Lernfähigkeit von automatisierten Systemen
Mitarbeiter des Forschungsgebiets
Beschreibung des Forschungsgebiets
Moderne automatisierte Systeme haben Einzug in nahezu jeden Bereich unseres Lebens gefunden. Angefangen vom Frühstücks-Kaffee aus dem Vollautomaten, über die Terminplanung per Smartphone, bis hin zum Robotereinsatz in einer Fertigungsstraße. Sowohl im Produkt- als auch im Anlagenautomatisierungsbereich erreichen die jeweiligen automatisierten Systeme dabei eine teilweise sehr hohe Komplexität.
Ein komplexes automatisiertes System ist zwar im Stande eine schwierige Aufgabe zu erfüllen, jedoch ist es oft sehr aufwendig, ein solches System an sich ändernde Rahmenbedingungen oder abweichende Funktionalitäten anzupassen. Aus diesem Grund sind automatisierte Systeme auf dem Vormarsch, die einen sogenannten hohen Maschinen-Intelligenz-Quotienten (MIQ) haben. Sie haben unter anderem die Fähigkeit, Informationen aus ihrem Umfeld zu verarbeiten, aus diesen zu lernen und ihr Verhalten entsprechend anzupassen.
Im Forschungsthema „Lernfähige automatisierte Systeme“ wird am IAS untersucht, wie ein automatisiertes System aus verschiedenen Informationen lernen kann. Dabei werden einerseits von Sensoren gelieferte Daten berücksichtigt und andererseits die Eingaben von mit dem System interagierenden Personen betrachtet. Außerdem wird untersucht, wie aus der im Betrieb aufgebauten Historie gelernt werden kann und externe Quellen, wie beispielsweise das Internet, zum Lernprozess hinzugezogen werden können. Die Zielsetzung eines lernfähigen automatisierten Systems ist dabei, sein Verhalten hinsichtlich Funktionalität, Wartung und Diagnose zu optimieren.
Einen weiteren Aspekt in diesem Forschungsgebiet stellt Soft Computing dar. Der Begriff Soft Computing wurde von Professor Zadeh im Jahr 1994 definiert. Soft Computing steht dem traditionellen Hard Computing gegenüber, dessen Grundlage auf Präzision und Gewissheit basiert. Soft Computing ist durch Adaption der Natur oder durch eine weltbeschreibende Modellbildung definiert, die mindestens eine der vier Grundprinzipien Ungenauigkeit, Ungewissheit, Lernfähigkeit oder Adaption verwendet. Das Ziel dabei ist das Erreichen eines effizienteren, robusteren, kostengünstigeren oder im Sinne der Anpassung an die Wünsche des Benutzers intelligenteren Systems.
Forschungsfragen
- Was bedeutet die „Lernfähigkeit“ für automatisierte Systeme?
- Wie kann ein automatisiertes System bei Änderungen der Anforderungen oder Rahmenbedingungen sein Verhalten lernend anpassen?
- Wie können automatisierte Systeme mit Ungewissheit und Ungenauigkeit umgehen und in diesem Kontext ihre Aufgaben optimal durchführen?
Abbildung 1: Lernfähiges automatisiertes System
