Fraunhofer-Institut für Kognitive Systeme IKS

Pünktlich zur Eröffnungsfeier des Fraunhofer-Instituts für Kognitive Systeme IKS ist auch der erste Jahresbericht unter neuem Namen erschienen. Dazu gehört das Safe Intelligence Magazin, das Einblicke in die Arbeit des Fraunhofer IKS gewährt.

Auf unserem Blog, dem Safe Intelligence Magazin, stellen wir unsere Themen vor und geben Einblicke in den Institutsalltag. Hier bleiben Sie immer auf dem Laufenden.

Das Fraunhofer ESK wird ausgebaut und so zum Fraunhofer-Institut für Kognitive Systeme IKS. Geplant ist dieser Schritt, weil sich die Anforderungen und Erwartungen beim Einsatz künstlicher Intelligenz deutlich erweitert haben. Künftig sollen am Institut Bereiche wie Software-Architekturen, modellbasierte Software-Entwicklung für dynamische, lernende Systeme sowie KI für autonome Systeme deutlich stärker erforscht werden. Im Interview erklärt Institutsleiter Prof. Mario Trapp die Hintergründe.

Künstliche Intelligenz (KI) muss nachvollziehbar und abgesichert sein. Im Interview mit Bayern 2 erklärt Institutsleiter Mario Trapp den Ansatz des Fraunhofer ESK (heute: Fraunhofer IKS). 

Diese Frage beantwortet Mario Trapp, Institutsleiter am Fraunhofer ESK (heute: Fraunhofer IKS), im Industrieanzeiger. Der Artikel zeigt, wie intransparente KI-Systeme abgesichert werden können, um die Vorteile von Künstlicher Intelligenz auch in sicherheitskritischen Bereichen zu nutzen. 

Dr. Petra Steffens, Leiterin des Innovationsprogramms »Kognitive Systeme« am Fraunhofer IKS, spricht im Interview über das Vorgehen und die Ziele beim Aufbau des Instituts.

Gute Forschung profitiert von Diversität und vielfältigen Ideen – deshalb sollte die Forschungsgemeinde die Realität der Gesellschaft widerspiegeln. Das Fraunhofer IKS setzt sich daher für ein ausgeglichenes Geschlechterverhältnis in der Wissenschaft ein.

Wir haben die Forscherinnen am Fraunhofer-Institut für Kognitive Systeme IKS nach ihren Erfahrungen in der Wissenschaft gefragt.

Komplexe Verfahren des Machine Learning (ML) stellen Forschende vor ein Problem: Das Ausschließen von Fehlern vor der Inbetriebnahme autonomer Systeme sowie die Erkennung von Fehlern zur Laufzeit sind aufwendig und anspruchsvoll. Dies schränkt aktuell den Einsatz von ML in sicherheitskritischen Systemen ein und erfordert neue Ansätze, um zukünftig auch hier von den ML-Vorteilen zu profitieren.

Unterstützen Sie uns dabei, die Zukunft autonomer Systeme aktiv mitzugestalten und zu prägen.