ADA Lovelace Center for Analytics, Data and Applications

Kompetenzzentrum für Data Analytics und KI in der Praxis

Zur Vernetzung von Forschung und Wirtschaft hat das Fraunhofer-Institut für Integrierte Schaltungen IIS mit seiner 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 IKS und IISB eine einzigartige Forschungsinfrastruktur in Bayern geschaffen: das ADA Lovelace Center for Analytics, Data and Applications. Es verbindet als Kooperationsplattform für Wissenschaft und Wirtschaft auf innovative Art KI-Forschung mit KI-Anwendungen.

Das Besondere am ADA Lovelace Center ist tatsächlich die enge Verbindung aus Forschung und industrieller Anwendung: Mit der Art und Weise, wie wir unsere Kompetenzen, Methoden und Verfahren aus dem Bereich der Künstlichen Intelligenz in den Fragestellungen der Praxis einsetzen und an ihnen weiterentwickeln, wie wir an Projekte herangehen und wie wir mit unseren Partnern aus Industrie und Wissenschaft zusammenarbeiten, wollen wir den Zugang der Unternehmen zu umfassender KI-Expertise erleichtern und so schnell konkreten Nutzen für sie herstellen; und zwar über die Grenze des derzeit Machbaren hinaus.

So wollen wir Unternehmen vom enormen Potenzial von KI überzeugen und KI in die industrielle Anwendung bringen: Das ADA Lovelace Center versteht sich als Multiplikator, um KI-Kompetenz in einem Unternehmen aufzubauen oder die vorhandene KI-Kompetenz zu stärken bzw. weiterzuentwickeln.

Das wissenschaftliche Methodenspektrum, das wir im ADA Lovelace Center dafür einsetzen, ist sehr breit und die Auswahl der richtigen Methode abhängig vom Anwendungsfall. Immer aber geht es bei uns um Datenanalyse: von der klassischen Zustandsbeschreibung über Vorhersagen von Ereignissen bis hin zu entscheidungsbasierten Methoden, die z. B. automatisiert eine bestimmte Handlung auslösen sollen. Dazu binden wir übrigens neben den genannten regionalen Playern auch viele andere nationale und internationale Wissenschaftspartner ein.

Prof. Dr. Alexander Martin stellt das ADA Lovelace Center vor

Datenschutz und Datenverarbeitung

Wir setzen zum Einbinden von Videos den Anbieter YouTube ein. Wie die meisten Websites verwendet YouTube Cookies, um Informationen über die Besucher ihrer Internetseite zu sammeln. Wenn Sie das Video starten, könnte dies Datenverarbeitungsvorgänge auslösen. Darauf haben wir keinen Einfluss. Weitere Informationen über Datenschutz bei YouTube finden Sie in deren Datenschutzerklärung unter: https://policies.google.com/privacy

  

Analytics: KI-Kompetenzsäulen im Fokus

Wir forschen im ADA Lovelace Center an neun unterschiedlichen Kompetenzsäulen der KI und binden dazu vielfältige nationale und internationale Wissenschaftspartner ein. Das Methodenspektrum reicht von semantischen Datenmodellen und dem Lernen mit wenigen, annotierten Daten über automatisches und erklärbares Lernen bis hin zu maschinellem Lernen und mathematischer Optimierung.

Automatisches Lernen
© Fraunhofer IIS

Das automatische und adaptive Lernen (AutoML) beschäftigt sich mit der Automatisierung des KI Prozesses und von besonders arbeitsintensiven, manuellen Aufgaben, die im Regelfall von Experten durchgeführt werden. So wird das Maschinelle Lernen zugänglicher und effizienter. AutoML 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.  

Sequenzbasiertes Lernen
© Fraunhofer IIS

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.

Erfahrungsbasiertes Lernen
© Fraunhofer IIS

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. 

© Fraunhofer IIS

Data-centric AI (DCAI) bietet eine neuartige, ergänzende Perspektive auf die KI-Modellbildung. Der Schwerpunkt wird dabei von der Modellbildung auf die Kuratierung hochwertiger, einheitlich annotierter Trainingsdatensätze verlagert. Die zugrundeliegende Erkenntnis ist, dass bei vielen KI-Projekten die Hebelwirkung zur Verbesserung der Modellleistung in der Kuratierung der verwendeten Trainingsdaten liegt.

