Seit vergangenem Jahr diskutieren Unternehmen und Verbände das Thema Resilienz in der industriellen Fertigung. Ziel ist es, Produktionsausfälle deutlich zu reduzieren. Aber: Hält Resilienz, was sie verspricht? Und was steckt eigentlich hinter dem Konzept Resilienz in der Produktion? Fünf Antworten auf fünf entscheidende Fragen!

Was machen KI-Forscherinnen und Forscher eigentlich in ihrem Labor? Wir nehmen Sie mit in unser Living Lab und zeigen Ihnen, wie die angewandte Forschung an sicheren Kognitiven Systemen aussieht.

Einen neuen Middleware-Ansatz für autonome Systeme verfolgt die ROS2-Plattform (Robot Operating System 2). Ein Überblick über Architektur, Funktionen und Vorteile.

Beendet das autonome Fahren die Parkplatzsuche? Und weshalb können selbstfahrende Autos nicht in die Waschanlage fahren? In Teil 2 unserer Faktensammlung finden Sie Informationen von N wie Navigation bis Z wie Zug.

In der Welt der Zukunft wird man auf weit verbreitete, massiv vernetzte, hochintelligente Systeme bauen. Um diese Vision zu verwirklichen, brauchen wir zuverlässige cloudbasierte cyber-physische Systeme. Die Forschung in dieser Richtung stößt auf ebenso viele Chancen wie Herausforderungen. Derartige Systeme existieren in sich verändernden Umgebungen und interagieren mit anderen Systemen und Menschen, wofür Intelligenz, Autonomie, Sicherheit und Anpassungsfähigkeit erforderlich sind – also eigentlich widersprüchliche Ziele. Ein Beispiel hierfür ist das autonome Fahren.

Auch das Fraunhofer IKS leistet seinen Beitrag zum Kampf gegen die Corona-Pandemie. In einem mehrstufigen Wettbewerb innovativer Ideen, samt agiler Methoden und teamübergreifender Zusammenarbeit, kristallisierten sich drei erfolgversprechende Lösungsansätze heraus. Am Ende hieß der Gewinner »Dr. Pocket«.

Ob immer intelligentere vernetzte Fahrzeuge und Industrieanlagen oder autonome Roboter: Die Nachfrage nach neuen und komplexeren Anwendungen wächst ständig. Die Auslagerung in die Cloud oder in näher gelegene EDGE-Knoten verspricht mehr Funktionen und Flexibilität. In diesem Artikel behandeln wir Lösungsansätze für Herausforderungen, die das mit sich bringt.

Maschinelles Lernen stellt eine enorme Herausforderung in punkto Sicherheit (Safety) dar. Ohne ein tragfähiges Konzept zur Absicherung kommen viele hervorragende Ideen erst gar nicht auf den Markt. Es ist daher nicht überraschend, dass KI-Sicherheit in den letzten Monaten viel mehr Aufmerksamkeit gewidmet wird. In einer kurzen Artikelreihe legen wir daher das Augenmerk auf die Bedeutung der Sicherheit für Künstliche Intelligenz. Der erste Artikel konzentriert sich dabei auf etwas ganz Grundsätzliches: Was bedeutet Sicherheit eigentlich? Ein Punkt ist hier ganz wichtig: sichere KI hat weniger mit KI selbst als vielmehr mit Safety Engineering zu tun.

Erst der Einsatz von Machine-Learning, insbesondere von Deep Learning, ermöglicht viele hochkomplexe Anwendungen, wie etwa das autonome Fahren. Was die Absicherung solcher Systeme betrifft, gilt es aber auch, neue Herausforderungen zu meistern. Ein Überblick.

Wie werden fahrerlose Transportfahrzeuge in der Industrie eingesetzt, und was hat Homer Simpson mit einem automatisierten Truck zu tun? In diesem Blogbeitrag haben wir interessante Fakten zum autonomen Fahren zusammengestellt. In Teil 1 finden Sie Informationen von A wie Agrarwirtschaft bis M wie maschinelle Wahrnehmung.