Einrichtung von KI-Laboren zur Qualifizierung im Rahmen von Forschungsvorhaben im Gebiet Künstliche Intelligenz
Eine Grundvoraussetzung für den erfolgreichen Einsatz von KI ist einerseits eine fundierte Aus- und Weiterbildung, die die verschiedenen Methoden umfassend vermittelt und anhand von praktischen Beispielen erfahrbar macht, und andererseits ein innovatives Set von Methoden des Software Engineering, das das Thema KI, im Sinne einer ganzheitlichen Lösung abseits der Soft- und Hardwareverifikation bzw. der Automatisierung, integriert, sowie die Verfügbarkeit von Testdatensätzen und Benchmarks. Es sollen mit der aktuellen Bekanntmachung Hochschulen und außeruniversitäre Forschungseinrichtungen durch die Schaffung von KI-Laboren befähigt werden, neue KI-Software-Engineering-Methoden zu erforschen und zu erproben, Testdatensätze zu erstellen und dabei zugleich die Aus- und Weiterbildung von Masterstudierenden und Anwendern aus der Wirtschaft voranzutreiben.
|
Agile-AI |
Agile Entwicklung von Systemen der Künstlichen Intelligenz Ziel des Vorhabens ist die Entwicklung von drei Teilkomponenten: 1) Entwicklung einer dedizierten Programmiersprache für Experimente, 2) Aufbau einer Cloud-Plattform zur Durchführung von Experimenten sowie 3) Einrichtung einer Suchmaschine für vorhandene Experimente.Die Programmiersprache für Experimente (Teilkomponente 1) trägt drei Innovationen zur Entwicklung von KI-Systemen bei: a) Abstraktion, b) Korrektheitsgarantien und c) Reproduzierbarkeit. Die Cloud-Plattform (Teilkomponente 2) dient der parallelen Verarbeitung von Experimentserien. Darüber hinaus erlaubt sie die Veranstaltung von Data-Science-Wettbewerben und stellt sicher, dass sensitive Daten nicht für Dritte zugänglich sind. Die Suchmaschine für Experimente (Teilkomponente 3) stellt sicher, dass Experimente nicht unnütz wiederholt werden und erlaubt erstmals die Suche und damit die Analyse von Experimentdaten, um Vorhersagen zu ermöglichen. Dieser bislang nicht verfügbare Technologiemix soll es Forschern und Entwicklern erleichtern, Experimentreihen zu planen, mit wenig Aufwand parallel auszuführen und mittels „Hypothesen-Triggern“ zu steuern. Damit beschleunigt Agile-AI die experimentgetriebene Entwicklung von KI-Systemen. Projektpartner: Ansprechpartner: |
|
AIA |
AI Arena - Ein realwissenschaftliches Forschungs- und Qualifizierungskonzept für die interdisziplinäre Kl-Forschung Ziel des Vorhabens „AIA“ ist daher die kollaborative Weiterentwicklung von autonomer (Schwarm-) Robotik mit Hilfe des Maschinellen Lernens. Dabei soll zum einen ein KI-Labor als Forschungs-umgebung für die Anwendung von Verfahren des Maschinellen Lernens für Schwärme autonomer Roboter zum Einsatz in der Industrie am Anwendungsbeispiel Logistik aufgebaut werden. Dieses soll im Rahmen eines Qualifizierungskonzepts Forschern und Studierenden zugänglich gemacht werden. Zum anderen soll eine Infrastruktur mit KI-Werkzeugen etabliert werden, die die Anwendung von ML-Algorithmen auf der ressourcenbeschränkten Hardware eines mobilen Roboters ermöglichen und einen einfachen autonomen Steuerungsprozess unabhängig von der Zielhardware befähigen. Die Infrastruktur soll insbesondere zu interdisziplinären kollaborativen Forschungszwecken genutzt werden, wie beispielsweise der Einsatz von Maschinellem Lernen auf mobilen Robotern, Roboter-Schwarmverhalten, Mensch-Technik-Interaktion sowie Verfügbarkeit und Kuratierung von Testdatensätzen. Zudem soll ein bereits vom Fraunhofer IML prototypisch entwickelten Code-Generator, welcher trainierte Modelle in verschiedene Sprachen übersetzt, weiterentwickelt und in das Projekt AIA eingebunden werden. Projektpartner: Ansprechpartner: |
|
AIMEE |