© Fraunhofer IIS

Um künstliche Intelligenz sicher und zweckmäßig in der Praxis einsetzen zu können, muss maschinelles Lernen (ML) für den Nutzer nachvollziehbar sein. In vielen Bereichen, wie z.B. der medizinischen Entscheidungsfindung oder der Qualitätskontrolle in der Produktion, ist es wichtig, die Grundlagen zu verstehen, auf der das Modell Entscheidungen und Vorhersagen trifft, um Transparenz und Vertrauen zu schaffen. Methoden für verständliche und vertrauenswürdige KI werden am ADA Lovelace Center in der Kompetenzsäule Vertrauenswürdige KI erforscht, die zu einer menschenzentrierten KI für Anwender in Wirtschaft, Wissenschaft und Gesellschaft beiträgt.

© Fraunhofer IIS

Prozessbewusstes Lernen stellt das Bindeglied zwischen Process Mining, der datenbasierten Analyse und Modellierung von Prozessen, und Machine Learning dar. Im Fokus steht dabei die Vorhersage von Prozessabläufen, Prozesskennzahlen und Prozessauffälligkeiten. Dies wird durch eine Extrahierung von Prozesswissen aus Event Logs und deren Überführung in erklärbare Prognosemodelle ermöglicht. Hierdurch können Einflussfaktoren identifiziert und vorausschauend Handlungsoptionen zur Prozessverbesserung abgeleitet werden.

Mathematische Optimierung Illustration
© Fraunhofer IIS

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.

Semantik
© Fraunhofer IIS

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 Wertschöpfungskette zu interpretieren.

© Fraunhofer IIS

HUMAN AI setzt sich für die ethische und menschzentrierte Entwicklung von KI-Technologien ein. Ziel ist es, Richtlinien und Empfehlungen zu erstellen, die sicherstellen, dass KI-Systeme den individuellen und gesellschaftlichen Anforderungen gerecht werden. Wichtige Aspekte sind dabei der Schutz der Privatsphäre, die Wahrung der Autonomie, Gerechtigkeit und Inklusion. Durch interdisziplinäre Zusammenarbeit und die Berücksichtigung ethischer Prinzipien wie Zugänglichkeit und Nachhaltigkeit, entwickelt HUMAN AI KI-Systeme, die sowohl technologisch fortschrittlich als auch sozial verantwortungsvoll sind.

Data: Ressourcenschonender Umgang mit Daten

Eine besondere Bedeutung messen wir im ADA Lovelace Center der Forschung entlang des Datenlebenszyklus bei, der vergleichbar mit dem Lebenszyklus von Produkten ist. Im Zusammenhang mit KI geht es nicht darum, wahllos möglichst viele Daten zu sammeln, sondern die richtigen und diese in angemessenem Umfang. Daraus resultieren Fragen wie: Wie sollen Daten gespeichert, strukturiert und übertragen werden? Welche Mehrwerte können mit Daten erzeugt werden? Was geschieht mit Daten, die keinen Erkenntnisgewinn ermöglichen? Bereits heute erzeugt das Aufbewahren großer Datenmengen einen nicht unerheblichen CO2-Ausstoß und macht einen ressourcenschonenden Umgang in der Zukunft erforderlich.Daher ist ein Ziel der Forschung im ADA Lovelace Center Daten als Rohstoff begreifen und mit diesem Rohstoff entsprechend ressourcenschonend und nachhaltig umgehen.

Applications: Breites Feld an Anwendungen

Die Weiterentwicklung der Methoden in den Kompetenzfeldern erfolgt an konkreten Anwendungsfällen. Dazu werden verschiedenste Projekte, beispielsweise aus den Bereichen Automotive, Medizin, Produktion, Sport, Mobilität und Logistik  im ADA Lovelace Center bearbeitet.

So entwickeln wir beispielsweise im Hinblick auf die Logistik KI-Methoden, die öffentlich verfügbare Datenquellen (z. B. Infrastruktur, Marktentwicklung, Kaufkraft, Bevölkerungsentwicklung, Wetter, usw.) nutzen, um Mehrwert für die logistische Netzplanung und damit verbundene Geschäftsentscheidungen zu generieren. Im Bereich Sport wollen wir z. B. die Spielanalyse (im Fußball oder Eishockey) durch eine Suchmaschine automatisieren, die Spielsituationen anhand von Lokalisierungsdaten mit ähnlichen Situationen aus der Vergangenheit vergleicht und in ihrer Ausführung bewertet.

