Erstes Vorgehensmodell für KI-Engineering veröffentlicht

Projekte, in denen Künstliche Intelligenz (KI) ein- oder umgesetzt werden soll, sind meist komplex, erfordern heterogene Teams und bergen ein hohes Risiko zu scheitern. Wie schafft man es als Unternehmen, KI-Projekte auch in anspruchsvollen Anwendungsdomänen wie Mobilität oder industrieller Produktion dennoch zum Erfolg zu führen? Forschende im Karlsruher Kompetenzzentrum für KI-Engineering, kurz „CC-King“, haben dafür in enger Kooperation mit den Unternehmen im CC-King Innovationsbeirat ein systematisches Vorgehensmodell namens „Paise“ entwickelt, das ab sofort als Whitepaper zum Download zur Verfügung steht.

„Paise“, das „Process Model for AI Systems Engineering“, ist speziell für die Entwicklung und den Betrieb von KI-basierten Systemen gedacht. Es kombiniert Vorgehensweisen aus der Informatik und datengetriebenen Modellbildung mit denen klassischer Ingenieurdisziplinen, um die Herausforderungen zu überwinden. AI Systems Engineering, übersetzt KI-Engineering, nennen die Wissenschaftler:innen den interdisziplinären Ansatz, an dem sie seit Mitte 2020 arbeiten. „Mit KI-Engineering wollen wir die Entwicklung und den Betrieb von KI-basierten Lösungen systematisieren. Nur wenn KI-Methoden aus ingenieurtechnischer Sicht verlässlich eingesetzt werden können, bietet sich die Chance, das hohe Wertschöpfungspotenzial zu heben“, sagt Prof. Dr.-Ing. habil. Jürgen Beyerer, Leiter des Fraunhofer IOSB und des wissenschaftlichen Direktoriums in „CC-King“. „Mit ,Paise‘ haben wir ein Instrumentarium geschaffen, das insbesondere auch kleinen und mittleren Unternehmen einen praktischen Leitfaden an die Hand gibt, um dieses Ziel zu erreichen.“

In der Entwicklung kann es schwierig sein, die Performanz eines cyber-physischen Gesamtsystems mit KI-Anteilen vorab abzuschätzen. „Damit können auch zu einem späten Zeitpunkt noch Änderungen am High-Level Design des Gesamtsystems notwendig werden“, sagt Constanze Hasterok, Wissenschaftlerin am Fraunhofer IOSB und Editorin des ,Paise‘ Modells. „Dieser Effekt tritt unter anderem dann ein, wenn die finalen ML-Modelle mit Daten aus dem echten Betrieb trainiert werden. Bei Neuentwicklungen stehen qualitativ hochwertige Daten aus dem Betrieb aber typischerweise erst spät zur Verfügung.“ Für den Betrieb sei ein Überwachen und idealerweise automatisches Anpassen von ML-Modellen notwendig, wenn sich Systeme und ihre Umgebungsbedingungen über die Zeit verändern können.

„Indem wir systematische Methoden zur Verfügung stellen, wollen wir Betriebe und Entwickler:innen dazu ermutigen, KI-Projekte anzugehen. ,Paise‘ ist dabei ein großer Schritt nach vorne. Es bildet den gesamten Prozess von der Konzeption über die Datenbeschaffung bis hin zu Betrieb und Wartung ab und adressiert alle Schwierigkeiten, die sich aus technischer Sicht bei der Umsetzung eines KI-Projekts stellen können“, erläutert Dr.-Ing. Thomas Usländer, Abteilungsleiter am Fraunhofer IOSB und Projektleiter von „CC-King“.

Das Whitepaper steht unter www.ki-engineering.eu/paise zum Download zur Verfügung. Im Rahmen der Eröffnung der Karlsruher Forschungsfabrik Ende März 2022 wird ein Workshop zu KI-Engineering und „Paise“ stattfinden. Interessierte an einer Schulung können sich schon vorher melden, per E-Mail an kompetenzzentrum@ki-engineering.eu