Wissen als Schlüssel zur Zukunft des autonomen Fahrens
KI-basierte Verfahren sind ein zentraler Baustein auf dem Weg zum vollautomatisierten Fahren, wobei bisher die Entwicklung von KI-Systemen rein datenbasiert erfolgte. Dieser Ansatz birgt allerdings zwei grundlegende Herausforderungen. Zum einen ist die Datengrundlage bei sicherheitskritischen Situationen oftmals nicht ausreichend, mit dem Effekt, dass die KI diese Situationen nur unzureichend beherrscht. Zum anderen müssen viele grundlegende Zusammenhänge und Konzepte aufwendig aus den Daten gelernt werden, obwohl diese durch Allgemeinwissen oder physikalische Randbedingungen bereits im Voraus gegeben sind.
Bisherige Forschungsansätze haben sich darauf konzentriert, die für das Training benötigten Daten zu optimieren, um diese Probleme zu lösen. Das Projekt KI Wissen untersuchte hingegen, wie bekanntes, für den Verkehr relevantes Wissen – wie Verkehrsregeln, mathematisch-physikalische Gegebenheiten und Normen oder Regeln – in KI-Systeme intelligent integriert und kombiniert werden kann. Durch diesen hybriden Ansatz, der datenbasierte Verfahren mit wissensbasierten Methoden verbindet, wurde im Projekt eine völlig neue Grundlage für das Training und die Validierung der KI-Funktionen geschaffen.
fortiss baut seine Expertise im Bereich autonomes Fahren weiter aus
Zusätzlich ermöglichen Methoden zur Wissensextraktion und Konformitätsprüfung eine transparente Verknüpfung mit Wissensquellen. Ihr Ziel ist es, grundlegende Herausforderungen anzugehen, wie die Anpassung von KI an Phänomene mit begrenzter Datenbasis und die Erhöhung der Stabilität trainierter KI gegenüber Datenstörungen. Darüber hinaus streben sie die Optimierung der Dateneffizienz sowie die Plausibilisierung und Absicherung von KI-unterstützten Funktionen an, um die funktionale Qualität zu verbessern.
Das fortiss Kompetenzfeld Machine Learning konnte insbesondere umfangreiche Beiträge zur wissenserweiterten Erkennung von Objekten und Fußgängern, zur erklärbaren und interpretierbaren Umfeldwahrnehmung sowie zur Verifikation von Machine Learning-Modellen, die Fahrmanöver auf Basis zusätzlicher Wissensquellen bestimmen, leisten. In Frankfurt präsentierten die fortiss Wissenschaftler Julian Wörmann, Stefan Matthes und Xiangzhong Liu, die fortiss Ergebnisse für die Bereiche der Wissensintegration, -extraktion und -konformität.
Die Abschlussveranstaltung in Frankfurt bot den Teilnehmer*innen die Gelegenheit, sich umfassend über die vielversprechenden Projektergebnisse zu informieren und auszutauschen. Präsentationsvorträge, Demonstrationen und eine Postersession ermöglichten einen tiefen Einblick in die erreichten Fortschritte. Expertendiskussionen rundeten die Veranstaltung ab und boten Raum für den Austausch von Ideen und Perspektiven.
Das Projekt KI Wissen reiht sich ein in die KI Familie, die aus der VDA Leitinitiative autonomes und vernetztes Fahren hervorgegangen ist. In diesem Zusammenschluss hat fortiss bereits in den Projekten KI Absicherung und KI Data Tooling aktiv Beiträge geleistet. Die Förderung erfolgte durch das Programm "Neue Fahrzeug- und Systemtechnologien" des Bundesministeriums für Wirtschaft und Klimaschutz.
