Im ADA-Center treiben Wissenschaft und Industrie die Methoden und Verfahren im Feld der Künstlichen Intelligenz über die Grenze des derzeit Machbaren hinaus.

Das ADA-Center verbindet KI-Forschung mit KI-Anwendungen.

ADA-Center für Analytics, Daten und Anwendungen

Neues Kompetenzzentrum für Data Analytics und KI in der Industrie

Daten sind der Rohstoff der digitalen Welt. Ihre Beherrschung, Analyse und Auswertung ist für Unternehmen daher von zentraler Bedeutung, um wettbewerbsfähig zu bleiben. Je mehr Daten aber anfallen, desto wichtiger wird der effiziente Umgang damit. Hier helfen Verfahren der künstlichen Intelligenz (KI) wie Machine Learning (maschinelles Lernen) und mathematische Optimierung – diese erfordern jedoch eine spezifische Expertise, die in vielen Unternehmen nur bedingt vorhanden ist.

Zur Vernetzung von Forschung und Wissenschaft hat das Fraunhofer-Institut für Integrierte Schaltungen IIS mit ihrer Fraunhofer-Arbeitsgruppe für Supply Chain Services SCS in Kooperation mit der Friedrich-Alexander-Universität Erlangen-Nürnberg und der Ludwig-Maximilians-Universität München unter weiterer Beteiligung der Fraunhofer-Institute ESK und IISB eine einzigartige Forschungsinfrastruktur in Bayern geschaffen: das ADA-Center für Analytics, Daten und Anwendungen.

 

Kooperationsplattform für Wissenschaft und Wirtschaft

Im ADA-Center kommen Unternehmen mit führenden nationalen und internationalen KI-Forschern zusammen, um gemeinsam an konkreten Projekten zu arbeiten. So entstehen innerhalb kürzester Zeit in konkreten Anwendungen neue Data Analytics Verfahren und Algorithmen – mit entsprechendem Mehrwert für Industrie, Dienstleitung und Forschung. 

 

 

 

Infrastruktur im ADA-Center

Das ADA-Center setzt auf innovative Formen der Kooperation und der Infrastruktur.

Joint Lab für agile Projektentwicklung auf Zeit

Unternehmensmitarbeiter und Wissenschaftler des ADA-Centers arbeiten in kleinen interdisziplinären Entwicklerteams auf Zeit, sogenannten Joint Labs, außerhalb des Tagesgeschäfts an konkreten KI-Fragestellungen.

Data-Analytics-Showroom als KI-Erlebniswelt

Derzeit konzipieren wir einen Data Analytics-Showroom, in dem Partner und Interessierte Künstliche Intelligenz hautnah erleben können – diese Erlebniswelt der Daten soll einen idealen Raum für Brainstorming und Projektentwicklung bieten.

ADA-Hub Young Talents

Um die KI-Expertise nachhaltig in den Unternehmen zu verankern, unterstützt das Center den Transfer von qualifiziertem Nachwuchs, Studierenden und jungen Wissenschaftlern in die Wirtschaft, u.a. durch die Betreuung von Abschlussarbeiten, Dissertationen und Kontaktaufbau.

Unsere Schwerpunkte in der KI-Forschung

Diese Methoden und Verfahren in 9 Domänen der Künstlichen Intelligenz entwickeln wir im ADA-Center anwendungsbezogen weiter.

Das automatische und adaptive Lernen deckt einen großen Bereich ab, der bei der Automatisierung der Merkmalserkennung und -auswahl für gegebene Datensätze sowie der Modellsuche und -optimierung beginnt, über deren automatisierte Bewertung reicht und bis hin zur adaptiven Anpassung der Modelle durch Trainingsdaten und Systemfeedback geht. Dies spielt z.B. bei der datengetriebenen Entscheidungshilfe durch Assistentensysteme eine große Rolle. 

Sequenzbasiertes Lernen beschäftigt sich mit zeitlichen und kausalen Zusammenhängen in Daten wie sie z.B. in der Sprachverarbeitung, Ereignisverarbeitung, Biosequenzanalyse oder auch in Multimediadaten auftreten. Dabei wird aus beobachteten Ereignissen der aktuelle Systemzustand erkannt und zukünftige Zustände vorhergesagt, was sowohl möglich ist, wenn nur die Reihenfolge ihres Auftretens bekannt ist, als auch dann, wenn sie genaue Zeitstempel tragen.

Als erfahrungsbasiertes Lernen bezeichnet man Methoden, die es einem System erlauben, sich selbst zu optimieren, indem es mit der Umwelt interagiert und deren Feedback auswertet, oder sich an veränderliche Umweltbedingungen dynamisch anpasst. Hierzu zählen die automatisierte Erzeugung von Modellen zur Bewertung und Optimierung von Geschäftsprozessen, Transportabläufen oder auch Robotersteuerungen in der industriellen Fertigung. 

Die bahnbrechenden Erfolge der KI bei Aufgaben wie Spracherkennung, Objekterkennung oder maschineller Übersetzung sind u.a. auf die Verfügbarkeit von enorm großen, annotierten Datensätzen zurückzuführen. Allerdings ist diese in vielen realen Szenarien, besonders im Industrieumfeld, begrenzt. Daher erforschen wir das Lernen mit wenigen annotierten Daten im Kontext von Techniken des unüberwachten, semi-überwachten- und des Transfer-Lernens.

