Schwerpunkte

Forum Künstliche Intelligenz 2021

20 Top-Vorträge zu KI – Anmelden und Ticket gewinnen

09. Februar 2021, 08:30 Uhr   |  Andrea Gillhuber

20 Top-Vorträge zu KI – Anmelden und Ticket gewinnen
© WEKA Fachmedien

Nächste Woche, am 21. April 2021, findet das Forum Künstliche Intelligenz als virtueller Expertentreff statt. Melden Sie sich an – es gibt 10 kostenfreie Tickets zu gewinnen!

Für das Forum Künstliche Intelligenz gibt es 10 kostenfreie Tickets zu gewinnen. Melden Sie sich mit dem Code FKI2021GWF an und erfahren Sie gleich, ob Sie zu den glücklichen Gewinnern gehören!

Künstliche Intelligenz ist mittlerweile integraler Teil vieler technischer Systeme. In zahlreichen Anwendungsgebieten eröffnen Künstliche Intelligenz (KI), Maschinelles Lernen, Deep Learning und Neuronale Netze vielversprechende Pfade der Weiterentwicklung. Sie sind Schlüsseltechnologien, damit Systeme autonom reagieren und selbständig aufgrund äußerer Einflüsse Entscheidungen treffen können.

Das Programm

Das Forum Künstliche Intelligenz, welches die Fachmedien Computer&AUTOMATION, Elektronik und Elektronik automotive am 21. April 2021 erneut virtuell veranstalten, beleuchtet dazu die rasanten Entwicklungen in Hard- und Software.

Die Keynote

In diesem Jahr eröffnet Prof. Dr. Marco Huber vom Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA mit seiner Keynote „Zuverlässige KI – Absicherung künstlicher neuronaler Netze“ den virtuellen Expertentreff. Darin geht er auf Anwendungsfälle für KI ein, in denen nicht die die Genauigkeit, sondern die Sicherheit und das Vertrauen in die Algorithmen von enormer Bedeutung sind. In solchen Applikationen ist es wichtig, dass kritische algorithmische Entscheidungen abgesichert werden. In seinem Vortrag betrachtet Prof. Dr. Huber die Aspekte einer zuverlässigen und vertrauenswürdigen KI. Insbesondere wird der Aspekt der Absicherung maschinell gelernter Modelle mit Fokus auf tiefe künstliche neuronale Netze beleuchtet.

KI in Embedded Systemen

Als Grundbaustein für autonome Systeme wird immer mehr KI-Technologie in Embedded-Systeme integriert. Einblicke in die dynamische Weiterentwicklung dieses Felds geben Vorträge zu folgenden Themen:

  • Ein Workflow zur automatischen Umsetzung von KI-Modellen auf Embedded-Systeme (Marcus Rüb, Hahn-Schickard-Gesellschaft für angewandte Forschung)
  • FPGAs als energieeffiziente Möglichkeit, den CO2-Fußabdruck von KI-Anwendungen zu senken (Prof. Dr. Benno Stabernack, Universität Potsdam)
  • KI auf Ultra-Low-Power-Systemen (Dr. Marco Breiling, Fraunhofer IIS)
  • Anpassung der Architektur von neuronalen Netzen an eine ressourcenbeschränkte Zielhardware (Dr. Christian Schinabeck, Fraunhofer IIS)
  • Erklärbare KI: Wie entscheiden künstliche neuronale Netze? (Nina Schaaf, Fraunhofer IPA)
  • Angreifbarkeit von Spracherkennungsmodellen (Karla Markert, Fraunhofer AISEC)

Deep-Learning-Inferenz auf FPGAs

Als Sponsor-Vortrag von MathWorks, zeigt Dimitri Hamidi, mit welchem Toolset man die Inferenz auf Edge-Geräte mit FPGAs beschleunigen kann. Im Mittelpunkt der Lösung steht eine anpassbare, portable Deep-Learning-Prozessor-IP (RTL-Code, AXI-Schnittstellen). Darüber hinaus erfordert der Einsatz für das Prototyping und die Exploration des Lösungsraums keine spezifischen Hardwarekenntnisse. Die vorgeschlagene Deep-Learning-auf-FPGAs-Lösung ist Teil eines umfassenden Frameworks für die KI-gesteuerte Systementwicklung, das die frühe Systemmodellierung und -simulation unterstützt und bei dem KI-Modelle zusammen mit anderen erforderlichen Algorithmen automatisch auf CPUs, GPUs oder FPGAs im endgültigen System eingesetzt werden können.

KI im Automobil

Autonomes Fahren ohne KI ist nicht denkbar. Bevor es so weit ist, müssen aber noch ein paar Probleme gelöst werden. Algortihmen auf der Basis von Deep Neural Networks sind nicht nach ISO 26262 zertifizierbar. Vorschläge, um dieses Dilemma zu lösen, zeigen zwei Vorträg zur Industrialisierung von AI und zum Thema Safety auf.

Weitere Themen sind das Training von KI-Systen in komplexen Umgebungen und wie sich das gelernte System formal verifizieren lässt, damit dem gelernten Verhalten vertraut werden kann. Neben autonomem Fahren können aber auch konventionelle Fahrzeuge mit KI verbessert werden, hier gezeigt am Beispiel einer Kupplungssteuerung mit Reinorcement-Learning zur Regelung des Anfahrvorgangs in Automatikgetrieben.

Neben Autos gibt es auch einen Vortrag, der sich mit Ultraleichtfahrzeugen beschäftigt, konkret mit einem Velomobil. Diese Fahrzeuge sind Liegeräder mit einer windschnittigen Verkleidung. Sie können Geschwindigkeiten von bis zu 50 km/h erreichen. Die dreirädrige Konstruktion kommt in Kurven aber leicht ins Kippen. Ein KI-gestütztes Assistenzsystem kann das verhindern.

Künstliche Intelligenz in der Fabrik

In der Session „KI in der Fabrik“ begrüßen wir unter anderem Dr. Christoph Eichhorn von Sick. In seinem Vortrag „Deep Learning: Vom Hype zum realen Kundennutzen“ erläutert er, wie sein Unternehmen Deep Learning für die Verbesserung eigener Applikationen in der Logistikautomation genutzt hat und dieses Wissen in die Produktentwicklung eingeflossen ist. Anhand von Beispielen zeigt Eichhorn, dass Deep Learning nicht nur geeignet ist, selbst komplexere Aufgaben zu bewältigen, sondern dass durch intuitive Arbeitsabläufe auch die Lösungsentwicklung enorm vereinfacht und beschleunigt wird. Die neuen Deep Learning Werkzeuge sind ohne detaillierte Vorkenntnisse nutzbar und werden somit für einen breiteren Anwenderkreis zugänglich.

Interessiert? – Dann melden Sie sich gleich an.

Auf Facebook teilen Auf Twitter teilen Auf Linkedin teilen Via Mail teilen

Das könnte Sie auch interessieren

Verwandte Artikel

Fraunhofer IPA (Institut für Produktionstechnik und Automatisierung)