Was ist KI-Engineering?

Damit ergänzt KI-Engineering die Grundlagenforschung zu Künstlicher Intelligenz (KI) und maschinellem Lernen (ML) und schlägt die Brücke zu den Ingenieurswissenschaften. Ziel ist, KI- und ML-Methoden gemäß der typischen Anforderungen und Vorgehensweisen von Ingenieuren nutzbar zu machen, auch in sicherheitskritischen Anwendungen.

Die Herausforderungen

Das Design und das Engineering komplexer Systeme, die KI- und ML-Komponenten enthalten, unterscheiden sich vom klassischen Engineering, das beim Entwurf nur eindeutig beschriebene Komponenten einsetzt, deren Verhalten im Voraus relativ genau absehbar ist. Systeme mit maschinellen Lern- und Entscheidungsfähigkeiten entfalten hingegen unter Umständen erst abhängig von den Daten zur Laufzeit ihr finales Verhalten bzw. ihre finale Funktionalität. Dennoch müssen solche Systeme mit intelligenten Komponenten so entworfen werden können, dass man über ihr Verhalten zur Laufzeit belastbare Voraussagen machen und Garantien geben kann.

Dafür muss, gerade auch im Hinblick auf eine mögliche Zertifizierung von KI-Systemen (vor allem bezüglich funktionaler Sicherheit, IT-Security und Privacy), eine Methodik für die verlässliche Beschreibung von KI- und ML-Komponenten und -Systemen entwickelt werden, mit denen a priori, d. h. zur Entwurfszeit, KI- und ML-Komponenten beim Systemdesign zielsicher eingeplant werden können.

In der Anwendung ergeben sich durch Randbedingungen, wie z. B. die Leistungsfähigkeit eingebetteter Systeme, Einschränkungen für die KI- und ML-Komponenten. Es müssen daher Engineering-Methoden bereitgestellt werden, die eine Anpassung an diese Randbedingungen bei Erhaltung der Funktionalität und der Garantien ermöglichen.

Den Transfer in die praktische Anwendung erleichtern

KI-Engineering als eine zur Grundlagenforschung von KI-Methoden ergänzende Disziplin macht dem Ingenieurwesen den Einsatz von KI systematisch zugänglich und verfügbar. Die Entwicklung von allgemein anwendbaren Methoden und Werkzeugen erleichtert zudem den Transfer in die Praxis. Insbesondere KMUs können von einem systematischen KI-Engineering profitieren.

Die Ziele

• Die Ermöglichung der Nutzung von KI im Rahmen der systematischen Herangehensweise von (Software-) Ingenieurdisziplinen.

 

• Die Entwicklung von Methoden, Werkzeugen und Prozessen, um die Entwicklung von KI-Engineering Lösungen zu unterstützen. Dies beinhaltet eine formale Charakterisierung der Leistungsfähigkeit von KI-Lösungen zum Zeitpunkt der Entwicklung (im Gegensatz zu rein statistischen Betrachtungen der empirischen Leistung).

 

• Die Etablierung von KI-Engineering als eine neue Disziplin, welche die Informatik, sowie datenbasierte Modellbildung und Optimierung mit dem Systems Engineering und klassischen Ingenieurdisziplinen verbindet.