Der Einzug künstlicher Intelligenz und maschinellen Lernens in unseren Alltag
Regelungstechniker und Mathematiker der TU Chemnitz kooperieren in einem bundesweiten Forschungskonsortium, das Mobilitätsanwendungen optimieren und nachhaltig gestalten will
Künstliche Intelligenz (KI) und maschinelles Lernen nehmen heute eine wachsende Rolle in industriellen Prozessen ein. „Die technologischen Möglichkeiten zur Datenerfassung und der Extraktion nützlicher Informationen daraus eröffnen spannende Anknüpfungspunkte für unterschiedlicher Forschungsbestrebungen, deren Ergebnisse die zukünftige Industrie als auch das gesellschaftliche Empfinden signifikant prägen werden“, sagt Prof. Dr. Stefan Streif, Inhaber der Professur Regelungstechnik und Systemdynamik der Technischen Universität Chemnitz. Deshalb beteiligten sich seine Professur gemeinsam mit der Professur Numerische Mathematik (Inhaber: Prof. Dr. Oliver Ernst) an einer sehr kompetitiven Ausschreibung des Bundesministeriums für Bildung und Forschung (BMBF) auf dem Gebiet „Mathematik für Innovationen“ – und das mit Erfolg.
KI-basierte Methoden für das autonome Fahren
Innerhalb eines bundesweiten Konsortiums von Forschungseinrichtungen und Industriepartnern arbeiten sie nun bis März 2023 an der „Synthese optimaler Regelungen und adaptiver Neuronaler Netze für Mobilitätsanwendungen“ (kurz SOPRANN). In dem vom Bundesministerium für Bildung und Forschung mit 1,2 Millionen Euro geförderten Projekt stehen datengetriebene Steuerungs- und Regelungssysteme in der Mobilität im Mittelpunkt. Insbesondere deren Ressourceneffizienz, Nachhaltigkeit und Sicherheit soll verbessert werden. „Unter anderem wird der Bereich des autonomen Fahrens aufgegriffen, für welchen KI-basierte Methoden eingesetzt und deren Konfiguration und Nutzung hinsichtlich mathematisch definierter Kriterien, wie zum Beispiel der Optimalität, untersucht wird“, erläutert Ernst. Zum Forschungskonsortium gehören außerdem die Universität der Bundeswehr München, das Fraunhofer-Institut für Techno- und Wirtschaftsmathematik Kaiserslautern sowie die Industriepartner Vitesco Technologies GmbH, Limbach-Oberfrohna, Hörmann Vehicle Engineering, Chemnitz, Smart Rail Connectivity Campus, Annaberg-Buchholz, IAV GmbH, Gaimersheim, sowie Daimler Trucks, Wörth am Rhein.
Von der Evaluierung von Optimalitätskriterien bis zur Quantifizierung der Unsicherheit
Die Chemnitzer werden bei der Entwicklung adaptiver Trainingsverfahren und der Evaluierung assoziierter Optimalitätskriterien mitwirken. Dabei wird die Analyse approximationsbasierter Optimalsteuerungs- und Lern-Algorithmen, eine der Kernkompetenzen der Professur Regelungstechnik und Systemdynamik, wesentlich beitragen. Approximationsstrukturen, wie z. B. Neuronale Netze, bilden dabei die Basis des SOPRANN-Projektes. Der Hauptforschungsgegenstand der Professur für Numerische Mathematik liegt in der Erarbeitung eines Konzepts zur Quantifizierung der Unsicherheit solcher Modelle sowie die Entwicklung und Bewertung neuartiger Lösungsansätze.
Nützliche Daten für KI-basierte lernende Algorithmen
Hauptziel des bundesweiten Forschungskonsortiums ist zudem die kontinuierliche Erfassung und Verwendung von Daten durch KI-basierte lernende Algorithmen, welche von den Projektpartnern ein- und umgesetzt werden. „Um eine Berücksichtigung von Sicherheitsaspekten zu garantieren, sind zudem zuverlässige Unsicherheitsquantifizierung und eine Einhaltung von klar definierten Sicherheitszertifikaten unerlässlich“, so Ernst. Die praxisorientierte Anpassung dieser Zertifikate im Zusammenspiel mit der anwendungsspezifischen Auslegung neuronaler Netze verkörpert einen aussichtsreichen Ansatz, dem die Forscherinnen und Forscher nachgehen. „Die Verwendung der erfassten Daten und deren Inklusion in lernende Algorithmen birgt zahlreiche Vorteile für eine sich stetig verändernde Gesellschaft und damit verbundenen wachsenden infrastrukturellen Anforderungen und etabliert KI zudem als unausweichliches Element zukünftiger Technologien“, fügt Streif hinzu.
Weitere Informationen erteilen Prof. Dr. Stefan Streif, Telefon 0371 531-31899, E-Mail stefan.streif@etit.tu-chemnitz.de, und Prof. Dr. Oliver Ernst, Telefon 0371 531-33742, E-Mail oernst@math.tu-chemnitz.de.
Mario Steinebach
12.06.2020