Technologiekern Maschinelles Lernen

Der Technologiekern Maschinelles Lernen des Fraunhofer CCIT erforscht und entwickelt neue verlässliche Verfahren des Maschinellen Lernens, die aktuelle Herausforderungen der Industrie adressieren und es ermöglichen, transparente und nachvollziehbare Lösungen der Künstlichen Intelligenz strategisch in Produktions-, Geschäfts- und Vertriebsprozesse zu integrieren.

Maschinelles Lernen (ML) ist eine Schlüsseltechnologie für kognitive Systeme, intelligente Produkte und digitale Assistenten und spielt eine entscheidende Rolle für die digitale Transformation unserer Wirtschaft und Gesellschaft. Nicht zuletzt durch die massenhafte Verfügbarkeit annotierter Daten im Internet hat es in den letzten Jahren deutliche Fortschritte gegeben. In der industriellen Praxis stoßen bisherige ML-Verfahren jedoch häufig an ihre Grenzen. Denn industrierelevante Daten sind meist weder frei verfügbar noch massenhaft annotiert, so dass Unternehmen bisher nur eingeschränkt in der Lage sind, kognitive Systeme zum Einsatz zu bringen.

Vorsprung mit »Informed Machine Learning«

Was es braucht sind Verfahren, die das Wissen von Expertinnen und Experten dort integrieren, wo Daten und Künstliche Intelligenz alleine nicht ausreichen. Hier setzt der Fraunhofer-Technologiekern Maschinelles Lernen an: Unser Forschungsziel ist es, eine neue Generation verlässlicher ML-Verfahren zu entwickeln, die mit kompositionalen Ansätzen strukturelles und prozedurales Expertenwissen systematisch in statistische Trainingsprozesse einbringen, so dass diese auch mit wenig Trainingsdaten robust und verständlich arbeiten. Das von Fraunhofer geprägte »Informed Machine Learning« erweitert das Anwendungs- und Einsatzspektrum von Maschinellem Lernen enorm. Wo Unternehmen bislang keinen Einblick in die »Black Box« erhielten, ermöglicht es Informed Machine Learning, die Entscheidungsfindungen lernender Systeme transparent nachzuvollziehen und an den richtigen Stellen einzugreifen – eine wichtige Voraussetzung, um Qualität, Verlässlichkeit und Risiken abzuschätzen sowie um Lernergebnisse mit bestehendem Know-how und Modellen zu koppeln. So entstehen neue Möglichkeiten für Qualitäts- und Effizienzsteigerungen, aber auch für die Entwicklung neuer Produkte, Services und zukunftsweisender Geschäftsmodelle.

Im Technologiekern Maschinelles Lernen bündeln unterschiedliche Fraunhofer-Institute unter der Leitung des Fraunhofer IAIS ihre langjährige wissenschaftliche Expertise und ihr Know-how aus dem direkten Transfer wegweisender ML-Forschung in die Industrie. Durch die enge Zusammenarbeit mit den Technologiekernen IoT-COMMS und Data Spaces entsteht eine nahtlose Kette von der Erfassung von Daten, über ihre sichere Vorhaltung und Aufbereitung bis hin zu ihrer intelligenten Verwertung.

Maschinelles Lernen für die Industrie

Der Technologiekern Maschinelles Lernen bearbeitet interdisziplinäre Projekte in unterschiedlichen Anwendungsbereichen wie Produktionstechnik, Qualitätskontrolle, Prozessüberwachung oder Dialogsysteme und Medienanalyse. Er kooperiert mit Partnern aus der Wirtschaft und Industrie sowie mit Universitäten und Forschungszentren. Entdecken Sie hier die Vielfalt unserer Projekte.

Alle Projekte in der Übersicht

Mehr Informationen

Bereit für die Zukunft

Maschinelles Lernen auf Quantencomputern

Der Technologiekern Maschinelles Lernen erforscht Anwendungsszenarien für den zukünftigen Einsatz von Quantenmaschinellem Lernen in der Industrie.

Demovideos

Sprachdialogsysteme

Entdecken Sie unseren Demonstrator für Sprachtechnologien in Wirtschaft und Industrie: Den smarten Sprachassistent als virtueller Stadtführer.

