„Human-on-the-Loop“ bedeutet, dass Menschen die autonomen Prozesse überwachen und nur bei Bedarf in sie eingreifen. © AIT

Wenn Maschinen intelligenter werden, müssen Interfaces mitdenken. Warum industrielle Automatisierung bessere Interfaces zwischen Mensch, Maschine und KI braucht.

Die industrielle Automatisierung hat in den vergangenen Jahren einen qualitativen Sprung gemacht: Roboterarme arbeiten präziser, fahrerlose Transportsysteme navigieren eigenständig durch Produktionshallen, und KI-gestützte Qualitätskontrollsysteme erkennen Defekte, die dem menschlichen Auge entgehen können. Doch mit jedem Schritt zu mehr Autonomie wird eine Frage wichtiger: Wie arbeiten Menschen mit diesen Systemen zusammen?

Die nächste Stufe der Automatisierung entscheidet sich nicht allein an Sensorik, Aktorik oder KI-Modellen, sondern an der Schnittstelle zwischen Mensch, Maschine und künstlicher Intelligenz. Im Sinne von Industrie 5.0 rücken dabei nicht nur Effizienzgewinne in den Vordergrund, sondern auch Resilienz, Transparenz und die konsequent menschzentrierte Gestaltung technologischer Systeme. 

Vom Bedienen zum Überwachen und Entscheiden
In klassischen Produktionsumgebungen war die Rolle des Menschen klar: steuern, einstellen, korrigieren – direkt, manuell, unmittelbar. Mit zunehmender Autonomie der Systeme verändert sich dieses Bild grundlegend. Aus direkter Maschinenbedienung wird zunehmend überwachende, koordinierende und entscheidende Arbeit. Der Mensch wird dadurch nicht weniger wichtig, sondern anders wichtig, als Supervisor, Entscheider, Korrektiv und Instanz, die technische Entscheidungen in den jeweiligen Arbeits-, Sicherheits- und Produktionskontext einordnet.

Moderne Automatisierung muss deshalb definieren, wie Menschen in Entscheidungs- und Kontrollkreise eingebunden bleiben. Dabei lassen sich drei Ebenen unterscheiden: 
• Human-in-the-Loop, wenn Menschen aktiv in einzelne Entscheidungen eingebunden sind.
• Human-on-the-Loop, wenn sie autonome Prozesse überwachen und bei Bedarf eingreifen.
• Human-above-the-Loop, wenn sie Ziele, Regeln und Verantwortlichkeiten für automatisierte Systeme festlegen. 

Diese Unterscheidung wird für die Industrie immer relevanter, weil künstliche Intelligenz nicht nur einzelne Arbeitsschritte unterstützt, sondern ganze Prozessketten beeinflusst und verändert. Das bringt ein strukturelles Problem mit sich: Viele konventionelle Bedienober­flächen sind noch immer auf direkte manuelle Kontrolle ausgelegt. Sie zeigen Zustände, ­Alarme und Prozesswerte, machen aber oft nicht ausreichend nachvollziehbar, warum ein autonomes System eine bestimmte Entscheidung trifft, wie sicher diese Entscheidung ist und welche Handlungsmöglichkeiten dem Menschen bleiben.

Closing the Interface Gap
Das AIT Center for Technology Experience untersucht dieses Problem unter dem Leitmotiv „Closing the Interface Gap“: Der Mensch wird als integraler Bestandteil des Gesamtsystems verstanden und durch geeignete Human-Machine Interfaces strukturell eingebunden. Im Zentrum steht die Entwicklung von assistiven Interfaces für die Human-Machine Collabo­ration, die statische Dashboards zu adaptiven Entscheidungs­räumen weiterentwickeln. Erst wenn die Schnittstelle mit der Autonomie der Systeme mithält, entsteht industrieller Mehrwert – an Produktivität, Effizienz, Sicherheit und Qualität. 

Multimodale Interaktion: Der richtige Kanal zur richtigen Zeit
Die AIT-Forscher:innen befassen sich mit multi­modaler Interaktion und der gezielten Kombination verschiedener Eingabe- und Rückmeldekanäle: visuelle, gestische, taktile und stiftbasierte Eingaben, ergänzt durch haptisches Feedback und Wearable-Technologien. Ziel ist es, Human-Machine Interfaces stärker an reale Arbeitsabläufe anzupassen.