AI based Monitoring and Experimenting Evaluation Das Projekt AIMEE beschäftigt sich mit der Verarbeitung und Auswertung von heterogenen, hoch-volumigen Datensätzen aus dem Prüfstand. Im Ergebnis sollen damit die Lernenden (Studierende, DoktorandInnen und Berufstätige in Weiterbildungsmaßnahmen) anhand von praktischen Beispielen im KI-Labor die unterschiedlichen KI-Methoden mit umfangreichen und definierten Datensätzen studieren und anwenden können. Zudem eröffnet sich die für Lehre und Forschung hochinteressante und seltene Möglichkeit, neue Datensätze nach Belieben zu erstellen und die Randbedingungen der Datenerstellung, also der Messläufe und -struktur, den Erfordernissen der KI-Methoden und -Methodenentwicklung anzupassen. Mit AIMEE sollen Lernende nicht nur in die Lage versetzt werden, KI-Methoden systematisch und sicher in ihrem Berufsleben einzusetzen, sondern auch innovative Anwendungen selbst entwickeln können. Dies stärkt den Industrie- und Forschungsstandort Deutschland. Ansprechpartner: |
|
AISEL |
Artificial Intelligence Systems Engineering Laboratory Im Vorhaben AISEL sollen die Grundlagen für die Ausbildung in einem neuen Berufsfeld – dem KI System Ingenieur – geschaffen werden. Für die Ausbildung zum KI System Ingenieur ist ein systematischer Ansatz notwendig, der das Design, die Analyse, die Validierung und die Umsetzung komplexer intelligenter Systeme verbindet. Dieser Ansatz soll im Projekt entwickelt werden. Mit dem Vorhaben AISEL wird auch ein Labor für Systeme künstlicher Intelligenz mit Fokus auf den vollen KI Systems Engineering Ansatz etabliert. Schlagworte in diesem Kontext sind: Simulation, Bias-Vermeidung, erklärende KI-Komponenten, Optimierung von Netzwerkarchitekturen und Übertrag von Design Mustern aus den Neurowissenschaften. Die notwendige industrielle Relevanz erreicht das Labor durch die Bereitstellung von Anwendungen aus den Bereichen Mobilität und Logistik, autonomes Fahren, Videoüberwachungssysteme, Inspektion von Brücken, Finanzdaten, Medizin, Einzelhandel und Agrarwirtschaft. Zur Ausbildung der KI System Ingenieure von Morgen wird ein Praktikumsangebot auf Masterebene erarbeitet. Der Mehrwert des Labors für die Fachcommunity ist – neben den Lehrveranstaltungen – die Möglichkeit, in kurzer Zeit anschlussfähige Prototypen erstellen zu können sowie die Einbeziehung lokaler Start-Ups und etablierter Firmen aus dem Bereich KI. |
|
KI-LAB-ITSE |
KI-Labor für Methodik, Technik und Ausbildung in der IT-Systemtechnik zur Analyse, Planung und Konstruktion KI-basierter komplexer IT-Systeme Das KI-Labor des Hasso-Plattner-Instituts (HPI) legt seinen Schwerpunkt auf Themen der Planung, Entwicklung und Optimierung von KI-Anwendungen und KI-Systemen – hier steht die Informatik und insbesondere das Software Engineering vor großen Herausforderungen und einem grundlegenden Wandel.Das KI-Labor am HPI befasst sich zum Beispiel mit KI-geeigneten, ressourcen- und energieeffizienten Softwarearchitekturen, wichtigen KI-Verfahren wie Maschinelles Lernen und Deep Learning, Reasoning und Problem Solving, KI-spezifischem Datenmanagement und Wissensrepräsentation sowie KI-gestützter Bild- und Videoauswertung. Einen weiteren Schwerpunkt bilden KI-relevante Anwendungsgebiete wie beispielsweise Digital Health, Personalisierte Medizin, Genomics und Software-, Medien sowie Geodatenanalyse. Das Labor ist weiterhin maßgeblich in der Ausbildung an der Digital Engineering Fakultät der Universität Potsdam, beim Know-how-Transfer und beim Aufbau von KI-Kompetenzen aktiv. Neben den fachlichen Themen sind dies vor allem Fragen zum skalierbaren KI-Betrieb in IT-Infrastrukturen und zum Aufbau von Datenbeständen für Training und Test von KI-Verfahren einschließlich ethischer Rahmenbedingungen und Eigenschaften von KI-Algorithmen. Ansprechpartner: |
|
KI-Lernlabor |
