In der öffentlichen Debatte gibt es viele Mythen über autonomes Fahren und Sicherheit. Vier davon werden in diesem Blogpost aus einer US-Perspektive näher betrachtet.

Machine Learning (ML) gilt als Hoffnungsträger für die Automatisierung von Qualitätskontrollen in der Produktion, und das auch bei komplexen Anforderungen. Allerdings erfordern ML-Ansätze genügend große Datensätze, um das System zu trainieren, die häufig nicht zur Verfügung stehen. Die ML-Toolkette DEEP (Data Efficient Evaluation Platform) des Fraunhofer IKS schafft hier Abhilfe.

Autonomes Fahren funktioniert in exakt festgelegten Anwendungsbereichen recht gut. Wenn aber fahrerlose Autos quasi unvorbereitet in die „freie Wildbahn“ des täglichen Straßenverkehrs losgelassen werden, ergeben sich möglicherweise Schwierigkeiten, mit denen die Fahrzeuge nicht umgehen können. Drei Beispiele.

Qualiätsprüfung per Hand in der Produktion stößt schon heute an ihre Grenzen. Kann Künstliche Intelligenz (KI) hier einspringen? Die Lösungen des Fraunhofer IKS zeigen wie – und wie das auch mit wenig Daten funktioniert.

Künstliche Intelligenz (KI) ist ein allgegenwärtiges Thema, nicht zuletzt wegen des aktuellen Hypes um Large-Language-Modelle und Generativer KI zur Generierung von Text, Bild und Ton. Auch in der Industrie ist das Thema bereits angekommen.

Die Zeit von hohlen »Frauen-Power«-Phrasen ist vorbei. Denn daraus ist längst ein gesellschaftlicher Anspruch auf Chancengleichheit geworden, der deutlich formuliert, nachdrücklich eingefordert und vielfach gelebt wird – wenn auch mit unterschiedlichem Engagement. Wie es in der Wissenschaft und am Fraunhofer IKS aussieht, erläutert Jessica Kelly, die seit 2022 am Institut forscht.

Am Fraunhofer IKS arbeiten Forschungsteams, in denen Vielfalt gelebt wird. Die Forscherinnen und Forscher kommen aus 25 Ländern. Der Brasilianer Dr. Alexandre Sawczuk da Silva ist einer von ihnen. Im Interview schildert er seinen Weg in die Fraunhofer-Forschung.

Künstliche Intelligenz und vor allem LLMs gelten vielen als Hoffnungsträger für ein überfordertes Gesundheitssystem. Vor allem könnte KI-basierte Automation bei Aufgaben des Wissensmanagements schnell Entlastung bringen. Bis es so weit ist, müssen Probleme mit Security und Safety gelöst sowie rechtliche Anforderungen erfüllt werden. Die Forschung des Fraunhofer IKS nimmt sich beider Themen an.

Die industrielle Produktion befindet sich in einem radikalen Umbruch. Mit den fortschreitenden technologischen Möglichkeiten und dem gesellschaftlichen Wandel muss sich auch die Industrieautomatisierung neu erfinden, um sich geänderten Anforderungen und Herausforderungen zu stellen – Stichwort adaptive Produktion.

Maschinelles Lernen (ML) wird oft anhand von Metriken wie Accuracy, Precision, Recall, F1-Score etc. bewertet. Doch wie vertrauenswürdig sind diese einzelnen Werte wirklich? Diese Metriken geben nur einen Teil der Realität wieder und können ein falsches Gefühl der Sicherheit vermitteln. Besonders in sicherheitskritischen Bereichen kann das gefährlich werden. Das Fraunhofer IKS arbeitet an einem formalen Framework, mit dem sich die Unsicherheit quantifizieren lässt. Damit werden Restrisiken »berechenbarer«.