© Fraunhofer IKS
Mit dem Fraunhofer IKS Playground bietet das Institut Zugang zu experimentellen Prototypen und innovativen Konzepten aus der Forschung. Der Fraunhofer IKS Playground lädt Sie ein, neue Ansätze kennenzulernen, mit unseren Prototypen und Tools zu experimentieren und diese direkt auszuprobieren.
Besuchen Sie den Fraunhofer IKS Playground und tauchen Sie ein in die Forschungsansätze und Lösungen des Fraunhofer IKS!
Bei Fragen oder für weitere Informationen können Sie sich gerne an uns wenden. Wir schätzen außerdem Ihr Feedback sehr.
Und selbstverständlich unterstützen wir Sie dabei, unsere Ansätze in Ihrem Unternehmen zur Anwendung zu bringen.
Hier finden Sie die aktuellen Forschungskonzepte, Prototypen und Tools. Und die Entwicklung geht weiter. Aktuell arbeiten wir an weiteren Konzepten, die Sie in Kürze auf dem Fraunhofer IKS Playground erleben können.
Die aktuell verfügbaren Konzepte, Prototypen und Tools stellen wir Ihnen hier vor:
Mit dem Fuzzy Cause Tree (FCT) analysieren Sie Ursache-Wirkungs-Beziehungen zwischen auslösenden Bedingungen und Systemausfällen mit größerer Präzision, insbesondere angesichts von Unsicherheiten. Der Fuzzy Cause Tree (FCT) ist ein innovativer Ansatz des Fraunhofer IKS, der Risiken deutlich reduziert und die Sicherheit der beabsichtigten Funktionalität (SOTIF) verbessert.
Die Fuzzy-Cause-Tree-Methode nutzt die Prinzipien der Fuzzy-Logik, um die Komplexität realer Systeme zu bewältigen. Im Gegensatz zur traditionellen Logik, die auf absolute Wahrheitswerte beschränkt ist, ermöglicht die Fuzzy-Logik eine differenzierte Bewertung von Wahrheitswerten auf einem Spektrum. Dadurch können Unsicherheiten und vage Bedingungen effektiver erfasst und intelligentere Entscheidungen getroffen werden.
Der Fuzzy Cause Tree bietet einen flexiblen und intuitiven Ansatz zur Modellierung komplexer Kausalzusammenhänge, der über die Grenzen herkömmlicher Methoden hinausgeht. Er ermöglicht ein besseres Verständnis von Risiken und fördert fundierte Entscheidungen in sicherheitskritischen Systemen, insbesondere in der Automobilindustrie.
Mit Robuscope, einer Anwendung des Fraunhofer IKS, können Sie einfach die Zuverlässigkeit Ihrer KI-Modelle bewerten. Mit nur einem Klick erhalten Sie wertvolle Einblicke in die Robustheit und Leistung Ihrer KI-Systeme.
Robuscope ist eine Self-Service-Plattform, die die Frage beantwortet: »Kann ich meiner KI vertrauen?« Robuscope liefert Ihnen detaillierte Hinweise auf Verbesserungspotentiale, um sicherzustellen, dass Ihre KI-Modelle zuverlässig, effizient und bereit für den Einsatz in sicherheitskritischen Anwendungen sind.
Mit Robuscope sind die Zeiten der KI-Blackbox vorbei. Robuscope ermöglicht es Ihnen, potenzielle Probleme frühzeitig anzugehen und die Vertrauenswürdigkeit Ihrer KI-Anwendungen zu erhöhen. So können Sie Risiken minimieren und die Leistung maximieren.
Der Fraunhofer IKS Safety Assistant ist eine innovative Front-End-Lösung, die Safety-Engineering-Aufgaben durch den Einsatz Generativer KI (GenAI) optimiert. Angesichts der zunehmenden Komplexität der Softwareentwicklung für sicherheitskritische Systeme können KI-gestützte Assistenten Unterstützung bieten, um diese Herausforderungen zu meistern.
Der Safety Assistant nutzt die Möglichkeiten großer Sprachmodelle, um die Lücke zwischen technologischem Fortschritt und Sicherheitsgewährleistung zu schließen. Dafür automatisiert er wesentliche Aspekte des Safety-Engineering-Workflows und verändert so die Herangehensweise an das Safety Engineering.
Der Fraunhofer IKS Safety Assistant befähigt Sie, die Komplexität der Softwareentwicklung für sicherheitskritische Systeme zu bewältigen. So überbrücken Sie die Kluft zwischen technologischem Fortschritt und strengen Sicherheitsanforderungen.
Mit dem FAST-Framework des Fraunhofer IKS bewältigen Sie Entscheidungsaufgaben auf Grundlage visueller Informationen wie Qualitätsprüfungen oder medizinische Diagnosen effektiv und effizient – auch wenn nur wenige Daten vorliegen.
