Fraunhofer-Institut für Offene Kommunikationssysteme
Fraunhofer-Institut für Offene Kommunikationssysteme
Humanoider Roboterarm mit Stab in der Hand vor blauen Hintergrund mit graphischen Elementen wie Wellenlinien aus Punkten und gelben Kreisen
© Fraunhofer FOKUS

© Fraunhofer FOKUS

Künstliche Intelligenz

❯❯❯

Künstliche Intelligenz eröffnet neue Möglichkeiten für digitale Innovationen, stellt Organisationen jedoch gleichzeitig vor Anforderungen an Transparenz, Nachvollziehbarkeit und verlässlichen Betrieb. Fraunhofer FOKUS erforscht und entwickelt KI‑basierte Systeme mit dem Ziel, deren Funktionsweise verständlich zu machen und ihren Einsatz technisch und organisatorisch beherrschbar zu gestalten. Der Fokus liegt auf der Integration von KI in komplexe IT‑Umgebungen, auf belastbaren Architekturen sowie auf dem sicheren Betrieb unter realen Bedingungen. So entsteht KI, die nicht isoliert wirkt, sondern verantwortungsvoll in produktive Systeme eingebettet ist.

Die folgenden Technologien und Kompetenzen beschreiben zentrale Bausteine, die in unseren Anwendungsfelder entlang von Entwurf, Entwicklung, Integration und Betrieb zum Einsatz kommen.

Nehmen Sie Kontakt auf

Technologien und Kompetenzen für forschungsnahe Beratung und Entwicklung

Maschinelles Lernen & Deep Learning

ML‑ und Deep‑Learning‑Methoden ermöglichen die Analyse großer Datenmengen und Mustererkennung, unterstützen Prognosen und automatisierte Entscheidungen.

  • Entwicklung innovativer ML-Modelle und Deep Learning-Architekturen
  • Erstellung und Betrieb skalierbarer ML-Pipelines (inkl. MLOps und QM)
  • Optimierung, Integration und Beratung zu KI-gestützten Systemen
  • KI‑basierte Media‑Analytics, QoE, Mustererkennung in Medienströmen

Generative KI (GenAI) & Sprachmodelle

Neue Möglichkeiten für Automatisierung, kreative Inhalte und effiziente Informationsverarbeitung.

  • Entwicklung, Optimierung und Implementierung generativer KI-Anwendungen
  • Sprachverarbeitung und Sprachanalyse 
  • LLM-gestützte Content‑Analyse und -Generierung (Medien, Text)
  • Integration von Retrieval-Augmented Generation (RAG)
  • Beratung und Prototypentwicklung

Explainable AI (XAI) & Vertrauenswürdige KI

Erklärbare KI schafft Transparenz und stärkt das Vertrauen in komplexe Modelle und sichert Content Authenticity & Provenance. Methoden zur Nachvollziehbarkeit unterstützen verantwortungsvolle und regelkonforme Nutzung von KI‑Systemen.

  • Entwicklung interaktiver Erklärtools
  • Förderung transparenter Entscheidungsprozesse
  • Beratung zu KI-Ethik und Standards
  • Zertifizierungsprozesse für vertrauenswürdige KI

Hybrid-KI & neurosymbolische Ansätze

Die Verbindung symbolischer Methoden mit maschinellem Lernen erhöht die Flexibilität und Nachvollziehbarkeit von KI‑Systemen. So entstehen robuste und erklärbare Anwendungen für anspruchsvolle Szenarien.

  • Entwicklung neurosymbolischer KI-Modelle
  • Integration von ontologischem Wissen in ML-Systeme
  • Verbindung von Regeln und datengetriebenem Lernen

Datenmanagement & Plattformtechnologien

Effizientes Datenmanagement bildet die Grundlage für KI‑Plattformen und Analyseumgebungen. Interoperable Lösungen unterstützen Datenqualität, Integration und nachhaltige Nutzung großer Datenbestände.

  • Aufbau von Datenplattformen, Datenpipelines und KI-Ökosystemen
  • Sicherstellung von Datenqualität, Datenschutz und Integration in bestehende IT-Landschaften
  • Beratung zu Best Practices im Datenmanagement & zur Einbindung von KI

Sensordatenfusion & Echtzeitverarbeitung

Heterogene Sensordaten werden in Echtzeit kombiniert und ausgewertet. Dadurch lassen sich Entscheidungen in Mobilität, Sicherheit und IoT‑Anwendungen präziser treffen.

  • Sensordaten-Fusionssystemen mit KI-gestützter Mustererkennung
  • Echtzeit-Analyse von Datenströmen durch KI-Algorithmen
  • IoT-Integration mit KI-basierten Erkennungs- und Vorhersagesystemen
  • Echtzeit-Anomalieerkennung durch KI-Modelle

Standardisierung, Normung & Zertifizierung

Standards und Zertifizierungsverfahren sichern die Qualität und Vertrauenswürdigkeit von KI‑Systemen. Sie ermöglichen interoperable, sichere und regelkonforme Technologien im breiten Einsatz.

  • Normungsstrategien und Standardentwicklung
  • Beratung bei Zertifizierungsprozessen
  • Interoperabilität und Konformitätsbewertung
  • Integration von automatisierten CI/CD-Testprozessen in Zertifizierungsszenarien

Human-in-the-Loop & Interaktive Systeme

Interaktive KI‑Systeme beziehen Menschen in Entscheidungsprozesse ein. Dadurch erhöht sich Akzeptanz und Kontrolle, besonders in sicherheitskritischen oder komplexen Anwendungsbereichen.