Doch mehr Kanäle bedeuten nicht automatisch bessere Interfaces. Evaluierungen des AIT Center for Technology Experience zeigen, dass die gezielte Kombination visueller Hinweisreize – etwa räumliches Highlighting mit positions­bezogenem Mapping – Aufgaben beschleunigen und die Nutzungsqualität verbessern kann. Werden zusätzliche Modalitäten ohne funktionalen Mehrwert eingesetzt, etwa vibrotaktile Signale, die lediglich visuelles Feedback wiederholen, steigt die kognitive Belastung. Das zen­trale Gestaltungsziel besteht daher darin, die kognitive Belastung zu reduzieren, die Situa­tionswahrnehmung zu stärken und die Entscheidungssicherheit zu erhöhen. Für Bedienpersonen entsteht sonst kein besseres Verständnis, sondern zusätzliche Komplexität.

Für die industrielle Praxis ist die Konsequenz klar: Multimodale Interfaces müssen aus dem Arbeitsprozess heraus entwickelt werden und nicht aus der Technologie heraus. Die Regel lautet nicht „mehr Kanäle = besser“, sondern der richtige Kanal zur richtigen Information zur richtigen Zeit. Für Produktionsverantwortliche ist Interface-Design damit kein ästhetisches Detail, sondern ein Faktor für Produktivität, Fehlerreduktion und Prozesssicherheit.

Teleoperation & Supervisory Control: Der Leitstand als Interaktionsraum
Mit zunehmender Automatisierung wird auch die Überwachung anspruchsvoller. Die Frage lautet nicht mehr nur, wie eine einzelne Maschine bedient wird, sondern wie ganze Systeme aus der Distanz überwacht, koordiniert und gesteuert werden können. Der Leitstand wird damit zum zentralen Human-Machine Interface zwischen autonomen Maschinen, Prozessdaten und menschlicher Entscheidung. Im Regelbetrieb arbei­ten autonome Systeme selbstständig.

In Aus­nahmesituationen, etwa bei einem unbekannten Hindernis, einer geänderten Routenpriorität oder einer kritischen Prozessabweichung, muss die zuständige Person rasch verstehen, was das System tut und welche Eingriffsmöglichkeiten es gibt. Der Leitstand darf deshalb nicht als statisches Dashboard verstanden werden, sondern als adaptive Interaktionsumgebung, die Aufmerksamkeit lenkt, Informationen priorisiert und Entscheidungen unterstützt.

Wie das aussehen kann, zeigt ­CRANEium, ein am AIT Center for Technology Experience entwickeltes System für Fernsteuerung, Monitoring und Supervision industrieller Krananlagen, ausgezeichnet mit dem eAward 2024. Es bietet eine integrierte Übersicht über Systemzustand, Aufträge und Maschinenpositionen. Die Begleitforschung zeigt: Vertrauen in autonome Systeme entsteht nicht allein durch technische Zuverlässigkeit, sondern durch intuitive Bedienbarkeit, verständliche Rückmeldungen und Transparenz. Das sind Qualitäten, die wesentlich über das Interface vermittelt werden. Ergänzt wird CRANEium durch CRANETrain, ein simulationsbasiertes Qualifizierungssystem, das Bedienpersonen auf die Arbeit mit dem realen System vorbereitet, ohne den laufenden Betrieb zu unterbrechen.

Damit wird deutlich: Die Zukunft der Teleoperation liegt nicht nur in der Fernsteue­rung, sondern in Leitständen, die kom­plexe automatisierte Systeme sicher, effizient und produktiv überwachbar machen. Ergänzend wurde von den AIT-Forscher:innen gestenbasierte Interaktion für automatisierte Flurförderzeuge evaluiert. Gesten sind nicht nur für die steuernde Person intuitiv, sondern auch für umstehende Mitarbeiter:innen nachvollziehbar. Sie ermöglichen schnelle Eingriffe ohne Umweg über Bildschirm oder Bedienfeld und unterstützen Hands-free-Operation – ein klarer Vorteil in kollaborativen Produktionsumgebungen.