Innovative Formen der Vernetzung und Zusammenarbeit

Als wissenschaftliches Netzwerk bringen wir im ADA Lovelace Center lokale, regionale und nationale Akteure zusammen. Darüber hinaus bestehen strategische Kooperationen mit internationalen Partnern wie dem Machine Learning Center am Georgia Institute of Technology oder dem RIKEN Center for Advanced Intelligence in Tokyo. Auf diese Weise wollen wir unsere internationale Sichtbarkeit weiter stärken und Forschende sowie Studierende aus dem In- und Ausland für das ADA Lovelace Center interessieren (ADA-Hub Young Talents).

Um KI-Anwendungen gewinnbringend und praxisnah weiterzuentwickeln, fördern wir zusätzlich gezielt den Austausch zwischen Industrie und Wissenschaft. In sogenannten Joint Labs arbeiten Wissenschaftlerinnen und Wissenschaftler gemeinsam mit Mitarbeitenden aus Unternehmen in kleinen, agilen interdisziplinären Entwicklerteams auf Zeit außerhalb des eigentlichen Tagesgeschäfts an konkreten Fragestellungen aus Forschung und Industrie. Für diese innovativen Formen der Zusammenarbeit bietet der neue Coworking-Space CoWiS an unserem Nürnberger Standort eine kreativitätsfördernde Arbeit 4.0-Umgebung. Das ADA Lovelace Center versteht sich als Multiplikator, um KI-Kompetenz in einem Unternehmen aufzubauen oder die vorhandene KI-Kompetenz zu stärken bzw. weiterzuentwickeln.

Internationaler Wissenschaftsaustausch auf der »Conference of Optimization and Machine Learning in Industry«

Datenschutz und Datenverarbeitung

Wir setzen zum Einbinden von Videos den Anbieter YouTube ein. Wie die meisten Websites verwendet YouTube Cookies, um Informationen über die Besucher ihrer Internetseite zu sammeln. Wenn Sie das Video starten, könnte dies Datenverarbeitungsvorgänge auslösen. Darauf haben wir keinen Einfluss. Weitere Informationen über Datenschutz bei YouTube finden Sie in deren Datenschutzerklärung unter: https://policies.google.com/privacy

Netzwerk und Partner

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).

ADA-Hub Young Talents

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

Joint Lab für agile Projektentwicklung auf Zeit

 

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

Dazu wurden am Standort Nürnberg Coworking Spaces CoWiS geschaffen, die eine innovative Arbeiten 4.0-Umgebung bieten.

Das könnte Sie auch interessieren

Weitere Informationen zum Projekt

Projektlaufzeit: 2018–2024

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

 

Fraunhofer IIS-Showroom mit KI-Fokus

Der Showroom im neuen Standort im Augustinerhof lädt Besucherinnen und Besucher ein, das Thema KI informativ und interaktiv zu erleben. Ein Highlight ist das Videospiel, das auf Projekte der Applikation »Fahrerassistenzsysteme im Schienenverkehr« basiert und zeigt, wie mithilfe Mathematischer Optimierung Energie gespart werden kann.

Publikationen ADA Lovelace Center

Hier finden Sie alle Publikationen, die im Rahmen des Forschungsprojekts entstanden sind.

Bleiben Sie informiert!

Neuigkeiten aus dem ADA Lovelace Center und Informationen zu aktuellen Veranstaltungen und weiteren Themen der Arbeitsgruppe SCS lesen Sie in unserem Newsletter.   

 

 

Weiterbildungen am ADA Lovelace Center

Das ADA Lovelace Center for Analytics, Data and Applications bietet – gemeinsam mit seinen Kooperationspartnern – Weiterbildungsprogramme rund um Konzepte, Methoden und konkrete Anwendungen im Themenbereich Data Analytics und KI.

Hierzu werden Seminare mit den folgenden Schwerpunkten angeboten:

Maschinelles Lernen

Reinforcement Learning

 

Ada Lovelace

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