FAST steht für »Feedback-gesteuerte Automatisierung von Teilaufgaben«. Das Framework verbessert die Entscheidungsfindung durch den Einsatz fortschrittlicher Automatisierungstechniken. Dafür identifiziert FAST Teilaufgaben, die automatisiert werden können, während die verbleibenden komplexeren Aufgaben an Experten delegiert werden.
Das FAST-Framework ermöglicht es, die Betriebseffizienz zu steigern, Fehler zu reduzieren und die Gesamtproduktivität zu verbessern, indem es die Stärken der Automatisierung mit menschlicher Expertise kombiniert. Dieser hybride Ansatz beschleunigt nicht nur die Entscheidungsfindung, sondern gewährleistet auch qualitativ hochwertige Ergebnisse.
Mit dem AS-PHALT-Proof-of-Concept des Fraunhofer IKS nutzen Sie die Leistungsfähigkeit von KI-gesteuerten Large Language Models (LLMs) bei der Erstellung einer Gefahrenanalyse und Risikoabschätzung (HARA). Dies ermöglicht, Ressourcen effizienter einzusetzen und die Zuverlässigkeit von Sicherheitsbewertungen zu verbessern.Was ist das FAST-Framework?
AS-PHALT steht für »Automation Systems - Pro Human Assistant LLM Tool«. Am Beispiel der Gefährdungsanalyse und Risikoabschätzung zeigen wir, wie KI durch eine interaktive, benutzerfreundliche Oberfläche bei der Identifizierung und Bewertung von Gefahren helfen kann. Das Konzept zielt darauf ab, den Prozess der Gefahrenanalyse durch innovative Automatisierungstechniken zu optimieren.
Das AS-PHALT-Konzept ermöglicht es, die Effizienz in der Sicherheitstechnik zu steigern und die Komplexität von Sicherheitsbewertungen in automatisierten Anwendungen zu reduzieren. Durch den Einsatz von generativer KI wird die Sicherheitsbewertung agiler und innovationsfähiger.
Das Enhanced CADx Framework ist ein fortschrittliches, KI-basiertes Diagnosesystem, das entwickelt wurde, um Ärztinnen und Ärzte mit transparenten, nachvollziehbaren und leicht überprüfbaren KI-Unterstützungen zu befähigen. Anstatt undurchsichtige »Black-Box«-Diagnosen zu liefern, bietet das System mehrschichtige Erklärungen – sowohl visuell als auch konzeptbasiert – in einer einzigen, intuitiven Benutzeroberfläche.
Das Enhanced CADx Framework schlägt eine Brücke zwischen klinischer Expertise und Künstlicher Intelligenz, indem es die Entscheidungsprozesse der KI klar, erklärbar und klinisch nachvollziehbar macht. Statt unverständlicher Ergebnisse ermöglicht das System den Fachkräften, nachzuvollziehen, wie und warum die KI zu einer bestimmten Diagnose gelangt ist – und stärkt so Vertrauen, Effizienz und Zusammenarbeit im klinischen Alltag.
Traditionelle CADx-Systeme funktionieren häufig als »Black Boxes« – sie liefern Diagnosen, ohne die zugrunde liegende Logik offenzulegen. Das Enhanced CADx Framework beseitigt diese Intransparenz, reduziert den Validierungsaufwand und stärkt das Vertrauen von Fachkräften in KI-gestützte Diagnostik.
Durch die Offenlegung der Entscheidungswege wird die KI von einem reinen Analysewerkzeug zu einem zuverlässigen, kollaborativen Partner im medizinischen Alltag.
Analysieren und erhöhen Sie die Sicherheit in industriellen Arbeitsbereichen effizient und praxisnah. Gewinnen Sie belastbare Erkenntnisse über das Zusammenspiel von Mensch und Maschine und schaffen Sie die Grundlage für sichere, produktive Prozesse.
Mit Safety Net unterstützen wir Organisationen dabei, KI-basierte Personenerkennung gezielt in sicherheitskritischen industriellen Anwendungen einzusetzen und Risiken im laufenden Betrieb systematisch zu reduzieren.
Der Safety-Net-Ansatz nutzt moderne Methoden der Künstlichen Intelligenz, um Personen in industriellen Umgebungen zuverlässig zu erkennen und sicherheitsrelevante Situationen frühzeitig zu bewerten. Anstatt sich ausschließlich auf starre Schutzmechanismen zu verlassen, ermöglicht Safety Net eine situationsabhängige und kontextbezogene Betrachtung von Risiken.
Durch die Berücksichtigung realer Einsatzbedingungen lassen sich Unsicherheiten im Betrieb besser erfassen und Sicherheitsfunktionen gezielt dort einsetzen, wo sie tatsächlich benötigt werden.
Safety Net bietet einen flexiblen und nachvollziehbaren Ansatz zur Absicherung von Mensch-Maschine-Interaktionen in industriellen Umgebungen. Durch die Kombination aus KI-gestützter Wahrnehmung und strukturierter Sicherheitsargumentation werden Risiken besser verstanden und fundierte Entscheidungen ermöglicht.
