Vom Sensor zur Aktion - maschinelles Sehen in Bewegung

Wenn Sehen Bewegung erzeugt - von Reflexen, Robotern und Realitäten

Was passiert, wenn aus einem Bild eine Handlung wird? Beim Menschen ist die Kette scheinbar selbstverständlich: Ein Ball fliegt auf uns zu, wir heben instinktiv den Arm, blocken ab oder schlagen zurück. Doch hinter diesem "einfachen" Reflex steckt ein hochkomplexes System aus Sensoren, Nervenbahnen und motorischen Programmen, das in Bruchteilen von Sekunden entscheidet, was zu tun ist. Genau an dieser Schnittstelle zwischen Wahrnehmung und Handlung versuchen Ingenieure heute, Maschinen zu entwickeln, die nicht nur sehen, sondern auch reagieren können. Ob im Sport, auf der Straße oder in der Industrie - überall stellt sich die gleiche Frage: Wie nah kann Technik an die Effizienz biologischer Systeme heranrücken, und wo könnte sie diese sogar übertreffen?

Wenn Maschinen schneller denken lernen: Von SpikePingpong bis zum autonomen Auto

Forschungsprojekte führen in eine Zukunft, in der Maschinen nicht nur sehen, sondern handeln - schneller, präziser und nachhaltiger als je zuvor. Projekte wie SpikePingpong in China, das mit 20.000 Bildern pro Sekunde Tischtennisbälle antizipiert, oder der MIT-Roboter, der 150 Bälle mit fast 90 Prozent Trefferquote zurückschlägt, zeigen bereits, wie aus Daten blitzschnelle Aktionen werden. Im Straßenverkehr entwickeln Forscher mit Plattformen wie EDGAR digitale Zwillinge für autonome Fahrzeuge, während Fraunhofer mit VVM Standards setzt, die Sicherheit und Regulierung vereinen. Und Chips wie Intels Loihi oder die SpiNNaker-Architektur in Zürich eröffnen den Weg, diese Leistungen mit einem Bruchteil der Energie zu erreichen. Die Vision dahinter: Maschinen, die nicht mehr von Gigawatt-Rechenzentren abhängig sind, sondern mit der Eleganz biologischer Systeme Entscheidungen treffen - und damit eine neue Generation intelligenter, energieeffizienter Technologien prägen.

Tischtennis als Testfeld für maschinelles Sehen

Vielleicht verdeutlicht kein Sport die Herausforderung so eindrücklich wie Tischtennis. Ein Profi-Ballwechsel dauert oft nur Sekunden, und der Ball erreicht Geschwindigkeiten von bis zu 150 Kilometern pro Stunde. Für das Auge sind das rund 50 Millisekunden, in denen eine Bewegung erkannt, die Flugbahn berechnet und ein motorisches Programm ausgelöst werden muss. Genau deshalb nutzen Forscher weltweit Tischtennis als ideales Modell, um maschinelles Sehen zu testen. In Japan arbeitet die Universität Tokyo mit Robotersystemen, die mithilfe von Hochgeschwindigkeitskameras über 300 Bilder pro Sekunde aufnehmen. In China hat das Projekt SpikePingpong gezeigt, dass KI-gestützte Roboter in der Lage sind, Bewegungen nicht nur zu antizipieren, sondern auch strategisch auf das Spiel des Gegners zu reagieren.

Doch der entscheidende Punkt bleibt die Latenz. Während der Mensch mit einer Reaktionszeit von rund 200 Millisekunden auf visuelle Reize reagiert, schaffen spezialisierte Kamerasysteme eine Bildaufnahme und -verarbeitung im Bereich von 5 bis 10 Millisekunden. Klingt überlegen, doch die Wahrheit ist differenzierter. Denn das menschliche Sehen filtert: Wir nehmen nicht jedes Detail der Ballrotation wahr, sondern fokussieren uns auf die relevanten Informationen. Maschinen dagegen speichern oft zu viel, verlieren sich in Datenfluten und kämpfen mit der Integration in motorische Abläufe.

