Insekten wie Ameisen und Bienen bilden Staaten und lösen gemeinsam komplexe Probleme. Sie bauen beispielsweise kunstvolle Behausungen, schleppen zusammen schwere Lasten und finden den kürzesten Weg zum Futter. Keines der Insekten sagt dabei den anderen, was sie wann zu tun haben. Ihr sinnvolles Verhalten scheint aus Wechselwirkungen (Reiz --> Reaktion) zwischen den Insekten sowie zwischen der Umwelt und den Insekten hervorzugehen. Die Methoden mit denen staatenbildende Insekten ihre Aufgaben lösen, werden erst seit den 1990er Jahren von Informatikern untersucht und auf Probleme der Optimierung, Rechnernetze und Robotik angewendet.
Vorteile
Wenn viele gleichartige und relativ einfach konstruierte Roboter, Softwareagenten oder allgemein Agenten an einem Problem arbeiten, hat das prinzipiell mindestens zwei Vorteile. Verlässlichkeit: Fällt ein Agent aus, ist das kein ernstes Problem, da kein spezieller Agent das Verhalten der anderen steuert. Flexibilität: Mehrere Agenten können bei sinnvoller Zusammenarbeit Probleme bewältigen, die ein einzelner nicht lösen könnte.
Beispiel: Der kürzeste Weg. Eine Ameise verlässt ihren Ameisenhaufen und sucht Futter zunächst auf zufälligem Weg. Entlang ihres Weges hinterlässt sie eine chemische Markierungssubstanz (Pheromon). Findet sie Futter, nimmt sie einen Brocken und schleppt ihn auf dem umgekehrten Weg zurück zum Nest, wobei sie den Weg ein zweites Mal markiert. Eine Ameise, die sich bei der Futtersuche weiter vom Haufen entfernt hat, ist noch unterwegs. Ihr Weg ist daher erst ein Mal markiert. Weitere Ameisen, die zur Futtersuche starten, stolpern teilweise über die bereits von ihren Kolleginnen markierten Wege und folgen bevorzugt (nicht immer, damit das Verfahren flexibel ist) dem Weg, der stärker markiert ist als andere. Sie markieren die Wege zusätzlich; eine Ameisenstraße entsteht ...
Organisation ohne Organisator
Die einzelne Ameise hat vermutlich keine Ahnung, was der "kürzeste Weg" bedeutet. Die Gesamtheit der Ameisen kann trotzdem den kürzesten Weg zum Futter finden. Das Ganze (Schwarm) ist demnach mehr als die Summe seiner Teile (Agenten) und organisiert sich von selbst. Zu der Selbstorganisation kommen außerdem noch Einflüsse der Umgebung. Insgesamt organisiert sich der Schwarms durch folgende Mechanismen.
Positive Rückkopplung. Ein Agent motiviert ein bestimmtes Verhalten eines anderen, z. B. wenn eine Ameise ihren Weg zum Futter markiert.
Negative Rückkopplung. Ein Agent hemmt ein bestimmtes Verhalten eines anderen.
Zufällige Abweichung. Ein Agenten weicht zufällig von seinem normalen Verhalten ab. So können neue Lösungen gefunden werden, z. B. durch die Ameise, die nicht der stärksten Markierung folgt und eine lohnendere oder noch nähere Futterquelle entdeckt.
Vielfachwechselwirkung. Agenten haben vielfältige Wechselwirkungsmechanismen und können auch mit mehreren Agenten gleichzeitig wechselwirken, z. B. wenn Ameisen eine Brücke aus ihren Körpern bauen.
Stigmergie. Ein Agent verändert die Umwelt und löst dadurch ein bestimmes Verhalten bei anderen Agenten aus. Beispiel: Wenn eine Ameise eine tote Ameise aufhebt mit einer Wahrschlichkeit umgekehrt proportional zur Zahl toter Ameisen in der Nähe, und sie an anderer Stelle wieder ablegt mit einer Wahrschlichkeit proportional zur Zahl toter Ameisen in der Nähe, entsteht mit der Zeit ein Haufen toter Ameisen. Vergleichbar entsteht ein Termitenbau, wenn eine Termite durch das von ihr bearbeitete Baumaterial andere Termiten zu bestimmten Bauaktionen anregt.
Schwarmtheorie und Roboterpraxis
Schwarmtheorie wir erst seit kurzem mit Robotern erforscht. Vorher musste man sich auf virtuelle Welten im Computer begnügen und dort das Verhalten der Schwärme anhand mathematischer Simulationen studieren, da reale Roboterschwärme wegen unzureichender Miniaturisierung zu aufwändig und teuer waren. Aber auch heute geht dem praktischen Experiment meistens die Simulation voraus. Untersucht werden vor allem die Kommunikation und das räumliche Zusammenspiel der Schwarmroboter sowie die Möglichkeiten, die Roboter durch Mikro- und Nano-Technologie weiter zu verkleinern. Trotz gewisser Erfolge in konstruierten Umgebungen steht die Forschung in diesem Gebiet noch am Anfang. Bisherige Experimente beschränken sich darauf, beispielsweise bestimmte Roboterformationen zu bilden, aneinandergekoppelt Hindernissen auszuweichen oder gemeinsam ein Objekt zu transportieren, das ein Roboter allein nicht bewältigen könnte.
Visionen
Einsatzmöglichkeiten der Schwarmroboter gibt es unter anderem im Katastrophenschutz und in der Raumfahrt. Beispielsweise wird am Fraunhofer-Institut für Produktionstechnik und Automatisierung darüber nachgedacht, wie Ölunf�le auf See bekämpft werden könnten: Ein Schwarm schwimmender Roboter wird von einem Flugzeug aus über der Unglücksstelle abgeworfen. Die Roboter orten den Ölteppich, kreisen ihn ein, koppeln sich zusammen und bilden so eine Ölbarriere. Bei ruhiger See kann dann das Öl konventionell beseitigt werden. Zur Erforschung dieses Ansatzes hat das Fraunhofer Institut gemeinsam mit einem internationalen Konsortium einen Forschungsantrag bei der EU eingereicht
Utopischer erscheint die Vision der Ingenieure des Nasa Goddard Space Flight Center in Greenbelt, Maryland. Sie experimentieren mit pyramidenförmigen Robotern, die ihre Form ändern können. Ihr Fernziel: winzige selbständig handelnde Nonoroboter, die sich zu Schwärmen zusammenschließen können, um andere Planeten zu erkunden oder Geräte wie Antennen oder Solarsegel zu bilden (ANTS, Autonomous NanoTechnology Swarm). Bis dahin ist es ein weiter Weg.
Links
Ameisenalgorithmus
http://www.ameisenalgorithmus.de
Swarm-bots project
http://www.swarm-bots.org
Ronald Kube: Collective Robotics (Publications & Video)
http://www.cs.ualberta.ca/~kube/
