Auf den Weg zum TÜV für Künstliche Intelligenz

Das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) und TÜV Süd arbeiten bei der Zertifizierung von Systemen mit Künstlicher Intelligenz (KI) für das autonome Fahren zusammen. KI-Systeme sind vermehrt Teil der Fahrzeugelektronik bzw. Fahrerassistenz, um Verkehrssituationen einschätzen bzw. meistern zu können und letztlich das Steuer zu übernehmen. Um die Sicherheit fortwährend zu gewährleisten, treten Prüforganisationen wie TÜV Süd für die Entwicklung eines "Software-TÜV" ein. Die Münchener sprechen in einer aktuellen Mitteilung vom "TÜV für Algorithmen". Grundlage soll eine digitale Plattform namens "Genesis" sein, die Module Künstlicher Intelligenz validiere und Grundlagen für Zertifizierungen schaffe.

"TÜV Süd kümmert sich seit mehr als 150 Jahren um die Sicherheit und Akzeptanz technischer Innovationen – so auch beim autonomen Fahren. Wir freuen uns, das Fahren von morgen gemeinsam mit dem DFKI sicher zu machen und die Herausforderungen bei der Künstlichen Intelligenz anzunehmen", erklärte Dr. Houssem Abdellatif, Global Head Autonomous Driving bei TÜV Süd. Von allen KI-Methoden ist einer Meldung der DFKI zufolge das so genannte "Deep Learning" für die Anwendung im autonomen Fahrzeug am bedeutendsten. Dabei handelt es sich um selbstlernende Software, die Mustererkennung beherrscht und optimiert. Dazu wird sie laut den DFKI-Forschern mit einer Vielzahl an Daten zu Verkehrssituationen gefüttert.

Die Zahl möglicher Verkehrssituationen für menschliche Fahrer bzw. computergesteuerte Fahrzeuge ist enorm. Experten von TÜV Süd kommen auf 100 Millionen Situationen pro vollautomatisierter Fahrfunktion. Die selbstlernende Software bekommt in der Entwicklungsphase Datenmaterial vorgesetzt, das bei Testfahrten gesammelt wurde. Wie ein Fahrschüler soll sich der Algorithmus auf diese Weise fortlaufend verbessern. Mit dem theoretischen Unterschied, dass Computer mehr von diesen Daten in kürzerer Zeit verarbeiten können. Laut DFKI lasse sich die Entwicklung weiter beschleunigen, indem neben in Testfahrten gesammelter Realdaten auch synthetische Daten verwendet würden. "Synthetische Daten werden deshalb benötigt, weil kritische Verkehrsszenarien zu selten und zu unterschiedlich sind, um mit Realdaten abgedeckt zu werden", erklärten die Forscher.

(msc)