Autonomik bezeichnet eine neue Ingenieursdisziplin, die sich auf die Entwicklung autonomer Systeme spezialisiert: Systeme, die bestimmte Eigenschaften selbstständig sicherstellen, ohne menschlichen Eingriff. Sie vereint Informatik, Regelungstechnik, Sensorik und Maschinenbau. Anwendungsfälle reichen von massenindividualisierter Fertigung über Smart Grids bis zu personalisierten Krebstherapeutika.
Das Wichtigste in Kürze
- Autonome Systeme sind keine Komfortfunktion: In der Pharmazie etwa macht erst vollständige Produktionsautonomie lebensrettende Krebstherapien für breite Bevölkerungsschichten erschwinglich.
- Die klassische Sicherheitszertifizierung zur Entwicklungszeit wird bei autonomen Systemen wertlos, weil sich das System danach selbst verändert und Safety kontinuierlich zur Laufzeit gewährleistet werden muss.
- Autonomik als neue Leitdisziplin würde sich auf den Kern autonomer Systeme konzentrieren und dabei auf Informatik, Elektrotechnik, Maschinenbau und Rechtswissenschaft abstützen, ohne diese Disziplinen vollständig zu integrieren.
- Testen autonomer Systeme folgt dem Prinzip agiler Entwicklung: Jede Rekonfiguration zur Laufzeit muss durch Regressionstests abgesichert werden, bevor das System sie akzeptiert.
Autonome Systeme brauchen eine eigene Disziplin
Die Informatik allein reicht nicht mehr aus, um die Systeme der kommenden Jahre zu bauen. Peter Liggesmeyer plädiert für die Gründung einer neuen Disziplin, die er in Anlehnung an die Informatik als Autonomik bezeichnet. Ihr Kern ist die Fähigkeit von Systemen, sich um bestimmte Eigenschaften selbstständig zu kümmern, ohne dass jemand von außen eingreift.
Der historische Vergleich liegt nahe. Die Informatik selbst ist je nach Standort aus der Mathematik oder der Elektrotechnik entstanden und hat diese als Leitdisziplin abgelöst, so wie zuvor der Maschinenbau zur Zeit der Dampfmaschine und später die Elektrotechnik prägend waren. Die Autonomik wäre der nächste Schritt in dieser Kette.
Eine solche Disziplin müsste nicht alle Bestandteile ihrer Grundlagenfächer mittragen. Ein Informatiker weiß, dass seiner Arbeit Hardware zugrunde liegt, ohne deshalb Mikrochips fertigen zu können. Die Spezialisten für Mikroelektronik bleiben in der Elektrotechnik. Genauso könnte sich die Autonomik auf das konzentrieren, was autonome Systeme ausmacht, und sich auf Informatik, Elektrotechnik, Maschinenbau, Betriebswirtschaft und in Teilen sogar Rechtswissenschaft abstützen.
Warum mehrere Disziplinen zusammenkommen müssen
Autonome Systeme sind selten reine Software. Sie brauchen Steuerungs- und Regelungstechnik, traditionell ein Feld der Elektrotechnik, dazu Sensorik und Aktuatorik, um Daten aufzunehmen und in die Umgebung hineinzuwirken, und oft auch Maschinenbau.
Das zeigt sich schon heute. Viele Themen kommen als Informatik daher, haben bei genauerem Hinsehen aber systemischen Charakter. Die Sicherheitszertifizierung eines Medizingeräts hat einen Informatikanteil, wirft daneben aber maschinenbauliche, elektrotechnische und medizinische Fragen auf. Eine belastbare Antwort entsteht erst aus der Kombination dieser Fächer.
Die konstante Größe über alle Anwendungsfälle hinweg ist die Autonomie selbst: bestimmte Eigenschaften garantieren, Optimierungen durchführen und dabei definierte Korridore für Einstellungen nicht verlassen. Diese Eigenschaft ist so dominant für die Architektur solcher Systeme, dass sich eine eigenständige Disziplin dafür lohnt.
Wo autonome Systeme heute schon gebraucht werden
Autonomes Fahren ist das bekannteste Beispiel, aber das schwächste. Liggesmeyer ordnet es als reine Komfortfunktion ein. Die meisten Menschen können die meiste Zeit über anständig Auto fahren, bequem wäre nur, sich nicht ständig konzentrieren zu müssen.
Überzeugender sind Felder, in denen Autonomie keine Option, sondern Voraussetzung ist. Im Smart Grid speisen tausende kleine Energieerzeuger, etwa private Haushalte, je nach Sonneneinstrahlung Energie ins Netz ein oder entnehmen sie. Diese Netze sind volatil und so unübersichtlich, dass Menschen sie kaum noch manuell steuern können. Die Energiebilanz muss trotzdem stimmen, also bleibt nur der autonome Betrieb.
Industrie 4.0 zielt im Kern auf massenindividualisierte Produkte: individuell gefertigt, aber kostengünstig nach den Prinzipien der Massenproduktion. Die viel diskutierte Vernetzung ist dabei nur das Hilfsmittel, vergleichbar mit der Dampfmaschine oder dem Fließband früherer industrieller Revolutionen. Das Ziel ist, besser agieren und reagieren zu können, etwa einen Komponentenausfall mit einem Plan B zu kompensieren, statt die ganze Anlage stillzulegen.
Krebsmedikamente als Beispiel für zwingende Autonomie
Das eindrücklichste Beispiel kommt aus der Pharmazeutik. CAR-T- und NK-Zelltherapeutika werden für einzelne Patienten oder kleine Patientengruppen hergestellt, bei individualisierten Präparaten aus dem entnommenen Eigenblut des Patienten. Bestimmte Zellen werden extrahiert, gentechnisch verändert und so verändert, dass sie Tumorzellen gezielt angreifen.