Aufbau eines KI-Labors und der Qualifizierung im Rahmen von Forschungsvorhaben im Gebiet Künstliche Intelligenz für den deutschen Mittelstand Ziel dieses Forschungsvorhabens KI-Lernlabor ist die Etablierung eines KI-Weiterbildungszentrums. In diesem werden KMU konkret bei der Einführung, Umsetzung und dem Betrieb von KI-Anwendungen mit diversen Maßnahmen unterstützt. Kern des Weiterbildungszentrums sind verschiedene KI-Lernlabore. In diesen werden innovative und zukunftssichere Methoden zum KI-Software Engineering sowohl auf der Software- als auch auf der Hardwareseite erforscht und Test-Datensätze zur Erprobung und Validierung bereitgestellt. Ergänzend werden flankierende Weiterbildungsmaßnahmen in Form von Schulungen und Co-Working-Formaten für die Weiterbildung der Mitarbeitenden und den Know-how-Transfer in die Unternehmen konzipiert. Diese werden in das bestehende Data-Science-Weiterbildungs- und Zertifizierungsprogramm der Fraunhofer-Allianz Big Data AI eingebettet. Vorgeschaltet ist eine Bedarfsanalyse in den Unternehmen. Bereits während der Projektlaufzeit steht das KI-Weiterbildungszentrum den Unternehmen zur Entwicklung, zum Testen und zur Umsetzung von KI-Anwendungen zur Verfügung. Projektpartner: Ansprechpartner: |
|
KI-LiveS |
KI-Labor für verteilte und eingebettete Systeme Ziele der Forschungsarbeiten sind u. a. die Entwicklung von robusten Modellen für selbstadaptive und ressourceneffiziente differenzierbare Datenanalysealgorithmen mit dem Fokus auf Adaptivität und Effizienz sowie von anwendungsspezifischen dezentralen KI-Lösungen für ressourcenbeschränkte Geräte. Des Weiteren soll die iterative Entwicklung verteilter eingebetteter KI analog zu aktuellen Ansätzen für Server-basierte KI ermöglicht und KI-Methoden der Ontologie für den produktiven Unternehmenseinsatz erarbeitet werden. Projektpartner: Ansprechpartner: |
|
KI-LAB-Lübeck |
Aufbau einer Infrastruktur für sichere KI-basierte Systeme An der Universität wird ein KI-Labor mit leistungsfähiger und flexibler Hardware etabliert, welches frei verfügbare KI-Lösungen (Open-Source) integriert. Um KI erlebbar zu machen, wird im Projekt am autonomen Verhalten von Roboterschwärmen geforscht. Es werden mehrere Roboter angeschafft und für die KI-Experten und auch für die Studierenden im Rahmen der Aus- und Weiterbildung zur Verfügung gestellt. Die Roboter stellen einen interessanten Anwendungsfall für die Implementierung von KI-Lösungen auf verteilten, ressourcenbeschränkten Systemen dar. Außerdem werden die Datensätze für die KI-Systeme permanent durch die Sensorik der Roboter erweitert, womit das Forschungsthema „Kontinuierliches Lernen“, die Verbesserung des angelernten Verhaltens von KI-Systemen durch neue Daten während des Betriebs, zugänglich gemacht wird. Ansprechpartner: |
|
KISS |
KI-Labor Systemdesign für Maschinelles Lernen in Anwendungen der Signalverarbeitung Das Projekt KISS erforscht neue Entwicklungswerkzeuge, um KI-basierte Algorithmen der Signalverarbeitung zu verbessern und anschließend mit Hilfe von Computern zu realisieren. Die dadurch reduzierten Entwicklungszeiten versprechen verbesserte oder gar völlig neue Produkte und Dienstleistungen für die Mobilität, Kommunikation und Unterhaltung. Zur Erreichung dieser Ziele werden die anzuwendenden Algorithmen mit hohem Abstraktionsniveau in sogenannten semantischen Modellen modelliert, welche dann computerunterstützt vereinfacht und auf unterschiedliche Zielplattformen übertragen werden können. Außerdem werden Konzepte bereitgestellt, mit denen Trainingsdaten aus vorhandenen Datenpools und Simulationsumgebungen gewonnen werden können. Zur Sicherstellung der Praxistauglichkeit werden diese Methoden an unterschiedlichen Video-, Sprach- und Audioanwendungen getestet, wie z. B. der optischen Umfelderfassung oder der Verbesserung der akustischen Mensch-Maschine-Schnittstelle. Projektpartner: Ansprechpartner: |
|
MetaDL |
KI-Labor für Metaprogrammierung in Deep Learning Ziel des Vorhabens MetaDL ist es, neue Methoden zu entwickeln, so dass die Programme der KI-Anwendungen auf einer Vielzahl von solchen Systemen zum Laufen gebracht werden können. Dabei soll der Programmierer der KI-An-wendung sich nicht weiter um die Programmierung der speziellen Hardware küm-mern müssen. Projektpartner: Ansprechpartner: |