  • Nutzer-/ Mensch-zentrierter KI-Systeme 
  • Mensch-Maschine-Kollaboration
  • Sprachdialogsysteme und Echtzeit-Spracherkennung
  • Security by Design für sicherheitskritische Interaktionen

Datenbasierte Entscheidungsunterstützung

Datenanalyse mit KI‑Methoden überführt heterogene Datenbestände in verwertbare Erkenntnisse und steigert Genauigkeit und Transparenz für fundierte Entscheidungen.

  • Analytics-as-a-Service-Lösungen
  • Semantische Datenintegration und Wissensgraphen
  • Echtzeit-Datenverarbeitung und Smart Data Analytics
  • Domänenspezifische KI-Algorithmen
  • Streaming Analytics, QoE‑ und Medien‑Monitoring

Multi‑Agenten‑Systeme (MAS) & agentische KI

MAS verteilen Entscheidungsprozesse auf kooperierende, steuerbare KI‑Agenten und ermöglichen adaptive Lösungen für dynamische Umgebungen.

  • Zerlegung in koordinierte Teilentscheidungen mit klarer Aufgaben‑, Kontroll‑ und Eskalationslogik
  • Standardisierte Agenteninteraktionen mit definierten Konfliktlösungen, Verifikation und Eskalation (z. B. A2A)
  • Emergentes Gesamtverhalten auf Basis lokaler Regeln, gemeinsamer Ziele und überwachter Sicherheitsvorgaben

Synthetische Daten & KI‑Validierung

Synthetische Daten und digitale Zwillinge unterstützen die systematische Bewertung und Absicherung KI‑gestützter Entscheidungen in komplexen Systemen.

  • Erzeugung synthetischer Daten für seltene und extreme Szenarien sowie Rand‑ und Fehlerfälle
  • Digitale Zwillinge zur Emulation von Systemverhalten und Störungen unter variierenden Bedingungen
  • Kontinuierliche Bewertung von KI‑Entscheidungen anhand definierter Robustheits‑ und Leistungskriterien

Wir stehen zu Ihrer Verfügung

Adrian Paschke

Contact Press / Media

Prof. Dr. rer. nat. Adrian Paschke

Gruppenleiter Data Analytics und KI

Experte für Federated Learning, erklärbare & sichere KI, Quantum Machine Learning

Telefon +49 30 3463-7228

Jürgen Großmann

Contact Press / Media

Dr.-Ing. Jürgen Großmann

Gruppenleiter Entwicklung kritischer Systeme

Experte für KI-Absicherung, Standardisierung und Automotive Open System Architecture

Telefon +49 30 3463-7390

Christopher Krauß

Contact Press / Media

Dr.-Ing. Christopher Krauß

Media & Data Science Lead

Experte für KI in Medien und Chatbots

Telefon +49 30 3463-7236

Ilja Radusch

Contact Press / Media

Dr.-Ing. Ilja Radusch

Leiter Geschäftsbereich Smart Mobility

Experte für Digitale Zwillinge, KI-Wahrnehmung, Smart Mobility & Indoor-Navigation

Telefon +49 30 3463-7474

Hintergrundwissen

Alle ausklappen Alle einklappen

  • KI lernt aus großen Mengen strukturierter oder unstrukturierter Daten, etwa aus Texten, Bildern, Audio- oder Sensordaten. Mithilfe von Machine-Learning- und Deep-Learning-Verfahren erkennt sie Muster und kann daraus Vorhersagen oder Entscheidungen ableiten. Die Qualität der Ergebnisse hängt maßgeblich von den verwendeten Daten, den Algorithmen und der kontinuierlichen Überprüfung der Modelle ab.

  • KI kann wiederkehrende Aufgaben automatisieren, Prozesse beschleunigen und datenbasierte Entscheidungen unterstützen. Unternehmen profitieren von effizienteren Abläufen, einer höheren Produktivität und besseren Kundenservices. Besonders in Bereichen wie Marketing, Vertrieb, Produktion oder Kundenservice schafft KI messbare Mehrwerte, wenn sie gezielt und sinnvoll eingesetzt wird.

  • KI kann fehlerhafte oder verzerrte Ergebnisse liefern, wenn die Daten oder Modelle unzureichend sind. Generative KI kann zudem falsche Informationen erzeugen oder Vorurteile verstärken. Deshalb sollten Ergebnisse stets überprüft sowie Datenschutz, IT-Sicherheit und gesetzliche Vorgaben berücksichtigt werden. Menschliche Kontrolle bleibt bei wichtigen Entscheidungen unverzichtbar.

  • Verantwortungsvolle KI steht für einen transparenten, fairen und sicheren Einsatz von Künstlicher Intelligenz. Dazu gehören Datenschutz, Nachvollziehbarkeit, die Vermeidung von Diskriminierung und die Einhaltung gesetzlicher Vorgaben. Besonders bei sensiblen Anwendungen sollte der Mensch Entscheidungen überwachen und bei Bedarf eingreifen können (»Human in the Loop«).

  • Ein erfolgreicher KI-Einsatz beginnt mit einem klar definierten Anwendungsfall und einer hochwertigen Datenbasis. Ebenso wichtig sind Datenschutz, IT-Sicherheit, Compliance und regelmäßige Qualitätskontrollen der Modelle. Unternehmen sollten zudem klare Richtlinien für den Einsatz von KI schaffen und ihre Mitarbeitenden entsprechend schulen, um die Technologie sicher und verantwortungsvoll einzusetzen.