Die Technische Universität Ilmenau hat sich in eine wegweisende Forschungsgruppe der Deutschen Forschungsgemeinschaft (DFG) integriert, die sich mit den Herausforderungen des maschinellen Lernens befasst. Ihr Ziel ist es, die Sicherheit, Leistungsfähigkeit und Dateneffizienz dieser Technologie zu steigern. Besonders im Fokus stehen komplexe Regelungssysteme sowie sicherheitskritische Anwendungen, die essentielle Bereiche wie elektrische Energiesysteme, autonomes Fahren und Robotik abdecken. Ilmenauer Mathematikprofessor Karl Worthmann wird die Schnittstelle zwischen maschinellem Lernen und mathematischer Präzision leiten.
Das Forschungsprojekt, welches von der Leibniz Universität Hannover koordiniert wird, hatte seinen Startpunkt Ende April mit einem internationalen Workshop. Für die nächsten vier Jahre werden knapp 3,5 Millionen Euro an Fördermitteln bereitgestellt, wovon 486.400 Euro direkt an die TU Ilmenau fließen. Diese Initiative unterstreicht die zentrale Rolle des maschinellen Lernens in der Entwicklung Künstlicher Intelligenz und die Grenzen, die herkömmliche Systeme hinsichtlich der Sicherheitsanforderungen im laufenden Betrieb erreichen.
Integration in die Industrie
Ein weiterer entscheidender Aspekt der aktuellen Entwicklungen ist die Integration von maschinellem Lernen in industrielle Anwendungen. Ein neu eingerichtetes Inhouse-Training mit dem Titel „Machine Learning für sicherheitskritische Anwendungen in der Industrie“ zielt darauf ab, spezifische Safety-Prinzipien zu berücksichtigen. Dies geschieht unter Berücksichtigung bestehender und zukünftiger Normen für Künstliche Intelligenz sowie industriespezifischer Standards.
Die Teilnehmer des Trainings lernen die Auswirkungen von maschinellem Lernen auf die funktionale Sicherheit kennen. Dazu gehören auch die Anwendung von Schlüsselkonzepten wie Robustheit, Verzerrung und Vorhersagegewissheit sowie die Entwicklung eines projektspezifischen Safety-Lebenszyklus. Ingenieure, die KI in Produktionsprozesse integrieren und Sicherheitsnachweise erbringen müssen, gehören zum Zielpublikum dieses Trainings. Das Programm bietet ein strukturiertes Rahmenwerk und ein umfassendes Toolkit für den sicheren Einsatz von maschinellem Lernen.
Technologische Grundlagen
Das fundamentale Element, das das maschinelle Lernen unterstützt, sind neuronale Netze, ein Teilbereich dieser Technologie. Neuronale Netze sind stark von den Verbindungen zwischen Nervenzellen im menschlichen Gehirn inspiriert. Diese künstlichen Netze bestehen aus mehreren Schichten von Datenknoten, die durch gewichtete Verbindungen miteinander verknüpft sind. Durch wiederholte Präsentation von Daten lernt das neuronale Netz, die Informationen effektiver zu klassifizieren.
Die Anpassung der Gewichtungen zwischen den Neuronen erfolgt kontinuierlich, sodass das erstellte Modell für unbekannte Daten anwendbar wird. Ein spezieller Typ neuronaler Netze sind die sogenannten „Deep Neural Networks“. Diese Netzwerke können Hunderttausende oder sogar Millionen von Neuronen-Schichten beinhalten, die eine Lösung immer komplexerer Probleme durch „Deep Learning“ ermöglichen. Ein kontinuierliches Training und die Anpassung der Verbindungen sind entscheidend für den Erfolg dieser Lernprozesse.
Zusammenfassend lässt sich sagen, dass die Technische Universität Ilmenau und ihre Partner durch innovative Ansätze und Trainingsprogramme maßgeblich zur Weiterentwicklung von maschinellem Lernen und dessen sicherer Anwendung in kritischen Bereichen beitragen.
Für weitere Informationen zur Forschungsgruppe der TU Ilmenau besuchen Sie tu-ilmenau.de. Detaillierte Insights zum Inhouse-Training finden Sie auf iks.fraunhofer.de und zusätzliche Informationen zu Künstlicher Intelligenz und neuronalen Netzen unter iks.fraunhofer.de.