 

Das digitale Datenvolumen (sog. »Big Data«) wächst seit einigen Jahren ungebremst. Bei der Wissensgenerierung auf Basis müssen die erzielten Ergebnisse und Vorhersagen den Anwendern in geeigneter Weise plausibel und transparent gemacht werden. Dieser Aspekt wird im ADA-Center unter dem Stichwort erklärbares Lernen erforscht, und sorgt dafür, die Akzeptanz der künstlichen Intelligenz bei Anwender in Wirtschaft, Wissenschaft und Gesellschaft zu erhöhen.

 

Prozessbewusstes Lernen stellt das Bindeglied zwischen der Modellierung und Analyse von Prozessen und dem Data Mining dar. Im Fokus steht dabei die Prozesserkennung, Konformitätsprüfung und Prozessverbesserung auf Daten in Form von Ereignisprotokollen. Sie dient dem Vergleich von Soll- und Ist-Zuständen, z.B. bei Geschäftsprozessen in Form von Workflow-Management-Systemen (WMS) oder Enterprise-Resource-Planning-Systemen (ERP).

Die mathematische Optimierung ist unverzichtbarer Bestandteil der modellbasierten Entscheidungsunterstützung, indem sie Planungslösungen in so unterschiedlichen Bereichen wie der Logistik, Energiesystemen, Mobilität, im Finanzwesen und für Gebäudeinfrastrukturen liefert, um nur wenige Beispiele zu nennen. Die umfangreiche bestehende Expertise wird in mehrere aussichtsreiche Richtungen, namentlich der Echtzeitplanung und -steuerung weiterentwickelt.

Die Aufgabe der Semantik ist es, Daten und Datenstrukturen formal definiert, standardisiert, inhaltlich widerspruchsfrei und eindeutig zu beschreiben. So müssen bei Industrie 4.0 verschiedenste Entitäten (wie Sensoren, Produkte, Maschinen oder Transportsysteme) in der Lage sein, deren Eigenschaften, Fähigkeiten oder Zustände anderer Entitäten in der Wert-schöpfungskette zu interpretieren.

Mit der Datenaugmentierung und Datengenerierung  behandeln wir zentrale Forschungsfragen bei der Aufbereitung und Vervollständigung von Daten sowie der Erzeugung einer ausreichenden Menge an Datensätze, z.B. KI-Anwendungen auf Materialstammdaten in der Industrie. Das umfasst die Aufbereitung fehlerhafter Datensätze und den Einsatz von Simulationstechniken um fehlende Daten zu erzeugen.

Das Projekt und die Partner

Projektlaufzeit: 2018 - 2023 

Die nationalen und internationalen Mitarbeiter des ADA-Centers aus folgenden Institutionen forschen an neun Schwerpunkten der künstlichen Intelligenz:

  • Fraunhofer IIS mit seiner Arbeitsgruppe Fraunhofer SCS
  • Friedrich-Alexander-Universität Erlangen-Nürnberg
  • Ludwig-Maximilian-Universität München - Lehrstuhl für Datenbanksysteme und Data Mining und Lehrstuhl für Computationale Statistik

Weitere Beteiligte sind das Fraunhofer-Institut ESKund das Fraunhofer-Institut IISB.

Zudem bestehen wissenschaftliche Kooperationen mit dem Center for Machine Learning des Georgia Institute of Technology in Atlanta (USA) und dem Riken Institute for Advanced Intelligence in Tokyo (Japan).

Die Forschungsarbeiten werden vom Bayerischen Staatsministerium für Wirtschaft und Medien, Energie und Technologie gefördert.

Das könnte Sie auch interessieren

 

Themenwelt des JOSEPHS®

»Intelligent & Digital«

Am 30. November 2018 startete im JOSEPHS® eine neue Themenwelt unter dem Motto »Intelligent & Digital«. Auf den Forschungsinseln werden Lösungen gezeigt, die einen neuen Blick auf die Themenfelder Smarte Technologien, Künstliche Intelligenz und Virtual Reality erlauben.

Interview mit Prof. Dr. Alexander Martin

»Data Analytics – was ist das und was bringt’s der Industrie?«

»Data Analytics ist nichts Neues«, sagt Prof. Alexander Martin von Fraunhofer SCS. »Neu u.a. ist, dass wir es mit riesigen Datenmengen zu tun haben und dass die Methoden sich ebenfalls weiterentwickeln, damit diese Daten sinnvoll erfasst und analysiert werden können.«
Wie das konkret aussieht und tatsächlich zu wirtschaftlich erfolgreichen Entscheidungen führen kann, erklärt der Wirtschaftsmathematiker im Interview.

 

Ada Lovelace

Die Namensgeberin des ADA-Centers Ada Lovelace gilt als Entwicklerin des ersten Computerprogramms. Lovelace stellte bereits im 19. Jahrhundert Vorüberlegungen zur möglichen KI von Maschinen an.