Forschungsschwerpunkte

Der Fraunhofer-Technologiekern Maschinelles Lernen adressiert aktuell folgende Forschungsschwerpunkte:

  • Informed Learning – Hybrid Learning zur Integration von daten- und wissensgetriebenen Methoden und zur Nutzung von »a-priori« Wissen
  • Informed Learning – Simulation-based Learning zur automatischen Generierung plausibler Trainingsdaten für »thin data«-Szenarien
  • Resource-aware Learning für Ansätze zur optimalen Nutzung vorhandener Infrastrukturen, beispielsweise High Performance Computing (HPC), »IoT Edge«-Lösungen und Quantencomputing

Mit Informed Machine Learning in eine neue Dimension

3 Fragen an Prof. Dr. Stefan Wrobel, Leiter Technologiekern Maschinelles Lernen

© Fraunhofer IAIS
Prof. Dr. Stefan Wrobel, Leiter Technologiekern Maschinelles Lernen

Welche besondere Rolle für das kognitive Internet spielt das Thema Maschinelles Lernen und Künstliche Intelligenz?

Künstliche Intelligenz und kognitive Systeme müssen heute so leistungsfähig sein, dass sie nicht mehr programmiert werden können, sondern aus Daten lernen müssen. Mit Maschinellem Lernen nutzen wir vorhandene Daten sowie vorhandenes Wissen für flexible und sich selbst verbessernde intelligente Systeme.

Wo steht die Industrie in diesem Bereich und wie kann Fraunhofer Unternehmen unterstützen?

Die Bedeutung des Maschinellen Lernens wird in der Wirtschaft klar erkannt, doch in vielen Bereichen fehlen zum einen die passenden Daten, zum anderen die notwendigen Spezialisten. Wir helfen Unternehmen, die richtigen Kombinationen aus Daten, Verfahren und Geschäftsmodellen zusammenzustellen und zu realisieren, und bilden in unseren Data-Science-Schulungen bei Fraunhofer, vor Ort im Unternehmen oder in interaktiven Online-Schulungen die nächste Generation von Data Scientists aus.

Was sind Ihre langfristigen Ziele mit dem Technologiekern ML und dessen Implikationen auf das Thema »Cognitive Internet Technologies«?  

Wir wollen mit dem Technologiekern Maschinelles Lernen das so genannte »Informed Machine Learning« auf breiter Fläche etablieren – damit meinen wir Ansätze, die nicht nur aus Daten lernen, sondern auch vorhandenes Expertenwissen und Modelle, wie sie in der Wirtschaft oft vorhanden sind, zur Leistungsverbesserung nutzen können. Gleichzeitig sichern wir so die Nachvollziehbarkeit und Verlässlichkeit der Ergebnisse und schaffen die Voraussetzung für vertrauenswürdige Cognitive Internet Technologies.

Highlights

 

Whitepaper: »Vertrauenswürdiger Einsatz von Künstlicher Intelligenz«

Das Team der Universitäten Bonn und Köln sowie des Fraunhofer IAIS stellt seinen interdisziplinären Ansatz in einem Whitepaper für die Zertifizierung von KI-Anwendungen vor und erläutert die identifizierten Handlungsfelder aus philosophischer, ethischer, rechtlicher und techno­logi­scher Sicht. Die Publikation bildet die Grundlage für die weitere Entwicklung der KI-Zertifizierung.

 

Whitepaper: »Machine Learning on the edge«

Auf Basis gemeinsamer wissenschaftlicher Arbeiten mit Forschern des Volkswagen-Konzerns haben Fraunhofer-Autorinnen und -Autoren das Whitepaper »Machine Learning on the edge« veröffentlicht – ein Überblick, in dem das Prinzip des verteilten maschinellen Lernens erklärt wird, das insbesondere für das autonome Fahren viele Vorteile hat.

 

Studie: »Maschinelles Lernen«

Die KI-Studie der Fraunhofer-Gesellschaft ordnet die wesentlichen Begriffe des Maschinellen Lernens ein, gibt einen Überblick zu aktuellen Herausforderungen und künftigen Forschungsaufgaben und stellt Deutschlands Position in der Anwendung von Maschinellem Lernen dar.

 

Machine Learning Hackathon mit Prof. Dr. Christian Bauckhage

Gemeinsam brainstormen, Probleme des Maschinellen Lernens diskutieren, Coden – in einem Hackathon arbeiteten Wissenschaftlerinnen und Wissenschaftler der Fraunhofer-Institute IAIS, IOSB, ITWM und SCAI zusammen an Ansätzen des »Informed Machine Learning«.