Dealing with uncertainties of Machine Learning components (Part 1)

The use of Machine Learning (ML) components in safety-critical or financially critical systems is challenging. At Fraunhofer IESE, we address this challenge by systematically engineering comprehensive multi-layered safety concepts and explicitly considering sources of uncertainties. This specifically includes situations at…

Datenqualität und Kausalität bei auf Machine Learning basierender Software

Eine gute Datenqualität ist entscheidend für die Zuverlässigkeit von Systemen, die auf Machine Learning und Künstlicher Intelligenz basieren. Data Scientists verbringen daher die meiste Zeit damit, Daten vorzubereiten und Probleme mit der Datenqualität zu lösen. In diesem Blogbeitrag erläutert unser…

FERAL testbed: Implementation of an infotainment system for validation and testing

The evolution of vehicle infotainment systems has dramatically enhanced the driving experience. This is achieved by incorporating advanced functionalities such as navigation, multimedia, and connectivity options. Therefore, meticulous testing is crucial to ensure the reliability and functionality of these sophisticated…

Nachhaltigkeit im Gesundheitswesen: Digitale Transformation als Chance

Nachhaltigkeit ist kein Luxus mehr, sondern eine Notwendigkeit – auch im Gesundheitswesen. Doch wie nachhaltig ist das deutsche Gesundheitswesen, und welche Rolle spielen digitale Technologien in diesem Kontext? Nachhaltigkeit lässt sich in drei Hauptkategorien einteilen: ökonomische, soziale und ökologische Nachhaltigkeit….

Interoperability in data spaces: then, now, and next

The topic of data spaces has gained increased traction in Europe and beyond. In this blog post, we will talk in a compact way about the history of the concept, its current definition, and the significant challenges that lie ahead…

Advancing Automotive Development & Testing with the FERAL Driving Simulator

Development and testing of Advanced Driver Assistance Systems (ADAS) and autonomous driving technologies are of paramount importance in the rapidly evolving automotive industry [1]. Therefore, in collaboration with our industrial partners aSR and CADFEM, we built a driving simulator that…

System safety with safeTbox, the STPA modeling tool

In today’s complex technological landscape, ensuring system safety is paramount. The Systems Theoretic Process Analysis (STPA) framework provides a structured approach for identifying and mitigating safety risks in intricate systems. At the forefront of this methodology is safeTbox, an STPA…

Plattformökonomie am Ende? Welchen Einfluss haben KI, Metaverse und Nachhaltigkeit auf digitale Geschäftsmodelle?

Viele Unternehmen nutzen die Chancen der Plattformökonomie, auch abseits der bekannten Beispiele wie »Uber«, »eBay« oder »Amazon Marketplace«. Erfolgreiche Digitale Ökosysteme, wie wir am Fraunhofer IESE die konkreten Unternehmungen der Plattformökonomie nennen, finden sich außer im Silicon Valley ebenso in…

Die Cartooneering-Methode – Szenarien erstellen mithilfe von Comics

Im vorherigen Beitrag wurde die Herausforderung beschrieben, in komplexen Softwareprodukten zu einer gemeinsamen Produktvision zu kommen, die für alle Stakeholder stimmige Szenarien enthält. Hierfür haben wir »Cartooneering« entwickelt, eine Kombination aus Proto-Personas und einem Netzwerk von miteinander in Verbindung stehenden…

Wie funktionieren LLMs? Ein Blick ins Innere großer Sprachmodelle

In diesem Blogbeitrag erklären KI-Expertinnen und Experten, welche Komponenten zu LLMs (Large Language Models, deutsch: große Sprachmodelle) gehören. Die Funktionsweise eines LLMs: 4 Schritte bis zum Ergebnis Große Sprachmodelle, wie wir sie heute kennen, sind nur die Spitze des Eisbergs….