Konzept für die Anwendung von KI in sicherheitsbezogenen Applikationen

Bild: TSU – Verein für Technische Sicherheit e.V.

Der Verein für Technische Sicherheit und Umweltschutz (TSU) hat ein Konzept für die Anwendung von KI in sicherheitsbezogenen Applikationen der industriellen Automatisierungstechnik entwickelt. Seine Ausgestaltung soll Diskussionen bei Herstellern, Betreibern und Normengebern anregen, um eine vorhersehbare Entwicklung rechtzeitig hinsichtlich allseitiger Akzeptanz beeinflussen zu können. Der Grundgedanke des Konzeptes beruht auf einer Kombination von KI und herkömmlichen Methoden. Für z.B. zweikanalig ausgeführte Sicherheitsfunktionen wird dem in herkömmlicher Art ausgeführten Kanal ein zweiter Kanal als diversitäre Redundanz in Form eines KNN hinzugefügt. Der herkömmlich ausgeführte Kanal arbeitet nach dem Wenn-Dann-Prinzip. Das KNN arbeitet nach einem völlig anderen Prinzip. Es setzt die aktuellen Betriebsdaten mit den durch das Trainingsverfahren erlernten

Daten in Beziehung zueinander und stellt ihre Übereinstimmung bzw. Nichtübereinstimmung fest. Nichtübereinstimmungen bewirken den Übergang in einen sicheren Anlagen-/Prozesszustand.

„Die mit diesem Konzept realisierbare diversitäre Ausführung von Sicherheitsfunktionen kann das Procedere zum Nachweis der erforderlichen Sicherheitsintegrität positiv beeinflussen.“ so Prof. Dr.-Ing. Alfred Gerlach, Leiter Sicherheitssysteme bei TSU. Als spezielles Anwendungsbeispiel hat TSU die Sicherheitsfunktion „kontinuierliche Geschwindigkeitsüberwachung“ einer Fördermaschine im Bereich des untertägigen Bergbaus nach dem vorgestellten Konzept entwickelt. Sie hat zur Aufgabe, bei Geschwindigkeitsüberschreitungen die Fördereinrichtung in den sicheren Zustand zu überführen. Der KI-Teil der Sicherheitsfunktion wurde mit einem KNN realisiert und unter Laborbedingungen erfolgreich getestet. „Die Aufmerksamkeit für unsere Lösung ist bei Produktionsbetrieben ebenso wie bei Systemanbietern sicherheitlicher Automatisierung spürbar. Auch aus den Sachverständigenorganisationen ist großes Interesse erkennbar. Angesichts dieses Potenzials werden wir die Entwicklung intensiv fortführen.“ so Prof. Dr.- Ing. Günther Apel, 1. Vorsitzender des TSU e.V.

Thematik: Newsarchiv
| News
TSU - Verein für Technische Sicherheit

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