Schwerpunkte

Forum Künstliche Intelligenz 2020

»KI sollte nicht zum Selbstzweck genutzt werden«

27. Mai 2020, 14:00 Uhr   |  Stefanie Eckardt

»KI sollte nicht zum Selbstzweck genutzt werden«
© Mopic | Shutterstock

Am 14.05.2020 fand zum dritten Mal in Folge – aber zum ersten Mal virtuell – das Forum Künstliche Intelligenz statt, dass sich um Anwendungsszenarien im Fahrzeug, im Embedded-Umfeld und in der Fabrik drehte.

Am 14.Mai fand zum dritten Mal in Folge das Forum Künstliche Intelligenz der Medienmarken Elektronik, Elektronik automotive und Computer&Automation statt. Aufgrund der Corona-Pandemie ging das Forum virtuell – und das mit äußerst interessanten Inhalten.

150 Teilnehmer, Referenten und Aussteller wollten sich aktuelle Entwicklungen rund um das Thema künstliche Intelligenz (KI) nicht entgehen lassen. Sie wurden auch nicht enttäuscht, denn schon alleine die vier Keynotes zeigten einen Rundumblick zum aktuellen Stand von künstlicher Intelligenz und Herausforderungen. Das Forum startete mit dem Vortrag »KI + Mensch = Zusammen unschlagbar!«, den Reinhard Karger, Unternehmenssprecher des Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI) hielt. Er erklärte zunächst, dass künstliche Intelligenz die Digitalisierung menschlicher Wissensfähigkeiten meint, also der Versuch ist, Leistungen, für die der Mensch Intelligenz benötigt, durch Computer erbringen zu lassen mit dem Ziel, dem Menschen physische oder kognitive Assistenzfunktionen anzubieten. Die Frage ist nur, wie dieses bewerkstelligen ohne das Bewusstsein zu haben, dass der Mensch im Endeffekt nicht ersetzbar ist. »KI kann Menschen konstruktiv unterstützen, aber nicht kreativ ersetzen«, betonte Karger. Aktuelle KI-Anwendungen ermöglichen viele Arten, den Menschen zu unterstützen, ihm neue Erlebnisse zu bieten oder neue Produkte zu entwickeln. Aber die Vielfalt der neuen Werkzeuge führt noch nicht zu einer allgemeinen KI, einem Ganzen, das mehr ist als die Summe seiner Teile. Jetzt geht es um konkrete Fragen, die der Mittelstand adressieren kann, um konkrete Ziele und Wege, wie KI helfen kann, diese zu erreichen. Karger unterstrich vor allem: »KI hat viel Potenzial, aber der gesunde Menschenverstand ist unschlagbar. Menschen sind Meister, Komplexität zu reduzieren und dann das Richtige zu tun. Wir haben eine Meisterschaft, die wir meisterlich unterschätzen.«

Im Anschluss brachte Prof. Dr. Christoph Lütge von der Technischen Universität München seinen Zuhörern Ethik in der künstlichen Intelligenz näher. Denn natürlich hat KI das Potenzial, das Leben vieler Menschen nachhaltig zu verbessern, zum Beispiel beim autonomen Fahren. Aber natürlich kann künstliche Intelligenz die Gesellschaft auch negativ verändern. Daher sind klare Regeln notwendig. Dieses Regeln sollten nicht nur rechtliche Regulierungen sein, es braucht vor allem ethische Richtlinien, um weitverbreitete Befürchtungen zu adressieren. Denn letztendlich sind Algorithmen nur so gut, wie die Annahmen auf denen sie letztendlich beruhen.  Der Mensch muss Vertrauen in die KI entwickeln und wenn er dem KI-System nicht vertraut, wird er es auch nicht nutzen.

Dr.-Ing. Steven Peters, der das Team »AI Research« innerhalb der Konzernforschung  von Mercedes-Benz leitet referierte zum Thema »KI als Werkzeug für Ingenieure«. Sein Team erforscht maschinelle Lernverfahren für einen Einsatz in zukünftigen Fahrzeugfunktionen wie auch als Assistenzsystem für Entwicklungsingenieure. Peters ging in seinem Vortrag zunächst auf die Unterschiede zwischen klassischen Algorithmen und maschinellem Lernen ein. Peters beschrieb wie die Wege des Lernens im Auto – vom individuellen Lernen über Lernen aus der Flotte und empathischen Lernen bis hin zum individuellen Training und brachte zum Abschluss dem Zuhörer die KI-Prinzipien des Automobilherstellers, wie der verantwortungsvolle Einsatz – »man muss sich immer die Frage stellen, gibt es einen anderen Ansatz, der eventuell besser geeignet ist, sein Ziel zu erreichen« – die Erklärbarkeit, Schutz der Privatsphäre sowie Sicherheit und Zuverlässigkeit nahe.

