Seite - 183 - in Künstliche Intelligenz - Technologie | Anwendung | Gesellschaft
Bild der Seite - 183 -
Text der Seite - 183 -
iit-Themenband – Künstliche Intelligenz 183
Unterschiedliche Entwicklungspfade der Automatisierung durch KI
Trotz umfangreichen Trainings ist jede durch KI getroffene Entscheidung mit
Unsicherheiten behaftet – besonders dann, wenn die KI auf Daten außerhalb der
Trainingsmenge angewandt wird. Aber ab wann ist ein KI-Assistenzsystem gut genug
für die praktische Anwendung im Feld? Und wie kann man trotz Lernphase diese
Technik insbesondere bei Anwendungen, welche die Sicherheit tangieren, in
vorhandene Systeme etablieren?
Um eine trainierte KI zu verwenden, müssen also zunächst neue Validierungsmethoden
und Sicherheitsmechanismen geschaffen werden, mit denen sich fehlerhafte
KI-Entscheidungen auffangen lassen. Hierbei haben sich zwei Vorgehensweisen
etabliert: Ein Ansatz ist die Einbindung der KI über die Teilautomatisierung des
Fahrzeugs (z. B. Tesla, Audi, Daimler), wobei einzelne Fahrfunktionen in das
Fahrzeugsystem schrittweise integriert werden (z. B. Update-Möglichkeit bei Tesla).
Ein weiterer Ansatz (z. B. von Apple und der Alphabet-Tochter Waymo) sieht vor,
ohne Zwischenschritt direkt hoch- und vollautomatisierte Lösungen zu entwickeln.
Die Teilautomatisierung hat sich als besonders geeignet für etablierte Fahrzeughersteller
herausgestellt, da hierbei auf bereits vorhandene Fahrassistenzsysteme aufgebaut
werden kann und somit eine hoch- bis vollautomatisierte Lösung schrittweise über
verschiedene Automatisierungsstufen angestrebt wird. Ist ein robustes Niveau der
Fahrfunktion erreicht, kann der Fahrer das Assistenzsystem aktiv freischalten und
nutzen. Da derzeit keine Validierungsmethoden zur Verfügung stehen, um die
Sicherheit dieser Fahrfunktionen zu gewährleisten, kann bei diesem Entwicklungsansatz
auf den Fahrer als Beobachter, der in brenzligen Situationen unmittelbar eingreift,
nicht verzichtet werden. Diese Überwachungsfunktion des Fahrers kann allerdings
schließlich auch Vertrauen in KI aufbauen.
Im Kontrast dazu entwickeln die neu hinzugekommenen, softwarespezialisierten
Akteure in der Automobilindustrie direkt vollständig selbstfahrende Fahrzeuge – zum
Teil bereits ohne Lenkrad. Sie begründen dieses Vorgehen mit Erkenntnissen aus
Studien, in denen die wechselnde Übergabe der Steuerung zwischen Mensch und
Maschine untersucht und als zusätzliches Risiko identifiziert wurde.
Keiner dieser beiden Ansätze hat sich bislang als Königsweg herauskristallisieren
können. Für beide Wege kann angenommen werden, dass sich in der
Entwicklungsphase, d. h. im Mischverkehr aus nicht-, teil- und vollautomatisierten
Fahrzeugen, Unfälle mit Personenschäden nicht ausschließen lassen, und sie sind
auch schon aufgetreten.
Künstliche Intelligenz
Technologie | Anwendung | Gesellschaft
- Titel
- Künstliche Intelligenz
- Untertitel
- Technologie | Anwendung | Gesellschaft
- Herausgeber
- Volker Wittpahl
- Verlag
- Springer Vieweg
- Datum
- 2019
- Sprache
- deutsch
- Lizenz
- CC BY 4.0
- ISBN
- 978-3-662-58042-4
- Abmessungen
- 16.8 x 24.0 cm
- Seiten
- 286
- Schlagwörter
- Elektrische Antriebssysteme, Intelligentes Gesamtmaschinenmanagement, Künstliche Intelligenz, Data Mining, Maschinelles Lernen, Deep Learning, artificial intelligence, data mining, machine learning, deep learning
- Kategorie
- Technik
Inhaltsverzeichnis
- Vorwort 7
- Inhaltsverzeichnis 15
- A Technologie 18
- B Anwendung 92
- Einleitung: KI ohne Grenzen? 95
- 5. Neue Möglichkeiten für die Servicerobotik durch KI 99
- 6. E-Governance: Digitalisierung und KI in der öffentlichen Verwaltung 122
- 7. Learning Analytics an Hochschulen 142
- 8. Perspektiven der KI in der Medizin 161
- 9. Die Rolle der KI beim automatisierten Fahren 176
- 10. Maschinelle Übersetzung 194
- C Gesellschaft 212
- Ausblick 273
- Anhang 277
- Autorinnen und Autoren 277
- Abkürzungsverzeichnis 286