Vorteile für produzierende Industrie
Für Industrieunternehmen ist die Frage nach besseren Mensch-Maschine-Schnittstellen kein akademisches Spezialthema. Sie betrifft zentrale wirtschaftliche Ziele: Produktivität, Effizienz, Qualität, Sicherheit, Transparenz und Akzeptanz. Gut gestaltete Human-Machine Interfaces können Bedienungsfehler reduzieren und dadurch Ausschuss, Nacharbeit und Stillstände verringern. Transparente Systemdarstellungen erhöhen die Situationswahrnehmung und ermöglichen schnelleres, sichereres Eingreifen. Intuitive Interaktionskonzepte senken Schulungsaufwand – ein wirtschaftlich relevanter Faktor bei Fachkräftemangel, hoher Komplexität und zunehmender Variantenvielfalt.

Auch für die Qualitätsinspektion ergeben sich konkrete Vorteile. Wenn Fehlerstellen direkt markiert, Prüfbereiche räumlich definiert oder Roboterverhalten am Werkstück korrigiert werden können, rückt Qualitätskontrolle näher an den realen Produktionskontext. Das kann Prozesse beschleunigen, Rückmeldeschleifen verkürzen und Fachwissen besser in automatisierte Abläufe integrieren.

Viele Automatisierungsprojekte scheitern nicht an der technischen Machbarkeit, sondern ­daran, dass Systeme im Alltag als unverständlich, unflexibel oder nicht vertrauenswürdig erlebt werden. Menschzentrierte Interfaces machen sichtbar, was ein System tut, warum es etwas tut und wie Menschen eingreifen können – eine Voraussetzung dafür, dass Automatisierungs­investitionen wirtschaftlich wirksam werden.

Der nächste Schritt: Adaptive ­Interfaces in Echtzeit
Die nächste Generation industrieller Human-Machine Interfaces geht noch weiter. Ziel sind echtzeitfähige, adaptive Interfaces, die sich dynamisch an Aufgabe, Kontext und Nutzerzustand anpassen: Routinebetrieb oder Ausnahme­situation? Visuelle Anzeige oder haptisches ­Signal? Erfahrene oder weniger erfahrene Bedien­person? Dynamisches User-State-Modelling und Kontexterkennung können dabei helfen, relevante Informationen im richtigen Moment bereitzustellen.

Damit entwickelt sich der Leitstand der Zukunft von einem statischen Dashboard zu einem kontextsensitiven Interaktionsraum: mit dynamischer Informationspriorisierung, adaptiven Visualisierungen, multimodalen Warnungen, ambientem Feedback, räumlichen Layouts und raumbasierten Interaktionselementen. Das Ziel ist nicht, Bedienpersonen mit noch mehr Daten zu konfrontieren, sondern Informationen so aufzubereiten, dass sie Aufmerksamkeit lenken und Entscheidungen unterstützen. Entscheidend ist: Adaptivität darf nicht selbst zur Black Box werden. In sicherheits- und qualitätskritischen Umgebungen müssen Interfaces transparent und kontrollierbar bleiben. Das Ziel ist nicht die Ablösung menschlichen Urteils, ­sondern dessen Stärkung – durch intelligente, kontextuelle Entscheidungsunterstützung.

Rolle im Loop neu gestalten
Markus Murtinger, Deputy Head of AIT ­Center for Technology Experience, fasst abschließend zusammen: „Die Zukunft der industriellen Automatisierung liegt nicht darin, den Menschen aus dem System zu entfernen. Sie liegt darin, seine Rolle im Loop neu zu gestalten: als Entscheider in Ausnahmesituationen, als Supervisor autonomer Prozesse, als Korrektiv bei unvorhergesehenen Entwicklungen – und als kollaborativer Partner intelligenter Maschinen. Genau hier liegt der Beitrag angewandter ­Forschung: nicht in der Entwicklung noch ­leistungsfähigerer Maschinen allein, sondern in der Gestaltung jener Human-Machine Interfaces, an denen Maschinenleistung, KI und menschliches Urteil zu industriellem Mehrwert werden.“ (RNF)