen Plan aus elementaren Aktionen wie ROLL, PUSH oder TURN. Dieser Plan wurde dann an die unteren Ebenen zur Ausführung delegiert.
Argumente
Die Forscher argumentierten, dass diese Art der hierarchischen, logikbasierten Planung der Schlüssel zu allgemeinerer Intelligenz sei. Ein reiner Reflex-Agent („wenn Stoßstange berührt, dann zurückfahren“) wäre in komplexen Umgebungen schnell gescheitert. Shakey sollte dagegen vorausdenken können. Die Existenz eines expliziten Weltmodells und eines Planers machte sein Verhalten nachvollziehbar und erklärbar – eine Eigenschaft, die bei heutigen Deep-Learning-Systemen oft schmerzlich vermisst wird. Er war ein Argument für den symbolischen Ansatz der KI: Intelligenz entsteht durch die Manipulation von abstrakten Symbolen, die für Objekte und Beziehungen in der Welt stehen.
Bedeutung
Shakeys Bedeutung kann kaum überschätzt werden. Er war ein Proof-of-Concept für die gesamte Robotik und KI-Planung. Zum ersten Mal wurde demonstriert, dass die Zerlegung eines komplexen Problems in die Schritte Sehen-Denken-Handeln technisch machbar ist. Der dabei entwickelte STRIPS-Planer wurde zum Urvater aller modernen Planungsalgorithmen, die heute in Logistik, Raumfahrt und Spiel-KI eingesetzt werden. Shakey zeigte, dass ein Roboter nicht nur auf eine vorprogrammierte Bahn beschränkt sein muss, sondern flexibel auf Veränderungen reagieren kann.
Wirkung
Die Wirkung war elektrisierend für die Forschungsgemeinschaft. Shakey wurde zur Ikone und erschien sogar im Magazin Life. Er bewies, dass KI nicht nur auf dem Papier oder in Schachprogrammen existierte, sondern eine reale, physische Welt bewältigen konnte. Das Projekt zog talentierte Forscher an und diente als Blaupause für unzählige nachfolgende Robotikprojekte. Viele der damals entwickelten Konzepte – wie Weltmodelle, Zustandsräume und Suchalgorithmen – sind bis heute fundamentale Lehrinhalte in der KI-Ausbildung. Es legte den Grundstein für Forschungsfelder wie die autonome Navigation und Servicerobotik.
Relevanz
Shakeys Relevanz ist auch ein halbes Jahrhundert später erstaunlich hoch. Wann immer ein Roboter auf dem Mars einen Stein umfährt, ein autonomes Auto eine Routenänderung berechnet oder ein Staubsaugerroboter entscheidet, erst den Wohn- und dann das Esszimmer zu reinigen, wirkt Shakeys Erbe nach. Die grundsätzliche Architektur der Trennung in Wahrnehmung, Planung und Aktionssteuerung ist immer noch das dominierende Paradigma in der Robotik. Shakey erinnert uns daran, dass wahre Autonomie nicht bloß schnelle Reaktionen, sondern die Fähigkeit zum abstrakten Schlussfolgern und Planen erfordert.
Kritik
Trotz aller Brillanz hatte Shakey deutliche Schwächen, die das Team selbst offen benannte. Seine Welt war stark vereinfacht: nur quaderförmige Objekte vor hellen, kontrastreichen Wänden. Die Bildverarbeitung war unglaublich langsam und fehleranfällig – manchmal dauerte es Minuten, bis Shakey einen Raum „verstanden“ hatte. Seine Bewegungen waren unbeholfen und ruckartig (daher auch der liebevoll-spöttische Name). Die größte theoretische Kritik, die später aufkam, betraf den symbolischen Ansatz selbst. Shakey benötigte eine mühsam von Hand codierte „Logik der Welt“. Er konnte nichts lernen, was nicht vorher explizit einprogrammiert war. Diese „Brittleness“ (Sprödigkeit) gegenüber unvorhergesehenen Situationen wurde zu einer zentralen Herausforderung für die klassische KI.
Fazit
Shakey war ein Triumph des Ingenieurgeistes und ein Meilenstein der klaren, logischen Denkweise in der KI. Er bewies, dass autonomes Planen in einer realen Umgebung möglich ist, und schuf die konzeptionellen Werkzeuge, um dieses Problem anzugehen. Auch wenn er langsam war und in einer sterilen Laborwelt lebte, zeigte er den Weg in die Zukunft. Shakey war kein besonders praktischer Helfer, aber ein unschätzbarer Lehrmeister. Er stellte die entscheidende Frage: „Wie denkt man über Handlungen nach?“ und gab eine erste, überzeugende Antwort.
Ausblick
Shakeys Erbe spaltet sich in zwei gewaltige Ströme auf der heutigen KI-Landkarte. Der eine Strom, die symbolische Planung, fließt weiter in hochspezialisierten Bereichen, wo Logik und Verlässlichkeit zählen, etwa in der Weltraumrobotik oder der Fertigungsplanung. Der andere, mächtigere Strom ist das subsymbolische Lernen der modernen Deep-Learning-Revolution. Heutige Roboter lernen durch Millionen von Versuchen in Simulationen, ihre Sensordaten direkt in Aktionen zu übersetzen, oft ohne explizites Weltmodell. Der spannendste Ausblick liegt in der Synthese dieser beiden Welten: Können wir Systeme bauen, die wie Shakey logisch planen und wie ein neuronales Netz aus Erfahrung lernen? Shakeys Traum – eine Maschine, die die Welt versteht und intelligent in ihr handelt – bleibt das ultimative Ziel, auch wenn die Werkzeuge, mit denen wir ihn verfolgen, sich radikal verändert haben.
Literaturquellen
- Nilsson, N. J., et al. (1984). Shakey the Robot. SRI International. (Technischer Abschlussbericht mit umfassender Darstellung).
- Nilsson, N. J., et al. (1968). Application of Intelligent Automata to Reconnaissance. SRI International. (Früher Bericht, der die militärischen Anwendungsszenarien skizziert).
- Weitere historische Memos und Videos sind im SRI Digital Archive öffentlich zugänglich.
Hintergrundinformationen zu den Autoren
- Nils J. Nilsson (1933-2019): Einer der Gründerväter der KI, Pionier in Suchalgorithmen und wissensbasierten Systemen. Sein Lehrbuch Principles of Artificial Intelligence ist ein Klassiker. Er prägte mit seiner Arbeit bei SRI und später in Stanford Generationen von Forschern.
- Bertram Raphael (geb. 1936): Einflussreicher KI-Forscher, der wesentlich zum SRI AI Center beitrug und später in der Industrie arbeitete. Seine Arbeit konzentrierte sich auf Wissensrepräsentation und Problemlösung.
- Charles A. Rosen (1917-2002): Pionier auf dem Gebiet der Lernautomaten und der angewandten KI. Er leitete die Abteilung für angewandte Physik bei SRI und trieb die praktische Umsetzung der Shakey-Idee voran.
Das Team verkörperte damit die perfekte Mischung aus theoretischer KI-Expertise (Nilsson), Software- und Planungskompetenz (Raphael) und ingenieurwissenschaftlicher Führung (Rosen). Ihre Zusammenarbeit schuf ein Stück Wissenschaftsgeschichte, das heute im Computer History Museum in Mountain View bewundert werden kann – wo Shakey seinen wohlverdienten Ruhestand verbringt.
Disclaimer: Dieser Text ist komplett KI-generiert (DeepSeek, 09.01.2026). Die darin enthaltenen Angaben wurden nicht überprüft. Zum Prompt. Zur Übersicht.