INNOVATIVE INDUSTRIE
2
Sogenannte selbstorganisierende
Karten veranschaulichen das
Verhalten eines Fertigungsprozesses:
Den Tälern entsprechen
abgrenzbare Zustände. Erzeugt
werden diese Karten von einem
neuronalen Netz mittels eines
unüberwachten Lernvorgangs
auf Basis von Sensordaten, ohne
dass eine Modellvorstellung des
Prozesses einfl ießt.
MÄRZ 2021 | INNOVATIONS • NEW BUSINESS 103
Fotos: Adobe Stock/sdecoret (1), Fraunhofer IOSB (2)
hofer-Institut für Optronik, Systemtechnik und Bildauswertung
IOSB (Federführung), das FZI Forschungszentrum Informatik
und das Karlsruher Institut für Technologie (KIT) forschen in
engem Kontakt mit Unternehmen an grundlegenden Fragen,
praxistauglichen Methoden und konkreten Anwendungsproblemen.
KLASSISCHES ENGINEERING IST KALKULIERBAR
Klassisches Engineering zeichnet sich durch Planbarkeit aus:
Entwickler wissen schon in der Entwurfsphase, wie sich die
einzelnen Komponenten und damit auch das Gesamtsystem
später einmal verhalten werden. Systeme mit KI- oder MLBestandteilen
sind nicht so vorhersehbar; datengetrieben entwickeln
sie sich während ihrer Laufzeit weiter und entfalten
erst im Betrieb ihre nale Funktionalität. Für die sichere Beherrschung
von Ausnahmesituationen ist dies eine große Herausforderung.
Und auch der wirtschaftliche Nutzen ist vorab
kaum bezifferbar. Ohne die Kalkulierbarkeit des klassischen
Engineerings gestaltet sich der Einsatz intelligenter Systeme
für Unternehmen deshalb schwierig.
Diese (Un-)Vorhersehbarkeit des Verhaltens lernender Systeme
ist ein zentrales Thema des KI-Engineering. „KI-Engineering
hat zum Ziel, KI und ML ingenieursmäßig nutzbar zu machen,
vergleichbar dem klassischen Engineering. Es handelt sich
dabei um eine ganz junge Disziplin, die die Brücke schlägt
zwischen KI-Grundlagenforschung und Ingenieurswissenschaften“,
sagt Prof. Jürgen Beyerer, wissenschaftlicher Direktor
des Kompetenzzentrums, Institutsleiter des Fraunhofer
IOSB und Professor am KIT. Neben der Vorhersehbarkeit stehen
dabei etwa auch die Sicherheit KI-basierter Systeme, die Erklärbarkeit
von Entscheidungen oder die Einbindung von
Vor- und Expertenwissen in datengetriebene Ansätze im Fokus
der Forschenden, erklärt Beyerer. Ziel sei, ein Standard-Vorgehensmodell
für KI-Engineering zu entwickeln, das KI-Technologien
auch für große und heterogene Teams zielsicher einsetzbar
mache. „Als Technologieregion mit langer Tradition
sowohl in den Ingenieurswissenschaften als auch in der Informatik
bietet der Standort Karlsruhe optimale Voraussetzungen
für das Kompetenzzentrum“, betont Beyerer. Mit dem Testfeld
Autonomes Fahren Baden-Württemberg und der gerade ent-