aws Digitalisierung – Künstliche Intelligenz | 2021 | Wien

Algorithmen aus dem maschinellen Lernen finden in einer Vielzahl von Anwendungen unseres täglichen Lebens Einzug. So basieren zum Beispiel Sprachsteuerungen, bildgesteuerte Identifizierungs-mechanismen, oder auch automatisierte Textübersetzungsprogramme auf Algorithmen aus dem Bereich des maschinellen Lernens. Anders als bei klassischen, deterministischen Algorithmen ist es mit einfachen Regeln nicht möglich, die Arbeitsweise von lernenden Algorithmen beschreiben und nachvollziehen zu können.

Das Projekt Safe.ICM beschäftigt sich mit der Analyse und Optimierung von komplexen Algorithmen aus dem Bereich des maschinellen Lernens und zielt auf die Entwicklung eines Frameworks zur besseren Spezifikation und Nachvollziehbarkeit hinsichtlich Transparenz, Vielfalt, Nichtdiskriminierung, Fairness und Robustheit von KI-Algorithmen ab.

Nachdem die Nachvollziehbarkeit für den Einsatz der Algorithmen in der Automobilindustrie und in sicherheitskritischen Umgebungen unabdingbar ist, wird das im Rahmen dieses Projekts entwickelte Framework mit Hilfe von Algorithmen für die Innenraumanalyse von Fahrzeugen (In-Cabin Monitoring, ICM) angewandt, erprobt, kontinuierlich verbessert und optimiert.

Die Innenraumanalyse von Fahrzeugen gewann in den letzten Jahren aufgrund deren großen Sicherheitspotenzials stark an Bedeutung. Das EU-Parlament verabschiedete Ende 2019 eine Richtlinie, die ICM in allen Neufahrzeugen ab 2024 verpflichtend vorschreibt. Die Resultate dieses Projektvorhabens verbessern zusätzlich zur Qualität von ICM Algorithmen auch die Evaluierungs- und Validierungsprozesse – beides entscheidende Verkaufsargumente und notwendig für den Schritt in die Serienproduktion. Die Projektergebnisse stellen für die Entwicklung von ICM Anwendungen auch die Basis für wichtige Automotive-Zertifizierungen dar, die für die Umsetzung bestimmter Anwendungen im Fahrzeug zwingend erforderlich sind.

emotion3d.ai