Insbesondere in dynamischen und automatisierten Arbeitsumgebungen unterstützt Safety Net Unternehmen dabei, Sicherheit und Produktivität in Einklang zu bringen und den Einsatz von KI verantwortungsvoll zu gestalten.
Mit unserem Ansatz zur Safety Assurance analysieren und begründen Sie die Sicherheit von KI-basierten Fahrdynamikfunktionen entlang des gesamten Entwicklungsprozesses – auch unter unsicheren und offenen Einsatzbedingungen. Der Ansatz wurde am Fraunhofer IKS entwickelt und unterstützt Sie dabei, Risiken zu reduzieren und die sichere Nutzung intelligenter Systeme nachweisbar zu machen.
Der Safety-Assurance-Ansatz erweitert etablierte Entwicklungsprozesse gezielt für den Einsatz von Künstlicher Intelligenz. Statt Sicherheit nur punktuell zu betrachten, wird sie systematisch über alle Phasen hinweg adressiert – von der Analyse über den Entwurf bis zur Verifikation und Validierung. So lassen sich auch komplexe Wechselwirkungen zwischen KI, System und Umwelt strukturiert erfassen und nachvollziehbar absichern.
Der Safety-Assurance-Ansatz bietet einen klaren, nachvollziehbaren Rahmen zur Absicherung komplexer KI-Systeme. Er unterstützt Entwicklerinnen und Entwickler dabei, Risiken frühzeitig zu erkennen, Sicherheitsmaßnahmen gezielt umzusetzen und die Sicherheit auch in offenen Umgebungen überzeugend zu begründen. Besonders in sicherheitskritischen Anwendungsfeldern wie der Fahrzeugdynamik schafft dieser Ansatz Vertrauen und Entscheidungssicherheit.
Mit quantenunterstützter Künstlicher Intelligenz eröffnen sich neue Möglichkeiten für präzisere und effizientere Diagnosen in der medizinischen Bildgebung. Unser Ansatz kombiniert klassische KI-Methoden mit Quantentechnologien, um bestehende Limitationen – insbesondere bei begrenzten Trainingsdaten – gezielt zu adressieren. Wir entwickeln diesen Ansatz, um leistungsfähige und vertrauenswürdige KI-Lösungen für medizinische Anwendungen zu ermöglichen.
Quantenunterstützte KI nutzt hybride quanten-klassische Algorithmen, um die Stärken beider Rechenparadigmen zu kombinieren. Durch die Integration quantenspezifischer Rechenoperationen in klassische KI-Modelle können komplexe Muster in medizinischen Bilddaten effizienter erfasst werden.
Dieser Ansatz eröffnet neue Perspektiven für den Einsatz von KI in der medizinischen Diagnostik – auch unter herausfordernden Rahmenbedingungen wie eingeschränkter Datenverfügbarkeit.
Der Einsatz von KI in der medizinischen Bildgebung ist mit hohen Anforderungen an Genauigkeit, Verlässlichkeit und Datenqualität verbunden. Gleichzeitig sind große, gut annotierte Datensätze oft nur eingeschränkt verfügbar. Quantenunterstützte KI bietet einen zukunftsweisenden Ansatz, um diese Herausforderungen systematisch zu adressieren und neue Leistungsreserven für medizinische Diagnosesysteme zu erschließen.
Mit dem Quantum Zoo erhalten Sie einen anschaulichen und interaktiven Zugang zur Welt des Quantencomputings. Der Ansatz ermöglicht es, grundlegende Konzepte und Wirkmechanismen quantenbasierter Berechnungen verständlich zu machen und deren Potenzial für reale Anwendungen zu erkunden. Entwickelt wurde der Quantum Zoo am Fraunhofer IKS mit dem Ziel, komplexe Quantentechnologien greifbar und zugänglich zu machen.
Der Quantum Zoo ist eine spielerische, interaktive Umgebung zur Demonstration gatterbasierter Quantencomputer. Er zeigt, wie Quantenoperationen auf Quantenzuständen funktionieren, die mehr als einen klassischen Zustand gleichzeitig repräsentieren können.
Durch den Einsatz geeigneter Algorithmen wird verdeutlicht, wie Quantenparallelität genutzt werden kann, um Berechnungen durchzuführen, die klassische Rechenverfahren theoretisch exponentiell übertreffen.
Quantencomputing verspricht enormes Potenzial, stellt Entwickler und Forschende jedoch vor große Herausforderungen – insbesondere bei der Abbildung realer Problemstellungen auf effiziente Quantenalgorithmen. Der Quantum Zoo bietet einen niedrigschwelligen und zugleich fundierten Einstieg in diese Thematik. Er unterstützt dabei, die Funktionsweise quantenbasierter Systeme besser zu verstehen und die Grenzen aktueller Quantenhardware realistisch einzuordnen.
Fraunhofer-Institut für Kognitive Systeme IKS