Paradigmenwechsel in der Angewandten Forschung

12. September 2019 | KI-Serie: Wie künstliche Intelligenz Technologien voranbringt und neue Lösungen für Kunden entstehen lässt

Dass ein Computer Geldstücke anhand ihres Klangs erkennt? Das dürfte heute für die Forscher des Fraunhofer IIS eine Fingerübung sein. Doch vor mehr als 25 Jahren? »Wir hatten tatsächlich schon damals ein funktionierendes Erkennungssystem, die Kollegen nutzten ein künstliches neuronales Netz, das sie trainierten«, sagt Dr. Thorsten Edelhäußer, Leiter der Forschungsplanung am Fraunhofer IIS. »Maschinelles Lernen war punktuell also schon seit 1992 bei uns ein Thema. Es haben damals nur ein paar Zutaten hin zur künstlichen Intelligenz gefehlt.«

Heute sind die Zutaten da, in Form von leistungsfähigen Rechnern und immensen Datenmengen. Aber nicht nur das: »In den vergangenen zehn Jahren haben wir eine anwendungsorientierte und kundennahe Expertise aufgebaut, tief in der Materie drin und nah dran an den Problemen in der Realität.« Und derzeit erlebt Edelhäußer am Fraunhofer IIS einen Paradigmenwechsel in der angewandten Forschung.

Denn wo manche Probleme mit klassischen Methoden bisher nicht lösbar waren, greift jetzt die KI oder, anders gesagt, bisherige Methoden werden mit KI »angereichert« und damit verbessert. Am Fraunhofer IIS wird vorrangig maschinelles Lernen eingesetzt. Maschinelles Lernen ist ein Teilbereich der Künstlichen Intelligenz, der zum Ziel hat, Computer nicht explizit zu programmieren, sondern diese aus vorhandenen Daten selbstständig lernen zu lassen.

 

Dr. Thorsten Edelhäußer und Ilona Hörath
© Fraunhofer IIS/Paul Pulkert
Dr. Thorsten Edelhäußer, Leiter der Forschungsplanung am Fraunhofer IIS, im Gespräch mit der Journalistin Ilona Hörath.
Deep-Learning-System
© Fraunhofer IIS/Franziska Köhler
Beim Maschinellen Lernen lernt der Computer selbständig aus den vorhandenen Daten. Er erkennt Gesetzmäßigkeiten in den Daten und leitet daraus Modelle ab. Dies kann mit Hilfe von Neuronalen Netzen geschehen, welche aus miteinander verbundenen künstlichen Neuronen (blaue Punkte) bestehen. Die Neuronen sind in Schichten (Layers) angeordnet. Es gibt die Eingabeschicht, den Input Layer, und die Ausgabe-Schicht, den Output Layer. Dazwischen liegen beliebig viele weitere Schichten, die Hidden Layers. Die Grafik zeigt Maschinelles Lernen anhand der im Text erläuterten Mehrwegeproblematik.

Edelhäußer erklärt das an einem Beispiel: »Dass man beim Fahren durch dicht bebaute Häuserschluchten einen schlechten Empfang hat, kennt jeder. Da zeigt das Navi dann vielleicht sogar eine andere Straße an, als die, in der man sich befindet. Der Grund dafür ist, dass die Signale, die vom Satelliten kommen, an den Häuserwänden reflektiert werden und an der Antenne des Fahrzeugs mit unterschiedlichen Verzögerungen eintreten. Das verfälscht die angezeigte Position. Diese sogenannte »Mehrwegeproblematik« ist mit normalen Algorithmen nur sehr schwer zu bewältigen. Maschinelles Lernen hat uns einen neuen Weg aufgemacht, solche Situationen zu lösen.«

KI trägt also dazu bei, das Expertenwissen der Forscher am Fraunhofer IIS weiter zu vertiefen und auszubauen. »Wir können für unsere Kunden Lösungen finden, die vorher nicht denkbar waren.«

Beitrag von Ilona Hörath

Deep-Learning-System
© Fraunhofer IIS/Franziska Köhler
Maschinelles Lernen

Bild anklicken zum Vergrößern

Kontakt

Sie haben Fragen, Kommentare oder Anmerkungen zum Fraunhofer IIS Magazin?

Schreiben Sie uns eine E-Mail.

Immer informiert

Der Newsletter zum Magazin

Abonnieren Sie den Newsletter des Fraunhofer IIS Magazins und erhalten Sie alle neuen Themen kompakt per Mail.

Startseite

Zurück zur Startseite des Fraunhofer IIS Magazins