IML4E

Wiederverwendung und Automatisierung für Maschinelles Lernen im Kontext von MLOps

01. Mai 2021 bis 30. Apr. 2024

Künstliche Intelligenz (KI) und Maschinelles Lernen (ML) werden immer stärker zur Grundlage für intelligente Dienstleistungen (Smart Services), wie z. B. vorausschauende Wartung, oder intelligente Software (Smart Software), wie z. B. für die Routenplanung im Straßenverkehr. Damit solche neuen Anwendungen entwickelt werden können, muss KI- und ML-basierte-Software ähnlich effizient und mit der gleichen Qualität wie »klassische« Software produziert, betrieben und gewartet werden können. Hierfür sind geeignete Methoden, Werkzeuge und Prozesse nötig.

Analog zur »klassischen« Software muss KI-basierte Software entsprechend den Anforderungen des Endbenutzers implementiert und validiert werden. Sie muss sich in andere Software- und Kommunikationstechnologien integrieren und alle etablierten Qualitätsmerkmale »klassischer« Software (z. B. Funktionalität, Sicherheit, Wartbarkeit, Interoperabilität) sowie eine Reihe neuer Qualitätsmerkmale (z. B. Integrierbarkeit, intelligentes Verhalten, Ethik usw.) erfüllen. Ihr Einsatz muss technologisch, sozial und ethisch akzeptabel und sicher sein. Alle diese Eigenschaften müssen sorgfältig geplant, realisiert, validiert und über den gesamten Softwarelebenszyklus hinweg gewartet werden.

Im IML4E-Projekt haben sich daher Unternehmen aus den Hauptsektoren der europäischen Softwareindustrie zusammengeschlossen, um ein europäisches Rahmenwerk für die Entwicklung, den Betrieb und die Wartung von KI-basierter Software zu entwickeln und damit die Entwicklung von intelligenten Diensten und intelligenter Software in industriellem Maßstab zu gewährleisten. Fraunhofer FOKUS erforscht im Projekt Techniken, Werkzeuge und Methoden, mit denen sich die Unsicherheit und Risiken beim Maschinellen Lernen aufgrund von Datenqualitätsproblemen systematisch dokumentieren und modellieren lassen.

SQC, Bild, IML4E, 210708
Fraunhofer FOKUS

»Mit dem IML4E-Projekt wollen wir die europäische Softwareindustrie dahingehend stärken, Vorteile von Künstlicher Intelligenz und Maschinellem Lernen effizient einsetzen zu können ohne dabei unnötige Qualitätsrisiken eingehen zu müssen«, betont Dr. Jürgen Großmann, Projektleiter bei Fraunhofer FOKUS. 

Fraunhofer FOKUS leitet das europäische Gesamtprojekt IML4E. Im Projekt entwickeln die Wissenschaftlerinnen und Wissenschaftler Techniken, Werkzeuge und Methoden, mit denen sich die Unsicherheit und Risiken beim Maschinellen Lernen aufgrund von Datenqualitätsproblemen systematisch dokumentieren und modellieren lassen. Hierfür werden Qualitätsmerkmale und risikobasierte Testansätze entwickelt, die sich für die kontinuierliche Qualitätsüberwachung im gesamten Lebenszyklus KI-basierter Software eignen. In einem weiteren Arbeitspaket werden Methoden und Techniken, mit denen sich die Transparenz und Verständlichkeit von Machine-Learning-Modellen herstellen lässt, entwickelt. Fraunhofer FOKUS entwickelt einen risikobasierten Qualitätssicherungsansatz, mit dem Machine-Learning-Software auf Eigenschaften wie Sicherheit und Robustheit geprüft und dadurch auch in kritischen Anwendungsbereichen eingesetzt werden kann. Zusätzlich entsteht eine Lehr- und Experiementierplattform sowie geeignetes Lehr- und Fortbildungsmaterial für industrielle Anwender.

Im ITEA3-Projekt IML4E arbeiten 18 Partner aus Finnland, Ungarn und Deutschland zusammen. Das Projekt wird gefördert vom Bundesministerium für Bildung und Forschung (BMBF).