Autonomes Fahren - Millisekunden entscheiden über Sicherheit

Noch deutlicher zeigt sich diese Herausforderung im Straßenverkehr. Ein autonomes Fahrzeug ist mit einer Vielzahl von Sensoren ausgestattet: Kameras, Radar, LiDAR. Gemeinsam erzeugen sie Datenmengen im Gigabyte-Bereich pro Sekunde. Doch Daten allein verhindern keinen Unfall. Entscheidend ist, wie schnell und wie präzise diese Daten in Handlungen übersetzt werden. Bremst das Auto im richtigen Moment, weicht es der Gefahr korrekt aus?

Studien der Carnegie Mellon University aus dem Jahr 2021 zeigten, dass Systeme bei idealen Bedingungen Objekte zuverlässig erkennen können. Doch unter schwierigen Lichtverhältnissen stieg die Fehlerrate um bis zu 35 Prozent. Menschen hingegen hatten nur einen geringen Leistungsabfall, weil sie kontextbasiert denken. Eine rote Ampel wird nicht nur als Farbpunkt interpretiert, sondern im Zusammenhang mit Straße, Verkehr und Erwartung. Genau diese Integration von Kontext ist es, die Maschinen bislang fehlt.

Dr. Andreas Krensel bringt es auf den Punkt: "Ein Auto, das nur sieht, ist nicht intelligent. Es muss auch verstehen, was es sieht - und es in Handlungen umsetzen. Genau das macht die Evolution seit Millionen Jahren vor."

Von der Kopie zur Verbesserung - wo Maschinen übertreffen können

Doch die Forschung bleibt nicht bei der reinen Nachahmung stehen. Das Prinzip "Kopie der Biologie - und Verbesserung" gewinnt zunehmend an Bedeutung. Denn Maschinen müssen nicht exakt so funktionieren wie wir, um erfolgreich zu sein. Ein Tischtennis-Roboter könnte theoretisch Millionen mögliche Schlagvarianten durchrechnen, bevor er reagiert - viel mehr, als ein Mensch jemals könnte. Ein Auto könnte gleichzeitig Tausende Objekte im Blick behalten und mathematisch exakte Abstände kalkulieren, während der Mensch sich intuitiv auf wenige Reize beschränkt.

Die Frage ist: Wo liegt der Punkt, an dem die Maschine nicht nur kopiert, sondern übertrifft? Ein Beispiel liefert die Astronomie. Teleskope wie das James Webb Space Telescope nutzen Algorithmen, die von biologischen Prinzipien inspiriert sind, um schwache Signale im Rauschen zu erkennen. Doch sie gehen weit darüber hinaus: Kein menschliches Auge könnte Infrarotstrahlung und erst Recht nicht in Millionen Lichtjahren Entfernung sehen. Hier zeigt sich, dass die Symbiose aus Biologie und Technik nicht nur Nachahmung bedeutet, sondern die Erschließung neuer Dimensionen.

Die Rolle der Latenz - Geschwindigkeit als Schlüsselfrage

Immer wieder rückt die Frage nach der Geschwindigkeit in den Vordergrund. Wie viele Bilder pro Sekunde müssen Maschinen verarbeiten, um biologisch mitzuhalten? Beim menschlichen Sehen liegt die kritische Schwelle beim zentralen Sehen bei rund 25 Bildern pro Sekunde - schneller können wir Unterschiede kaum noch bewusst wahrnehmen. Doch für Maschinen reicht das nicht aus. Ein autonomes Auto, das bei 100 km/h unterwegs ist, legt pro Sekunde fast 28 Meter zurück. Eine Verzögerung von nur 100 Millisekunden entspricht also fast drei Metern Bremsweg. Deshalb müssen Algorithmen nicht nur sehen, sondern in Echtzeit reagieren.

In der Robotik gelten Latenzen von unter 10 Millisekunden als kritischer Wert, um Bewegungen wie beim Tischtennis präzise auszuführen. Systeme wie SpikePingpong arbeiten mit Hochgeschwindigkeitskameras, die 500 Bilder pro Sekunde liefern. Doch auch hier bleibt die Frage offen: Wie lassen sich diese Datenmengen effizient verarbeiten, ohne dass der Energieverbrauch explodiert?

