Fraunhofer-Institut für Angewandte Informationstechnik FIT

Filters
Reset filters

Settings
Now showing 1 - 10 of 284
No Thumbnail Available
Publication

Präventionsmaßnahmen der digitalen Arbeit

2021 , Gimpel, Henner , Berger, Michelle , Lanzl, Julia , Regal, Christian , Schäfer, Ricarda , Schmidt, Marco , Schmidt, Tina

View
No Thumbnail Available
Publication

Electricity Market Design 2030-2050: Shaping future electricity markets for a climate-neutral Europe

2021 , Ahunbay, Mette Seref , Ashour Novirdoust, Amir , Bhuiyan, Rajon , Bichler, Martin , Bindu, Shilpa , Bjørndal, Endre , Bjørndal, Mette , Buhl, Hans Ulrich , Chaves-Ávila, José Pablo , Gerard, Helena , Gross, Stephan , Hanny, Lisa , Knörr, Johannes , Köhnen, Clara Sophie , Marques, Luciana , Monti, Antonello , Neuhoff, Karsten , Neumann, Christoph , Ocenic, Elena , Ott, Marion , Pichlmeier, Markus , Richstein, Jörn C. , Rinck, Maximilian , Röhrich, Felix , Röhrig, Paul Maximilian , Sauer, Alexander , Strüker, Jens , Troncia, Matteo , Wagner, Johannes , Weibelzahl, Martin , Zilke, Philip

View
No Thumbnail Available
Publication

Fraunhofer-Institut für Angewandte Informationstechnik. Jahresbericht 2020
View
No Thumbnail Available
Publication

Vorgehensmodell und Maßnahmenkatalog zur Entwicklung und Durchführung von beruflichen Weiterbildungen

2021 , Kugelmeier, Dorothea , Pippow, Andreas

Das in diesem Dokument beschriebene Vorgehensmodell sowie der Maßnahmenkatalog sind Teilergebnisse des von der Fraunhofer Academy geförderten Projekts »Deutsches Weiterbildungszentrum für Data Science«. Projektpartner sind die Fraunhofer-Institute FIT, IAIS und IPT sowie die Fraunhofer-Personenzertifizierungsstelle. Ein Teilziel dieses Projekts ist die Definition von Qualitätssicherungsmaßnahmen zur Sicherstellung einer einheitlichen »Fraunhofer-Qualität«, sowohl für Weiterbildungsmaßnahmen des »Deutschen Weiterbildungszentrums für Data Science« als auch für andere Weiterbildungen, die über die Fraunhofer Academy angeboten werden. Unter Qualität einer beruflichen Weiterbildung verstehen wir das Ausmaß, in dem die Weiterbildung fachlich umfassend und auf dem aktuellen Stand der Technik Inhalte vermittelt, sowie das Ausmaß, in dem die Inhalte und deren methodisch-didaktische Aufbereitung auf die Bedarfe der Zielgruppe ausgerichtet sind, mit dem Ziel den Lernerfolg und den Lerntransfer für die Teilnehmenden zu maximieren. Darüber hinaus beinhaltet Qualität aber auch das Ausmaß, in dem die organisatorischen Aspekte einer Weiterbildung, wie z. B. Anmeldeverfahren, Teilnehmendenmanagement oder Marketing, die reibungslosen Abläufe der Weiterbildung sicherstellen und nicht zuletzt das Ausmaß der Zufriedenstellung der Teilnehmenden. Sowohl die an dem Projekt beteiligten Institute als auch die Fraunhofer Academy verfügen über langjährige Erfahrung mit der Entwicklung und Durchführung von beruflichen Weiterbildungen, die erfolgreich auf dem Markt platziert wurden. Es hat sich jedoch gezeigt, dass die gesammelten Erfahrungen und Erkenntnisse Mitarbeitenden der Institute für die Entwicklung von neuen Weiterbildungen nicht oder nur in Teilen zur Verfügung stehen. Ein strukturiertes Vorgehen basierend auf Best Practices sowie bekannten Vorgehensmodellen und normativen Vorgaben gibt es in der Fraunhofer-Gesellschaft bisher nicht. Um die daraus resultierenden Effizienzverluste bei der Entwicklung und Durchführung von beruflichen Weiterbildungen zu reduzieren und gleichzeitig eine einheitlich hohe Qualität der Fraunhofer-Weiterbildungen sicherzustellen, wurde im Rahmen des Projekts ein Vorgehensmodell sowie ein zugehöriger Maßnahmenkatalog für die Entwicklung und Durchführung und den Betrieb von beruflichen Weiterbildungen entwickelt. Aus dem Maßnahmenkatalog können spezifische Checklisten für einzelne Aspekte der Weiterbildungsentwicklung und deren Betrieb abgeleitet werden (Beispiele siehe Anhang), die die Mitarbeitenden bei der effizienten Entwicklung und Durchführung einer qualitativ hochwertigen beruflichen Weiterbildung unterstützen. Ziel des vorliegenden Dokuments ist, den Zusammenhang des vorgeschlagenen Vorgehensmodells sowie des Maßnahmenkatalogs mit aktuellen Vorgehensweisen, Vorgehensmodellen und (normativen) Vorgaben für die Entwicklung und den Betrieb von beruflichen Weiterbildungen darzustellen, aus denen beide abgeleitet wurden. Entsprechend den Ausführungen zum Ziel, richtet sich das Dokument an Personen, die sich für das Vorgehen bei der Herleitung des Vorgehensmodells und der Erstellung de s Maßnahmenkatalogs interessieren. Das Dokument ist explizit nicht ausgerichtet auf die eigentliche Zielgruppe des Vorgehensmodells und des Maßnahmenkatalogs, nämlich die Personen, die beides später anwenden sollen. Für diese Zielgruppe werden Vorgehensmodell und Maßnahmenkatalog im Rahmen des Projekts noch entsprechend aufbereitet.