Die Therapie ist hochwirksam, ein einzelnes Infusionsbeutelchen kostet heute rund 250.000 Euro. Hergestellt wird es unter extremen Hygienebedingungen in Manufakturarbeit: Qualifizierte Personen in Hygieneanzügen zählen unter dem Mikroskop Zellen, beurteilen Zellzustände und entscheiden über die nächsten Prozessschritte. Weil das Ausgangsmaterial je nach Vorgeschichte des Patienten stark schwankt, lässt sich der Ablauf nicht in eine feste Schrittfolge gießen.
Autonome Produktionstechnik ist hier kein Komfort, sondern die Bedingung, um die Kosten zu senken und die Therapie breiter verfügbar zu machen. Genau das unterscheidet zwingende Autonomie von bloßer Bequemlichkeit.
Sicherheit muss zur Laufzeit entstehen, nicht nur zur Entwicklungszeit
Das klassische Paradigma sicherheitskritischer Systeme funktioniert für autonome Systeme nicht mehr. Bisher galt: Entwickle das System gut, überzeuge die zertifizierende Stelle, schalte es ein und fasse es nie wieder an. Ein sich dynamisch anpassendes System ist das genaue Gegenteil davon.
Tätigkeiten wandern deshalb von der Entwicklungszeit in die Laufzeit. Liggesmeyer nennt das Prinzip “X at runtime”, wobei X für beliebige Entwicklungsaufgaben steht. Bei “Safety at runtime” muss sich das System zur Laufzeit selbst um seine Betriebssicherheit kümmern.
Eine Sicherheitszertifizierung eines solchen Systems zu machen, die dann fünf Minuten nach dem Einschalten invalide ist, weil das System sich verändert hat, macht überhaupt keinen Sinn. – Peter Liggesmeyer
Dafür brauchen diese Systeme ein valides Selbstbild, und zwar a priori. Sie müssen nicht nur ihren aktuellen Zustand kennen, sondern auch vorhersagen, ob ein geplanter Veränderungsschritt zu einem sicheren Zustand führt. Diese Prädiktion durch das System selbst ist bisher weitgehend Zukunftsmusik.
Autonomie heißt Kompromisse zwischen konkurrierenden Zielen
Autonome Systeme lösen ein Optimierungsproblem, bei dem sich Eigenschaften gegenseitig ausschließen. Gäbe es immer eine beste Lösung, ließe sich jede Eigenschaft separat optimieren. So einfach ist es nicht.
Das klassische Spannungsfeld ist Safety gegen Verfügbarkeit. Ein autonomes Fahrzeug kann in einer Situation weiterfahren oder anhalten. Fährt es weiter und entscheidet falsch, geht das zulasten der Sicherheit, denn es bewegt sich womöglich in einem unsicheren Zustand. Hält es an, gewinnt die Sicherheit, aber die Verfügbarkeit sinkt. Steht das Fahrzeug zu oft am Straßenrand, akzeptieren Nutzer es nicht.
Oft lassen sich zwei Eigenschaften gemeinsam verbessern, dann aber zulasten einer dritten, etwa der Kosten. Diese Abwägungen muss das System immer wieder selbst treffen. Genau das ist der harte Kern der Autonomik.
Vertrauen entsteht durch wiederholtes Testen zur Laufzeit
Testen war immer eine vertrauensbildende Maßnahme: Jemand hat manuell geprüft und den Haken gesetzt. Wenn Prüfentscheidungen ins System wandern, muss dieses Vertrauen anders aufgebaut werden. Die Orientierung liefern agile Prozesse.
In der agilen Entwicklung spielt das wiederholte Testen eine zentrale Rolle, weil der Stand fortlaufend fortgeschrieben wird und dabei das Risiko besteht, vorhandene Eigenschaften in eine ungewollte Richtung zu bewegen. Ein autonomes System tut im Prinzip dasselbe, nur ohne menschliches Zutun.
Übertragen auf die Laufzeit heißt das: Bevor ein System eine Rekonfiguration akzeptiert, lässt es umfangreiche Tests laufen. Regressionstests in voller Breite vergewissern das System, dass bisher vorhandene Reaktionen weiterhin so eintreten. Erst danach übernimmt es die Veränderung.
Wie du dich heute auf die Autonomik vorbereitest
Wer sich in diese Richtung entwickeln will, kann mit etablierten Teildisziplinen anfangen. Künstliche Intelligenz ist heute ein etabliertes Feld, und für Data Science gibt es Curricula-Empfehlungen der Gesellschaft für Informatik, von Weiterbildungsangeboten über anwendungsorientierte bis zu grundständigen Studiengängen.
Beide Felder sind keine Beigaben, sondern Pflichtzutaten. Autonome Systeme beziehen ihre Informationen aus Daten, die intelligent aufbereitet werden müssen. Wer KI und Data Science beherrscht, deckt einen großen Teil des künftigen Autonomik-Kerns ab.
Bestehende Studienangebote zu autonomen Systemen und Robotik sind ein Einstieg, oft aber zu stark auf einen einzelnen Anwendungsbereich ausgerichtet, etwa mit Schwerpunkt auf den elektrotechnischen Aspekten von Robotern. Eine eigenständige Autonomik sollte sich dagegen einen eigenen Kern bewahren, losgelöst von einzelnen Anwendungsgebieten, so wie die Informatik ihren Kern unabhängig von ihren Anwendungen hat. Eine solche Disziplin entsteht nicht mit dem Messerschnitt, sondern nimmt einen erkennbaren Verlauf. Du kannst dich also schon jetzt entsprechend aufstellen.
