M. Sc.
Wissenschaftlicher Mitarbeiter
Andreas Kreutz hat an der Technischen Universität München Informatik studiert. Nach seinem Abschluss ist er seit 2020 beim Fraunhofer-Institut für Kognitive Systeme IKS tätig. Dort forscht er an der Frage, wie auch unsichere Informationen als Entscheidungsgrundlage in autonomen Systemen verwendet werden können. Für seine Promotion beschäftigt er sich dabei im Speziellen mit der Modellierung von Unsicherheit und der aktiven Unsicherheitsreduktion zur Laufzeit.
von Andreas Kreutz
Die Erweiterung von etablierten Automatisierungssystemen für neuartige Anwendungen soll den Weg ebnen zur Automatisierung der Zukunft. Das Fraunhofer IKS erforscht, wie der Wandel dorthin im Einzelnen aussieht. Welche Rolle Prototypen dabei spielen und welche Erkenntnisse sie liefern, lesen Sie in diesem Beitrag.
Nicht behandelte Unsicherheiten in autonomen Systemen beeinträchtigen deren Funktionsfähigkeit und können zu einem Sicherheitsrisiko werden. In Teil 1 der Reihe zum Thema Unsicherheit stand ein Klassifizierungssystem für Unsicherheit im Mittelpunkt. In Teil 2 präsentieren wir konkrete Quellen der Unsicherheit, wie sie in der wissenschaftlichen Literatur diskutiert werden.
Unsicherheit ist ein häufig betrachtetes Problem von Kognitiven Systemen, gerade bei der Umwelterfassung mit Hilfe von Machine Learning. Aber nicht nur Sensorik gilt als eine Quelle für Unsicherheit. Viele Entscheidungen im Lebenszyklus eines hochkomplexen Systems sind anfällig für unsicheres Wissen. Teil 1 unserer Reihe zum Thema Unsicherheit befasst sich mit dem aktuellen Stand der Technik.
