KI für Ingenieure beherrschbar machen

Künstliche Intelligenz (KI) steckt in Smartphones, Suchmaschinen oder Navigationsgeräten und erleichtert so den Alltag. Auch im Ingenieurwesen gibt es große Potenziale für deren Einsatz, wie in smarten Fabriken oder autonomen Fahrzeugen. Allerdings fehlt es an Verfahren, die das Verhalten der Systeme planbar und ihre Entscheidungen nachvollziehbar machen. Abhilfe schaffen soll das 'Kompetenzzentrum für KI-Engineering' (CC-King) unter Federführung des Fraunhofer-Instituts für Optronik, Systemtechnik und Bildauswertung IOSB mit Beteiligung des Karlsruher Instituts für Technologie (KIT) und des FZI Forschungszentrums Informatik.

„Herausforderungen gibt es bei KI- oder ML-basierten Systemen z.B. bei der Plausibilität und der Flexibilität“, sagt Michael Beigl, Professor für Pervasive Computing am KIT. Auch müsse die Nachvollziehbarkeit von Entscheidungen von KI-Systemen verbessert werden, so der Smart-Data-Experte, der die KIT-Aktivitäten innerhalb von CC-King koordiniert. Ein weiteres Forschungsthema sei die Integration von KI-Verfahren und KI-Systemen wie das Smart Data Innovation Lab (SDIL) mit existierenden Modellen, Simulatoren und Expertenwissen aus den Ingenieursdisziplinen.

Dazu gehören etwa das Vorgehensmodell beim KI-Engineering, Assistenzfunktionen zur Wissenserfassung und Optimierung von KI-Komponenten oder die Anwendung von KI- und ML-Verfahren bei beschränkten Ressourcen. Das FZI Forschungszentrum Informatik leitet dieses Arbeitspaket sowie die Anwendungsdomäne „Mobilität“ des Kompetenzzentrums. Darüber hinaus bringt das FZI als Einrichtung für praxisnahen Wissens- und Technologietransfer seine Kompetenz im Bereich der Mobilitätsforschung und der Künstlichen Intelligenz ein, insbesondere zu eingebetteter KI sowie KI-Methoden. Zur Erforschung und Demonstration der im Kompetenzzentrum umzusetzenden KI-Verfahren kann sowohl auf Infrastrukturen des Testfeldes Autonomes Fahren Baden-Württemberg als auch auf die Infrastrukturen des FZI House of Living Labs zurückgegriffen werden.

Seiten: 1 2Auf einer Seite lesen

Karlsruher Institut für Technologie

Das könnte Sie auch Interessieren

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.