Veröffentlichung auf der BAY.AI, 2023, München – mit J.Bühler and D.Bayerl, CARISSMA, TH Ingolstadt

Wenn wir heute über KI sprechen, reden wir oft über:

– KI als Fahrerassistenzsystem (NVIDIA DRIVE, TESLA Autopilot)

– KI zur Steuerung von Robotern (Deep Reinforcement Learning)

– KI für die Erstellung von Bildern (Stabile Diffusion, Dall-E)

– KI zur Erkennung von Krankheitsbildern oder zur Anleitung von Chirurgen

-> KI ist hier (ein Teil) des Produkts

Ein Aspekt der KI wird viel seltener betrachtet, hat aber in letzter Zeit große Durchbrüche gefeiert:

-> KI als Werkzeug zur Herstellung von Produkten

Dies ist ebenso wichtig, wird aber weniger häufig diskutiert. Früher war es weniger populär und sicherlich mit weniger Öffentlichkeits- und Medienwirkung. Aber es ist mindestens genauso wichtig für die Entwicklung und Wettbewerbsfähigkeit der Branche. Wir stehen vor der nächsten großen Revolution nach der Digitalisierung.

Beim Startup NISAR beschäftigen wir uns mit dem Thema “KI im Software Engineering”: Vereinfachung der Entwicklung von intelligenten und sicherheitsrelevanten Systemen; in den Bereichen Automotive, Robotik und Automation.

Hier kommt der Unterschied zwischen verschiedenen Arten von KI ins Spiel:

– Regelbasierte KI-Systeme sind in der Lage, deterministisch und mit hoher Präzision Regeln für konkrete Anwendungen abzuleiten, zum Beispiel aus Vorschriften und Normenentwurf. Dies ist in den sicherheitsrelevanten Teilen eines Softwaresystems von großem Vorteil.

– Neuronale Netze und Deep Learning hingegen können viel größere Wissensmengen abbilden und so umfassendere Designvorschläge bis hin zur automatisierten Codegenerierung generieren.

Regelbasierte und logikbasierte KI in Kombination mit lernbasierter KI und neuronalen Netzen

Ziel muss es sein, der Industrie alle Arten von KI gewinnbringend zur Verfügung zu stellen – jede in ihrem Anwendungsbereich. Oder in hybriden KI-Systemen, in denen beide Ansätze kombiniert werden, um ihre Stärken auszubauen und ihre Schwächen abzumildern.

Das Potenzial von KI in der Software- und Systementwicklung ist immens: Die Funktionen und (Sicherheits-)Anforderungen im Automobilbereich werden immer umfangreicher, und ein Ingenieur stößt hier aufgrund des Volumens an seine Grenzen. Gleichzeitig steigen die Fähigkeiten der KI, solche komplexen Fragestellungen zu lösen.

Wer diese aktuellen bahnbrechenden Fortschritte in seine Entwicklungsprozesse integriert, wird profitieren, der Rest wird zurückfallen.

The easy availability of massive pretrained foundation models via API or open source completely changes what it looks like to develop an AI product.

Forbes/Rob Toews, Radical Ventures