Mit der Bekanntmachung „Förderung von KI-Laboren und der Qualifizierung im Rahmen von Forschungsvorhaben im Gebiet Künstliche Intelligenz“ vom 02. April 2019 sollen 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. Die Förderbekanntmachung ist eingebettet in die nationale Strategie für Künstliche Intelligenz (KI). Mit der Umsetzung der Bekanntmachung werden die nachfolgenden Handlungsfelder der KI-Strategie adressiert: Stärkung der Forschung in Deutschland, Transfer in die Wirtschaft, Ausbildung stärken und Daten verfügbar machen. Gehirnforschung verbessert Transparenz künstlicher neuronaler Netze Der rasante Fortschritt bei Maschinellem Lernen, Künstlicher Intelligenz (KI), Neurowissenschaften sowie weiteren verwandten Feldern ebnet den Weg für die Realisierung komplexer, verteilter und intelligenter Systeme. Intelligente Anwendungen wie autonomes Fahren oder automatisierte Hautkrebsscreenings sind eingängig und können mit relativ geringen Mitteln prototypisch umgesetzt werden. Insbesondere beim autonomen Fahren zeigt sich aber, wie schwierig es ist, solche Anwendungen in den Alltagsbetrieb zu überführen. Die Anforderungen an Fehlertoleranz und Leistung des Gesamtsystems sind bei Systemen mit KI weitaus schwieriger zu erfüllen, als es die Prototypen vermuten lassen.
Das Projekt KISS erforscht neue Entwicklungswerkzeuge, um KI basierte Algorithmen der Signalverarbeitung zu verbessern und dann 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.
Die Verwertung der erzielten Ergebnisse soll einerseits über das Angebot von Schulungs- und Ausbildungsmaßnahmen sowie wissenschaftlichen Veröffentlichungen erfolgen. Andererseits sind F&E-Dienstleistungen und Lizenzierungen geplant, welche auf den entwickelten Methoden und Werkzeugen basieren. Die erzielten Ergebnisse aus der Forschung werden mittels universitärer Lehre und industrieller Weiterbildung an alle relevanten Interessenten weitergegeben. Dies umfasst einerseits die Generierung von Trainingsdaten, und andererseits die effiziente Umsetzung und Optimierung von Endsystemen, welche aus unterschiedlichen Recheneinheiten wie beispielsweise Grafikkarten oder programmierbaren Chips bestehen. Durch die Kombination von klassischen Verfahren mit Methoden des maschinellen Lernens wird einerseits die Anwendbarkeit erhöht und andererseits die Einstiegshürden für Industrieunternehmen gesenkt.
Fraunhofer IIS Abt. Bewegtbildtechnologien
Am Wolfsmantel 33
91058 Erlangen
Sie sehen gerade einen Platzhalterinhalt von YouTube. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
Mehr Informationen