View
No Thumbnail Available
Publication

IT-Sicherheit der Energiesynchronisationsplattform

2021 , Ronge, Karlheinz , Oeder, Andreas , Schimmelpfennig, Jens , Winter, Christian , Ahrens, Raphael

Die im Rahmen des Projekts SynErgie entwickelte Energiesynchronisationsplattform (ESP) mit ihren Teilplattformen Marktplattform (MP) und Unternehmensplattform (UP) nutzt IKT-Infrastruktur zum Austausch von Informationen. Dabei ist neben der Kommunikation in internen Firmennetzen auch die Nutzung öffentlicher Kommunikationsnetze ein wichtiger Bestandteil. Neben dem Schutz vertraulicher Produktionsdaten und von Firmen-Know-how spielt der Manipulationsschutz der Flexibilitätsangebote und der Umsetzungssignale, sowie deren Verfügbarkeit eine wichtige Rolle, da diese direkte Rückwirkung auf das Stromnetz haben können. Zur Gewährleistung des Sicherheitsniveaus, d.h. insbesondere auch zur Minimierung des Risikos beim Betrieb der Plattformen und aus praktischer Perspektive zur Abwehr von potentiellen Angriffen auf und über die Plattformen, wurden verschiedene technische und organisatorische Sicherheitsmaßnahmen definiert, welche in diesem Diskussionspapier thematisiert werden. Mittels Threat Modeling werden bei der Entwicklung der Komponenten und Services der ESP mögliche Bedrohungen sowie Schwachstellen oder das Fehlen geeigneter Schutzmaßnahmen ermittelt. Die Definition von Sicherheitslevels für die Services ermöglichen eine Abstufung der IT-Sicherheitsanforderungen und der zu ergreifenden IT-Sicherheitsmaßnahmen, die sich nach dem jeweiligen Schutzbedarf der zu verarbeitenden Daten richten. Das Security-Life Cycle Management begleitet dabei die Plattformen in allen Entwicklungs- und Betriebsphasen. Durch ein zugriffsbasiertes Rollenmodell werden die Aufgaben und damit die Zugriffsrechte von Rollen bestimmt. Dabei stehen eine sinnvolle Aufgabentrennung, das Need-to-Know-Prinzip, sowie das Least-Privilege-Prinzip im Vordergrund. Mit einer sogenannten Public-Key-Infrastruktur werden Identitäten plattformübergreifend und, wenn erforderlich, auch innerhalb von Plattformen bescheinigt, so dass die an einer Kommunikation beteiligten Partner und Komponenten Gewissheit über die Identität der Quellen und Empfänger ihrer Informationen haben. Für die physische und logische Infrastruktur der ESP sind ebenfalls Maßnahmen vorgesehen, etwa in Bezug auf die Netzwerkinfrastruktur, die Identitäts- und Berechtigungsverwaltung und das Logging.Diese Veröffentlichung ist Teil der Reihe ""Diskussionspapiere V4 - Konzept der Energiesynchronisationsplattform"".

