IQZ Beteiligung an dem EFRE-Forschungsprojekt „Bergische Innovationsplattform für Künstliche Intelligenz (BIT)“ gefördert durch das Land NRW

              

Dieses Projekt wird aus Mitteln des Europäischen Fonds für regionale Entwicklung (EFRE) gefördert.

Die „Bergische Innovationsplattform für Künstliche Intelligenz (BIT)“ verfolgt das Ziel, die KI-Kompetenzen im Bergischen Städtedreieck weiter auszubauen und das Potential der künstlichen Intelligenz für zentrale NRW Anwendungsbranchen wie die Automotive-Industrie, den Maschinenbau, die Herstellung von Metallerzeugnissen und die chemische Industrie zu erschließen. Als zentrale Säule des „IZMD – Interdisziplinäres Zentrum für Machine Learning and Data Analytics“ der Bergischen Universität Wuppertal (BUW) übernimmt die BIT die Aufgabe, den Transfer zwischen Wissenschaft und Wirtschaft zu etablieren. Es entsteht eine Plattform mit anwendungsorientierten Forschungskapazitäten, die mit KI-Innovationen dem Bedarf der regionalen Wirtschaft in den Bereichen Digitalisierung, autonome Systeme und intelligente Datenanalyse begegnet sowie Sichtbarkeit auch über die Region hinaus erzeugt.

Dabei baut die BIT auf einem dynamischen Netzwerk von Wissenschaftlerinnen und Wissenschaftlern der Bergischen Universität Wuppertal, des Campus Velbert/Heiligenhaus der Hochschule Bochum und Anwendern aus regionalen High-Tech-Unternehmen auf (https://bit-ki.de/). Die Zusammenarbeit mit dem Graduierteninstitut NRW, dem Projekt „Digitale Modellregion Wuppertal“ sowie weiteren Akteuren aus der NRWIKT-Wirtschaft bildet die Basis für den Aufbau nachhaltiger Forschungs- und Transfer-Strukturen für die regionale resp. NRW-Wirtschaft.

In der Gründungsphase der BIT sollen Innovative FuE-Pilot-Projekte die BIT als Transferplattform etablieren. Mit zielgerichteten Inhalten in Form von Angewandten und Enabling-Technologien soll die BIT zu einer treibenden Kraft für die Etablierung von KI-Technologien in der Region werden.

Das IQZ wird sich im Rahmen des BIT insbesondere mit Sicherheitsfragen hinsichtlich des autonomen Fahrens im Zusammenhang mit der künstlichen Intelligenz befassen:

Im Bereich der Zuverlässigkeit und Sicherheit wird ein ganzheitlicher Ansatz zur Bewertung der Zuverlässigkeit und Sicherheit komplexer, hochautomatisierter Systeme verfolgt. Dabei soll der Ansatz branchenübergreifend nutzbar, jedoch mit einem starken Fokus auf den automobilen Sektor ausgelegt sein (automatisiertes Fahren). Es wird ein Lösungsansatz angestrebt welcher drei elementare Themenkomplexe beinhaltet:

  • Aufbau von Simulationsmodellen zur sicherheitstechnischen Bewertung von dynamischen,

automatisierten Systemen,

  • Ermittlung von Analyseverfahren und Bewertungskriterien für künstliche Intelligenz in

Sicherheitsfunktionen,

  • Aufbau und Diskussion von gestuften Lernarchitekturen für sicherheitsrelevante KI-Systeme.

Neben der theoretischen Umsetzung sollen Testaufbauten (Rechnernetzwerke) realisiert werden, um automatisierte Systeme sicherheits- und zuverlässigkeitstechnisch abzubilden. Dadurch lassen sich simulative „Fault-Injection-Tests“ durchführen, mit denen z. B. EMV-Problematiken (Elektromagnetische Verträglichkeit) oder Latenzzeiten bei der Kommunikation über Schnittstellen (z. B. CAN) ermittelt werden können. Weiterhin lassen sich in den angedachten Testaufbauten redundante SDS-Systeme darstellen, sodass theoretische Bewertungsverfahren für künstliche Intelligenz auf ihre Anwendbarkeit hin untersucht werden können. Dieses Gesamtkonzept kann insbesondere auch bei gestuften Lernverfahren eingesetzt werden. In einem weiteren Schritt sollen Strategien und Lösungsansätze für gestufte Lernarchitekturen entwickelt werden, die überwachtes Lernen für Sicherheitsfunktionen ermöglichen.