Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Machine Learning in sicherheitskritischen Systemen

Aktuelle Probleme und Möglichkeiten der Absicherung
 
: Schwaiger, Adrian

:
Fulltext urn:nbn:de:0011-n-6185420 (278 KByte PDF)
MD5 Fingerprint: 16769f92c1500684556392af8c4d2c8d
Created on: 18.12.2020


Embedded Software Engineering Kongress 2020 : 30.11.-04.12.2020, digital
Würzburg: Vogel, 2020
ISBN: 978-3-8343-2415-3
pp.449-454
Embedded Software Engineering Kongress (ESE) <2020, Online>
Bayerisches Staatsministerium für Wirtschaft, Landesentwicklung und Energie StMWi
20-3410-2-9-8; ADA-Center
ADA Lovelace Center for Analytics, Data and Applications
German
Conference Paper, Electronic Publication
Fraunhofer IKS ()
artificial intelligence (AI); Künstliche Intelligenz (KI); machine learning; Maschinelles Lernen (ML); safety; autonomes Fahren; autonomous driving; Autonomous Systems; Autonome Systeme; assurance case; Absicherung; safety critical; Safe Intelligence

Abstract
Der Einsatz von Machine Learning (ML), insbesondere von Deep Learning, ermöglicht erst viele hochkomplexe Anwendungen, beispielsweise in der Medizintechnik oder bei autonomen Systemen. Derzeit gibt es beim Einsatz in solchen sicherheitskritischen Systemen jedoch noch einige Herausforderungen. Drei dieser Probleme und Möglichkeiten, wie diese in Zukunft gehandhabt werden können, sollen im Nachfolgenden am Beispiel des autonomen Fahrens vorgestellt werden.

: http://publica.fraunhofer.de/documents/N-618542.html