View
No Thumbnail Available
Publication

Towards Distributed Healthcare Systems - Virtual Data Pooling Between Cancer Registries as Backbone of Care and Research

2021 , Appenzeller, Arno , Bartholomäus, Sebastian , Breitschwerdt, Rüdiger , Claussen, Carsten , Geisler, Sandra , Hartz, Tobias , Kachel, Philipp , Krempel, Erik , Robert, Sebastian , Zeissig, Sylke Ruth

German cancer registries offer a systematic approach for the collection, storage, and management of data on patients with cancer and related diseases. Much hope in research and healthcare in general is depending on such register-based analyses in order to comprehensively consider the features of a highly diverse population. Next to the data collection the cancer registries are responsible for data protection. To fulfill legal regulations, access to data has to be controlled in a strict way leading to sometimes bureaucratic and slow processes. The situation is especially complicated in Germany, since cancer data is distributed over numerous federal cancer registries. If a nationwide data evaluation is conducted a research team has to negotiate a separate contract with each cancer registry. In a joint work in progress effort of cancer registries, technical, medical, and economical experts we propose a different solution for cooperative data processing. Our approach aims for combining data in a virtual pool based on the selection criteria of individual requests from researchers. To achieve our goal, we adapt the Fraunhofer Medical Data Space as enabling technology. The architecture we propose will allow us to pool data of multiple partners regulated by data access policies. In doing so, each of the data sources can introduce its own rules and specifications on how data is used. Additionally, we add a digital consent management that will allow individual patients to decide how their data is used. Finally, we show the high potential of the cooperative analysis of distributed cancer data supported by the proposed solution in our approach.

View
No Thumbnail Available
Publication

Electricity Market Design 2030-2050: Moving Towards Implementation

2021 , Ashour Novirdoust, Amir , Bhuiyan, Rajon , Bichler, Martin , Buhl, Hans Ulrich , Fridgen, Gilbert , Fugger, Carina , Gretschko, Vitali , Hanny, Lisa , Knörr, Johannes , Neuhoff, Karsten , Neumann, Christoph , Ott, Marion , Richstein, Jörn C. , Rinck, Maximilian , Röhrich, Felix , Schöpf, Michael , Sitzmann, Amelie , Wagner, Johannes , Weibelzahl, Martin

View
No Thumbnail Available
Publication

Thing Directory: Simple and lightweight registry of IoT device metadata

2021 , Tavakolizadeh, Farshid , Devasya, Shreekantha

View
No Thumbnail Available
Publication

GAIA-X and IDS

2021 , Otto, Boris , Rubina, Alina , Eitel, Andreas , Teuscher, Andreas , Schleimer, Anna Maria , Lange, Christoph , Stingl, Dominik , Loukipoudis, Evgueni , Brost, Gerd , Boege, Gernot , Pettenpohl, Heinrich , Langkau, Jörg , Gelhaar, Joshua , Mitani, Koki , Hupperz, Marius , Huber, Monika , Jahnke, Nils , Brandstädter, Robin , Wessel, Sascha , Bader, Sebastian

View
No Thumbnail Available
Publication

DeepKneeExplainer: Explainable knee osteoarthritis diagnosis from radiographs and magnetic resonance imaging

2021 , Karim, Rezaul , Jiao, Jiao , Döhmen, Till , Cochez, Michael , Beyan, Oya , Rebholz-Schuhmann, Dietrich , Decker, Stefan

Osteoarthritis (OA) is a degenerative joint disease, which significantly affects middle-aged and elderly people. Although primarily identified via hyaline cartilage change based on medical images, technical bottlenecks like noise, artifacts, and modality impose an enormous challenge on high-precision, objective, and efficient early quantification of OA. Owing to recent advancements, approaches based on neural networks (DNNs) have shown outstanding success in this application domain. However, due to nested non-linear and complex structures, DNNs are mostly opaque and perceived as black-box methods, which raises numerous legal and ethical concerns. Moreover, these approaches do not have the ability to provide the reasoning behind diagnosis decisions in the way humans would do, which poses an additional risk in the clinical setting. In this paper, we propose a novel explainable method for knee OA diagnosis based on radiographs and magnetic resonance imaging (MRI), which we called DeepKneeExplainer. First, we comprehensively preprocess MRIs and radiographs through the deep-stacked transformation technique against possible noises and artifacts that could contain unseen images for domain generalization. Then, we extract the region of interests (ROIs) by employing U-Net architecture with ResNet backbone. To classify the cohorts, we train DenseNet and VGG architectures on the extracted ROIs. Finally, we highlight class-discriminating regions using gradient-guided class activation maps (Grad-CAM++) and layer-wise relevance propagation (LRP), followed by providing human-interpretable explanations of the predictions. Comprehensive experiments based on the multicenter osteoarthritis study (MOST) cohorts, our approach yields up to 91% classification accuracy, outperforming comparable state-of-the-art approaches. We hope that our results will encourage medical researchers and developers to adopt explainable methods and DNN-based analytic pipelines towards an increasing acceptance and adoption of AI-assisted applications in the clinical practice for improved knee OA diagnoses.

View