Künstliche Intelligenz im Fahrzeug

Nach den Keynotes splittete sich das Forum in drei Sessions: künstliche Intelligenz in Embedded-Anwendungen, KI in der Fabrik und künstliche Intelligenz im Fahrzeug. Den letztgenannten Track eröffnete Frank Thurner,  Geschäftsführer von mts Consulting & Engineering mit seiner Präsentation zum Thema »KI für Sicherheit und Effizienz im autonomen Fahren«. Denn es ist unabdingbar – nicht nur für die Akzeptanz und das Vertrauen der Öffentlichkeit muss autonomes Fahren sicher und zuverlässig sein. Für eine sichere Fahrt ist die Zuverlässigkeit von elektronischen Systemen unerlässlich und gleichzeitig eine Herausforderung, denn für das automatisierte Fahren wird die Anzahl der elektronischen Systeme im Fahrzeug weiter steigen. Thurner stellte das Projekt KI-LiDAR vor, in dessen Rahmen auf Basis künstlicher Intelligenz ein Sensormodul entwickelt wird. Dieses kann  auf Basis von Produktions- und Echtzeit-Daten sein bevorstehendes Lebensdauerende selbst erkennen und sogar voraussagen.  Ziel des Projektes ist es, einen 3D-Flash-LiDAR-Sensor zu entwickeln, der  zum einen seinen Zustand im Fahrzeug überwacht und zum anderen Funktions- und Lebensdauervorhersagen zur prädiktiven Wartung des Sensors ausführt. Was ist nun das Besondere daran? »Das Forschungsprojekt ermöglicht durch das Training einer KI durch simulierte und reale Daten und in Kombination mit echtzeitfähigen physikalischen Modellen eine In-Situ-Evaluierung der Güte der Sensordaten, die als Status-Qualitäts-Vektor jederzeit abrufbar ist«, erklärte Frank Thurner.

Der nächste Vortrag von Dr. Heinrich Gotzig, Valeo befasste sich mit »KI für autonomes Fahren mit Fokus auf Umfelderfassung / Perzeption«. Ausgangspunkt ist, dass in der Automobilindustrie die Notwendigkeit besteht, dem Fahrer ein Bewusstsein für die Fahrzeugumgebung zu vermitteln. Beispielsweise, dass es ein Hindernis in der Nähe des Fahrzeugs gibt. Diese Information kann dem Fahrer direkt zur Verfügung gestellt oder aber als Input für weitere Funktionen dienen wie der Unfallvermeidung durch Bremsen oder mögliches Ausweichen oder aber auch für automatisches Einparken. Die für diese Informationen notwendigen Daten liefern verschiedene Sensoren wie Kameras, Radar, Laserscanner und aktive Ultraschallsensoren. »Aktive Ultraschallsensoren sind eine sehr lukrative Lösung für Automobilhersteller, um dieses Ziel zu erreichen, da sie preisgünstig sind, eine stabile Leistung bieten und ihre Messungen von geeigneter Präzision sind«, betonte Dr. Gotzig. Die Anwendung des maschinellen Lernens für verschiedene Sensorprinzipien wird sensorspezifische Informationen liefern, die zwingend erforderlich sind, um die notwendigen Kosten-, Leistungs- und Zuverlässigkeitsanforderungen für die Schlüsselaufgabe des autonomen Fahrens, nämlich die Umweltwahrnehmung, zu erreichen.

Adrian Schwaiger vom Fraunhofer IKS referierte zum Thema »Absicherung von Machine-Learning-Verfahren in sicherheitskritischen Systemen«. Denn bei der Entwicklung zukünftiger hochkomplexer autonomer Fahrsysteme werden herkömmliche Algorithmen an ihre Grenzen stoßen und KI-basierte Systeme notwendig sein. Mithilfe von maschinellem Lernen lässt sich beispielsweise bereits der Sprachassistent überzeugend abbilden. Allerdings handelt es sich dabei nicht um eine sicherheitskritische Funktion, d.h. Fehler führen hier nicht zu einer gefährlichen Situation. Agiert ein System hingegen komplett autonom und übersieht eine Person auf der Fahrbahn kann das zu gravierenden Folgen führen, wie leider Uber schon bewiesen hat. Die Schwierigkeit bei komplexeren ML-Verfahren ist jedoch, dass es nicht einfach ist, Fehler vor der Inbetriebnahme und die zuverlässige Erkennung von Fehlern zur Laufzeit zu erkennen. Das schränkt gegenwärtig den Einsatz von ML in sicherheitskritischen Systemen deutlich ein und erfordert neue Ansätze. »Wir fokussieren uns deshalb darauf, mehr Informationen von den tiefen neuronalen Netzen (DNNs) selbst hinsichtlich ihrer Entscheidung zu erhalten und sie im Allgemeinen transparenter zu gestalten«, erklärte Schwaiger. Konkret reicht das beim Fraunhofer IKS von der Unsicherheitsbestimmung neuronaler Netze, über die Erkennung unbekannter oder gar schadhafter Eingaben hin zur besseren Erklärbarkeit des Verhaltens von DNNs. Diese Informationen werden anschließend genutzt, um sichere adaptive Systeme zu gestalten und das Gesamtsystem schon beim Entwurf abzusichern. Derzeitiges Anwendungsgebiet ist vor allem die Absicherung der Perzeption automatisierter Fahrzeuge.

