Forschungsprojekt zum automatisierten Fahren

Gemeinsam mit zwei anderen Universitäten und dem Technologieunternehmen Continental forscht die Universität Bremen zum automatisierten Fahren. In dem Projekt Proreta geht es um das Erkennen komplexer Verkehrssituationen in Innenstädten, eine der anspruchsvollsten Aufgaben für den Einsatz von Künstlicher Intelligenz im Fahrzeug. An der Universität Bremen ist die Arbeitsgruppe Kognitive Neuroinformatik daran beteiligt.

Mithilfe von Algorithmen soll die KI relevante Objekte im Innenstadtverkehr interpretieren.
Mithilfe von Algorithmen soll die KI relevante Objekte im Innenstadtverkehr interpretieren.Bild: Continental

Ziel der bereits fünften Auflage des Proreta-Forschungsprojektes, das bis 2022 dauern soll, ist die Entwicklung von Algorithmen. Sie sollen aus Sensordaten richtige, mit dem Menschen vergleichbare Fahrentscheidungen ableiten. Bei einer ungeregelten Kreuzung z.B. ist es eine Herausforderung, alle für die geplante Fahrtrichtung relevanten Objekte zu interpretieren. Es geht um deren Bewegungsrichtung, Intention und den Vorrang im Verkehr. Ohne menschliches Zutun soll die künstliche Intelligenz (KI) sichere Entscheidungen treffen können. Der große Vorteil der KI liegt darin, dass sie nach einer Trainingsphase in der Lage ist, aufgrund des Erlernten auch in unbekannten Situationen die richtigen Schlüsse zu ziehen. Ein Teilbereich des Projektes wird es sein, die menschlichen Fahrerinnen und Fahrer dabei zu beobachten, wie sie selbst die Komplexität der Umgebung reduzieren und bewerten. Die lernfähigen Algorithmen sollen nach ähnlichen Prinzipien trainiert werden.

Umgebungserkennung als spezielle Expertise

An der Universität Bremen ist die Arbeitsgruppe für Kognitive Neuroinformatik unter Leitung von Professorin Kerstin Schill beteiligt. Sie fokussiert sich in dem Proreta-Projekt auf elementare kognitive Fähigkeiten wie die Eigenlokalisation, die Objekterkennung und Objektverfolgung. Die Arbeitsgruppe verfügt damit über spezielle Expertise im Bereich Umgebungserkennung durch Sensordatenfusion. Das sind alle Prozesse, die mit dem Wahrnehmen und Erkennen zusammenhängen. „Kognitive Fähigkeiten des Menschen auf die ‚Intelligenz‘ von Fahrzeugen zu übertragen, die damit komplexe Situationen besser handhaben können, ist in diesem Projekt die große Herausforderung“, sagt Professorin Kerstin Schill. Aktuell laufe in Bremen die erste Messkampagne zur Aufzeichnung von Trainingsdaten in dem Prototypfahrzeug.

Das könnte Sie auch Interessieren

Anzeige

Anzeige

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.

Anzeige

Anzeige

Anzeige