Intelligente Systeme

Einführung

to

 

Technische Systeme sollen zunehmend autonom agieren und dabei immer mehr komplexe Aufgaben zuverlässig übernehmen. Sie sollten so unauffällig wie möglich im Hintergrund agieren, eine Erleichterung für Menschen darstellen und intelligente Entscheidungen treffen. Die richtige Entscheidungsfindung gilt vor allem in Bezug auf unbekannte Situationen oder unter stark gestörten Bedingungen als herausfordernd– eine Problematik, die Menschen mithilfe von Kreativität lösen. Die Arbeitsgruppe "Intelligente Systeme" der Christian-Albrechts-Universität zu Kiel entwickelt Ansätze und Verfahren, mit denen technische Systeme auch ohne menschliche Kreativität geeignete und sich kontinuierlich verbessernde Antworten auf derartige Herausforderungen finden können.

Was verstehen wir unter einem "Intelligenten System"?

 

is

 

Wir definieren den Begriff "Intelligentes System" folgendermaßen: "Ein intelligentes System ist ein Computersystem, das ein bestimmtes Leistungsniveau erreicht oder aufrechterhält, selbst wenn es in Umgebungen arbeitet, die sich im Laufe der Zeit ändern oder es Störungen oder sich verändernden Situationen ausgesetzt ist. Ein solches intelligentes System ist selbstanpassend und verbessert kontinuierlich sein Verhalten."

Daraus resultiert insbesondere die Notwendigkeit, dass technische Systeme auf Mechanismen des autonomen Lernens zurückgreifen können, d.h. Verfahren für unabhängiges, opportunistisches Lernen ohne (oder mit nur minimaler) Beteiligung des menschlichen Benutzers und mit nur minimalem Vorwissen aus der Entwurfszeit.

 

Unsere Aktivitäten sind in folgende Bereiche unterteilt:

1. Entwurf und Konzeption intelligenter Systeme

  • Architekturen intelligenter Systeme

  • Übertragung von Entwurfsentscheidungen auf die Systeme und hin zur Laufzeit

  • Integration von Techniken des maschinellen Lernens, Sicherheitskonzepten und Selbstorganisationsmustern

  • Verflochtene Systemstrukturen und Selbstintegrationsprozesse autonomer (Sub-)Systeme

system

 

2. Autonomes Lernen: Methoden für das Lernen zur Laufzeit ohne externe Kontrolle oder mit marginalen Eingreifen von außen (beispielsweise durch menschliche Benutzer)

  • Reinforcement learning (verstärkendes Lernen, Lernen durch Feedback, Vergleich von Beobachtung und Erwartung) basierend auf Nutzenfunktionen

  • Anomalieerkennung

  • Transfer Learning (Transferlernen)

  • Aktives Lernen (aktive Anforderung des Wissens von Orakeln), unabhängige Bewertung des vorhandenen Wissens

system2

 

3. Systembeschreibung und -analyse

  • Quantifizierung von Systemeigenschaften, d. H. Metriken für Selbstorganisation, Anpassungsgrad, Emergenz, usw.

  • Modellierung der Wahrnehmung eines technischen Systems anhand von Sensordaten

  • Datenaufbereitung, -analyse und -verarbeitung zur Laufzeit

  • Erkennen der Effekte gegenseitiger Beeinflussung und Berücksichtigung dieser Effekte in Lern- und Entscheidungsprozessen

system3


4. Vertrauen und Sicherheit

  • Techniken zur Erkennung von Angriffen und zur Bewertung von auffälligem Verhalten

  • Methoden zur Herstellung des technischen Vertrauens zwischen autonomen Subsystemen

  • auf Vertrauen basierende Systemorganisation

  • Methoden zum Nachweis gegenseitiger Beeinflussungseffekte

  • Sicherheitsorientierte Kommunikationsprotokolle und Selbstorganisationsmuster

 

system4

 

Basis unsere Arbeit ist das Beherrschen komplexer Informations- und Kommunikationssysteme und der Fähigkeit zur Lösung konkreter Probleme. Wir greifen auf daher auf eine Vielzahl von Anwendungen zurück, von denen die bekanntesten sind:

  • Verkehrskontrolle und -management

  • Datenkommunikationsnetze

  • Zukünftige dezentrale Energiesysteme / Smart Grid

  • Internet der Dinge

  • Überwachungsnetze

  • Intelligente Geräte