ThinKIsense
Ressourceneffiziente Thin-Edge-Systeme durch integrierte KI und neuromorphe Elektronik in Sensoren
Start: 07.2019
Ende: 06.2022
Ein autonomes Fahrzeug muss seine Umwelt wahrnehmen und adäquat auf sie reagieren können. Eine fehlerfreie und zuverlässige Umfelderkennung ist eine Grundvoraussetzung um autonome Fahrfunktionen im täglichen Verkehr umzusetzen. Das autonome Fahrzeug muss alle relevanten Verkehrsteilnehmenden korrekt erkennen und klassifizieren können. Das gilt insbesondere in komplexen urbanen Verkehrssituationen. Hier kommen zunehmend Methoden der Künstlichen Intelligenz (KI) zum Einsatz. Solche auf maschinellem Lernen beruhenden KI-Funktionsmodule werden damit zu Schlüsseltechnologien.
Werden diese Technologien in hochautomatisierte Fahrzeuge integriert, gilt es, die gewohnte funktionale Sicherheit bisheriger Systeme zu gewährleisten – ohne dass die Person hinter dem Steuer notfalls die Fahraufgabe übernehmen muss. Existierende und etablierte Absicherungsprozesse lassen sich jedoch nicht ohne Weiteres auf maschinelle Lernverfahren übertragen.
Wir nehmen uns dieser Herausforderung an. Das Projekt KI Absicherung erarbeitet exemplarisch eine stringente und nachweisbare Argumentationskette für die Absicherung und Freigabe von KI-Funktionsmodulen im Kontext des hochautomatisierten Fahrens.
Dafür wird im Projekt eine Prozesskette mit offenen standardisierten Schnittstellen zur Erzeugung hochwertiger und reproduzierbarer synthetischer Trainings- und Testdatensätze erzeugt. Weiterhin werden KI-Algorithmen zur Fußgängererkennung programmiert und vorwiegend mit diesen erzeugten synthetischen Daten trainiert und getestet. Dadurch können beispielhaft Methoden und Maßnahmen entwickelt werden, die geeignet sind, die Argumentationskette zur prinzipiellen Absicherung mit messbaren Leistungs- und Sicherheitsmaßen für KI-Funktionsmodule zu untermauern. Mithilfe der im Projekt gewonnenen Erkenntnisse soll im Dialog mit Standardisierungsgremien und Zertifizierungsstellen die Grundlage für einen Industriekonsens zur Absicherung solcher KI-Funktionsmodule gelegt werden.
KI Absicherung ist ein Projekt der KI Familie und wurde aus der VDA Leitinitative autonomes und vernetztes Fahren heraus entwickelt.
In diesem Forschungsschwerpunkt liegt das Hauptaugenmerk für das FZI auf den Themen Künstlicher Intelligenz (KI) und Mensch und KI-Engineering. Zudem beschäftigt sich das FZI mit Fragestellungen zu dedizierter Hardware für KI sowie KI zur Prädiktion.
Förderhinweis:
Das Projekt KI Absicherung wird vom Bundesministerium für Wirtschaft und Klimaschutz gefördert.
Projektpartner:
Ressourceneffiziente Thin-Edge-Systeme durch integrierte KI und neuromorphe Elektronik in Sensoren
Die Herausforderungen durch den Klimawandel aktiv angehen und als Chance für die deutsche Wirtschaft nutzen.
Zwischen Autonomie und Überwachung – Arbeitnehmer*innen-orientierter Einsatz von People Analytics in Präsenz- und Fernarbeit
Multifunktionaler Serviceroboter zur Unterstützung professioneller Pflege in Krankenhäusern
Mehr Sicherheit durch kontinuierliches Monitoring von Sicherheitsvorfällen autonom agierender Fahrzeuge
Dynamisches Demand-Response-System für eine nachhaltige Fertigung durch informationstechnische Vernetzung zur effizienten Energienutzung, -vermarktung und -erzeugung
Das House of Participation stellt die digitalen Bürger*innenbeteiligung in den Mittelpunkt.
Logistikkonzept sowie IKT-Plattform für einen zukünftigen Gütertransport in Straßenbahn- und Stadtbahnwagen
Smarte Energieversorgung im Karlsruher Osten: Ein Leuchtturmprojekt der TechnologieRegion Karlsruhe
Verfahren der Künstlichen Intelligenz für die Optimierung der Glasfasernetze am Beispiel einer intelligenten Stadt
Künstliche Intelligenz zur selektiven echtzeitnahen Aufnahme von Szenarien- und Manöverdaten bei der Erprobung von hochautomatisierten Fahrzeugen
Vernetzte und automatisiert fahrende Mini-Busse für die letzte Meile von der Haltestelle bis zur Haustür
Simulationsgestützte, assistenzsystem-basierende Engineering- und Maintenance-Dienstleistungen für Lean Aftersales-Services
Entwicklung eines datensparsamen und datenschutzkonformen Smart-Care-Systems durch Einsatz neuromorpher Vision-Sensoren
Neue Methoden zur Zuverlässigkeitssteigerung von hochautomatisierten elektrischen Fahrzeugen
Needs, wants and behaviour of „Drivers“ and automated vehicles users today and into the future
Datenbasierte Regelung kollaborativer Wertschöpfungsnetzwerke mittels geschützter Transparenz