Im Anschluss sprach Dr. Manuel Götz vom ZF AI & Cybersecurity Center über die »Auswirkungen von künstlicher Intelligenz auf den Weg zum autonomen Fahren« und erklärte, welche Bedeutung das Thema beim Automobilzulieferer einnimmt. Er betonte vor allem, dass es nicht Ziel sein kann »KI zum Selbstzweck zu nutzen, um KI genutzt zu haben«. Dr. Götz beschrieb in seiner Präsentation unter anderem den Einsatz von KI-Algorithmen in den Bereichen Umfeld-Sensorik, Routenplanung, Vehicle Motion Control, integrierter Sicherheit und virtueller Validierung. Dabei stellte er aktuelle Ansätze und Entwicklungen von ZF vor und verdeutlichte ihre Möglichkeiten anhand von Beispielen.

Ab in die Luft

Von der Straße ging es in die Luft: Der Vortrag »KI-Studie für selbstfliegende Vehikel – Herausforderungen für Deep Learning im autonomen Fliegen« beleuchtete, welchen Einfluss autonome unbemannte Luftfahrzeuge (UAV) wie automatisierte Lufttaxis mit vertikaler Start- und Landefähigkeit (VTOL)auf das persönliche Verständnis von urbaner Mobilität haben. Denn VTOLs werden diese neu gestalten. Auf der anderen Seite werden automatisierte UAVs beispielsweise Liefer- und Transportdienstleistungen erheblich verändern. Bei der Untersuchung von Computer Vision und maschinellen Lernens für UAVs oder VTOLs wird es jedoch immer schwieriger mit Neuentwicklungen Schritt zu halten. Dr. Stefan Milz von Spleenlab.ai bot in seinem Vortrag eine Übersicht zum Thema automatisierte Flüge mit Fokus auf anspruchsvolle Deep-Learning-Probleme. Darüber hinaus diskutierte er Ideen für verschiedene Sensoranordnungen und KI-basierte Pipelines mit Ergebnissen auf Basis etablierten Datensätzen. Zu guter Letzt wies er auf derzeit noch fehlende Untersuchungen hin – insbesondere in Bezug auf funktionale Sicherheit und Deep Learning.

Ausblick

Das dritte Forum Künstliche Intelligenz wurde mit einer Keynote aus dem Hause Xilinx geschlossen. Ramine Roane, Vice President Software and AI Product Marketing hielt einen Vortrag zum Thema »Herausforderungen bei der KI-Produktion: Anpassungsfähigkeit vom Sensor über das Gehirn zur Handlung«.  Roane sieht zwei große Herausforderungen: Zum einen eine um Größenordnungen höhere Rechenleistung, wobei Preis, Leistung, Latenz und Formfaktor intakt bleiben müssen. Des Weiteren bedarf es einer entsprechenden Architektur, um die hohen Anforderungen an Algorithmen zu erfüllen. Dafür ist eine anpassungsfähige domänenspezifische Architektur notwendig, die vom Sensor über das Gehirn bis hin zu den Aktionen implementiert werden muss.

Das vierte Forum Künstliche Intelligenz wird voraussichtlich am 21.04.2021 stattfinden.

Auf Facebook teilenAuf Twitter teilenAuf Linkedin teilenVia Mail teilen

Das könnte Sie auch interessieren

Autonomes Fahren – Keine Chance ohne Künstliche Intelligenz
Vier Top-Keynote-Sprecher
Keine Zeit für Umwege
Die E-Paper-Ausgaben der Elektronik Automotive
Die Sieger in der Rubrik Automotive
Der Frühbucherrabatt läuft bald aus

Verwandte Artikel

WEKA FACHMEDIEN GmbH, ZF Friedrichshafen AG, Valeo Schalter und Sensoren GmbH, XILINX GmbH, Daimler AG, Technische Universität München, Fraunhofer IKTS (Institut für Keramische Technologien und Systeme)