In dem bilateralen Technologietransferprojekt wurde der »Uncertainty Wrapper« des Fraunhofer IESE gemeinsam mit der IAV GmbH auf eine bestehende KI-Komponente angewandt.
Letzte Änderung:
Zur effektiveren Bewältigung regelungstechnischer Aufgaben beinhalten IAV-Produktlösungen aus dem Bereich des Automotive Engineerings zunehmend Komponenten, die auf maschinellen Lernverfahren und Künstlicher Intelligenz (KI) beruhen. Solche Verfahren kommen insbesondere dann zum Einsatz, wenn Zusammenhänge im Voraus nicht vollständig spezifiziert werden können, sondern anhand von Daten erlernt werden müssen. Daher verbleibt auch nach intensiver Prüfung solcher Komponenten eine Restunsicherheit bezüglich des Auftretens fehlerhafter Ergebnisse in bestimmten Situationen.
Die am Fraunhofer IESE entwickelte »Uncertainty Wrapper«-Architektur und -Analysemethodik erlaubt es, diesen situationsspezifischen Grad an Unsicherheit zuverlässig abzuschätzen und legt damit eine verlässliche Grundlage für Entscheidungen zur Entwicklungszeit wie auch zur Laufzeit.
So lassen sich beispielsweise schon während der Entwicklung bestimmte Arten von Situationen mit erhöhter Unsicherheit identifizieren und durch konkrete Designentscheidungen mitigeren. Zur Laufzeit können verlässliche und zugleich situationsspezifische Unsicherheitsinformationen beispielsweise im Rahmen eines dynamischen Risikomanagements genutzt werden. So lässt sich etwaig eine höhere Performanz oder Verfügbarkeit der Normalfunktion erziehen, da in ihrer Absicherung nicht durchgängig auf Worst-Case Abschätzungen zurückgegriffen werden muss.
Die »Uncertainty-Wrapper«-Architektur adressiert hierbei alle drei Arten von Unsicherheitsquellen im entsprechenden Schalenmodell, d.h. Unsicherheitsfaktoren in Bezug auf das Modell, die Eingabe und den Anwendungskontext.
Das sagt Dr. Christian Kruschel, Teamleiter Data Science bei der IAV GmbH:
Im Rahmen eines bilateralen Technologietransferprojekts wurde die IESE-Methodik gemeinsam mit der IAV GmbH auf eine bestehende KI-Komponente angewandt. Entsprechendes Know-how wurde hierbei in einer Reihe von Workshops anhand kundenspezifischer Fragestellungen und vielen Hands-On Trainingsmöglichkeiten für die Teilnehmer erfolgreich in die industrielle Praxis transferiert.
Fraunhofer-Institut für Experimentelles Software Engineering IESE