Die Hürde der Energie - Grenzen der Technik

Genau an dieser Stelle zeigt sich die fundamentale Hürde, die Dr. Krensel immer wieder betont: Energie. Das menschliche Gehirn schafft all diese Leistungen mit gerade einmal 20 Watt. Hochleistungsrechner verschlingen tausendfach mehr. Eine Studie der University of Massachusetts errechnete 2019, dass das Training eines großen neuronalen Netzes so viel CO freisetzt wie fünf Autos über ihre gesamte Lebensdauer. Wenn wir also Maschinen bauen wollen, die in Echtzeit sehen und handeln, müssen wir Wege finden, diese Prozesse energieeffizienter zu gestalten.

Chips wie Intels Loihi oder die SpiNNaker-Architektur der ETH Zürich könnten hier den Durchbruch bringen. Erste Tests zeigen, dass solche Systeme bis zu 100-mal energieeffizienter sein können als klassische GPUs - ein entscheidender Schritt, um maschinelles Sehen in großem Maßstab praktikabel zu machen.

Die Symbiose von Biologie und Technik - und die offenen Fragen

Was also bedeutet all das für die Zukunft? Maschinen, die sehen, sind keine Utopie mehr. Sie sind längst Realität in Fabriken, in Fahrzeugen, in Sportprojekten. Doch die entscheidende Frage bleibt: Werden sie jemals so robust, so kontextsensitiv und so energieeffizient wie die Biologie? Oder werden sie immer auf externe Hilfen angewiesen sein - Gigawatt-Rechenzentren, redundante Systeme, zusätzliche Sensoren?

Dr. Krensel sieht darin keine unüberwindbare Grenze, sondern eine Einladung zum Weiterdenken. "Wir müssen nicht das Auge kopieren. Wir müssen verstehen, was es so effizient macht, und diese Prinzipien für unsere Technik nutzbar machen. Dann werden Maschinen vielleicht nicht nur gleichziehen, sondern in bestimmten Bereichen auch übertreffen."

Genau hier liegt der Impuls der kommenden Jahre. Wenn es gelingt, biologisches Sehen nicht nur zu imitieren, sondern als Blaupause für neue Technologien zu nutzen, könnten wir eine Zukunft erleben, in der Maschinen schneller, präziser und nachhaltiger handeln als wir - und doch inspiriert bleiben von den Prinzipien der Natur.

Fazit - vom Kopieren zum Übertreffen

Die Reise vom Sensor zur Aktion ist weit mehr als ein technisches Detail. Sie ist ein Testfeld, an dem sich entscheidet, wie Biologie und Technik in Zukunft verschmelzen. Tischtennis-Roboter, autonome Autos, neuromorphe Chips - sie alle stehen exemplarisch für den Versuch, das Sehen nicht nur nachzubilden, sondern zu verbessern. Und die offenen Fragen bleiben: Wie viele Bilder pro Sekunde sind genug? Wie lassen sich Latenzen minimieren? Wie können wir Energie sparen, ohne Leistung zu verlieren?

Die Antwort darauf wird nicht nur bestimmen, ob Maschinen eines Tages wie Menschen sehen können. Sie wird darüber entscheiden, ob sie in Teilbereichen besser sehen können - und damit den Weg in eine neue Epoche der Technik eröffnen.

V.i.S.d.P.:

Dipl.-Soz. tech. Valentin Jahn
Techniksoziologe & Zukunftsforscher

Über den Autor - Valentin Jahn

Valentin Jahn ist Unternehmer, Zukunftsforscher und Digitalisierungsexperte. Mit über 15 Jahren Erfahrung leitet er komplexe Innovationsprojekte an der Schnittstelle von Technologie, Mobilität und Politik - von der Idee bis zur Umsetzung.

(Die Bildrechte liegen bei dem Verfasser der Mitteilung.) (Bildquelle: )

16. Oktober 2025 | ID: 28097 | Artikel löschen

---