Im Testbetrieb funktionieren autonome Fahrzeuge heutzutage bereits recht gut, denn die Einsatzbedingungen sind klar vorgeben und damit einfach zu beherrschen. Ein zentrales Problem besteht jedoch darin, autonome Fahrzeuge so zu konstruieren, dass sie auch in komplexen und bislang unbekannten Situationen zuverlässig funktionieren. Eine von Fraunhofer IKS entwickelte Lösung hilft dabei, derartige Ausnahmesituationen zu identifizieren und vorherzusagen.

Herkömmliche Schutzeinrichtungen für Menschen in der industriellen Fertigung gehen regelmäßig auf Kosten der Effizienz. Kognitive Produktionssysteme, die Ansätze von adaptive safety verfolgen, sorgen für Sicherheit und reduzieren Einschränkungen der Produktion deutlich.

70 Jahre Fraunhofer: Dieses Jubiläum im Jahr 2019 war der passende Anlass, 70 Köpfe aus der Fraunhofer-Gesellschaft vorzustellen – darunter den geschäftsführenden Institutsleiter des Fraunhofer IKS Mario Trapp.

Bei autonomen Systemen oder in der Medizintechnik ist es nötig, die Unsicherheit von Verfahren des Machine Learning (ML) zuverlässig zu bestimmen. Deswegen vergleichen wir vier State-of-the-art-Methoden für die Quantifizierung der Unsicherheit tiefer neuronaler Netze (Deep Neural Network, DNN) im Kontext sicherheitskritischer Systeme – damit die KI lernt, wann Zweifel angebracht sind.

»Künstliche Intelligenz: Wie Roboterautos unfallfrei fahren.« Das ist der Titel des Vortrags von apl. Prof. Dr. habil. Mario Trapp, geschäftsführender Institutsleiter des Fraunhofer IKS, bei »Campus Talks« auf ARD-alpha. Den Beitrag können Sie hier auf unserem Blog sehen und natürlich bei »Campus Talks«.

Fehler in autonomen Fahrzeugen gefährden Menschen und können schnell zu Unfällen mit schweren Verletzungen und sogar zu Verkehrstoten führen. Entsprechend müssen gerade auch für Kognitive Systeme und die darin enthaltene Künstliche Intelligenz (KI) stringente Sicherheitsnachweise erbracht werden.

Auszeichnung für vier Forscher des Fraunhofer-Instituts für Kognitive Systeme IKS: Ihr Beitrag zur Messung von Uncertainties in Deep Neural Networks hat den Best Paper Award des Workshops SafeAI 2020 in New York gewonnen. Verliehen wurde der Preis vom anwesenden Fachpublikum.

Dr. Petra Steffens, Leiterin des Innovationsprogramms »Kognitive Systeme« am Fraunhofer IKS, spricht im Interview über das Vorgehen und die Ziele beim Aufbau des Instituts.

Gute Forschung profitiert von Diversität und vielfältigen Ideen – deshalb sollte die Forschungsgemeinde die Realität der Gesellschaft widerspiegeln. Das Fraunhofer IKS setzt sich daher für ein ausgeglichenes Geschlechterverhältnis in der Wissenschaft ein.

Komplexe Verfahren des Machine Learning (ML) stellen Forscherinnen und Forscher vor ein Problem: Das Ausschließen von Fehlern vor der Inbetriebnahme autonomer Systeme sowie die zuverlässige Erkennung von Fehlern zur Laufzeit sind aufwendig und anspruchsvoll. Dies schränkt aktuell den Einsatz von Machine Learning in sicherheitskritischen Systemen deutlich ein und erfordert neue Ansätze, um zukünftig auch in diesen Bereichen von den Vorteilen, die ML bietet, profitieren zu können.