Es kombiniert Vorgehensweisen aus der Informatik und datengetriebenen Modellbildung mit denen klassischer Ingenieurdisziplinen, um die Herausforderungen zu überwinden. AI Systems Engineering, übersetzt KI-Engineering, nennen die Wissenschaftlerinnen und Wissenschaftler den interdisziplinären Ansatz, an dem sie seit Mitte 2020 arbeiten. „Mit KI-Engineering wollen wir die Entwicklung und den Betrieb von KI-basierten Lösungen systematisieren. Nur wenn KI-Methoden aus ingenieurtechnischer Sicht verlässlich eingesetzt werden können, bietet sich die Chance, das hohe Wertschöpfungspotenzial zu heben“, erklärt Prof. Dr.-Ing. habil. Jürgen Beyerer, Leiter des Fraunhofer IOSB und des wissenschaftlichen Direktoriums in CC-KING. „Mit PAISE haben wir ein Instrumentarium geschaffen, das insbesondere auch kleinen und mittleren Unternehmen einen praktischen Leitfaden an die Hand gibt, um dieses Ziel zu erreichen“.

In der Entwicklung kann es schwierig sein, die Performanz eines cyber-physischen Gesamtsystems mit KI-Anteilen vorab abzuschätzen. „Damit können auch zu einem späten Zeitpunkt noch Änderungen am High-Level Design des Gesamtsystems notwendig werden«, verdeutlicht Constanze Hasterok. „Dieser Effekt tritt unter anderem dann ein, wenn die finalen ML-Modelle mit Daten aus dem echten Betrieb trainiert werden. Bei Neuentwicklungen stehen qualitativ hochwertige Daten aus dem Betrieb aber typischerweise erst spät zur Verfügung.“ Für den Betrieb sei ein Überwachen und idealerweise automatisches Anpassen von ML-Modellen notwendig, wenn sich Systeme und ihre Umgebungsbedingungen über die Zeit verändern können.

Im Podcast-Gespräch vertiefen die Hosts im Gespräch mit der Wissenschaftlerin Hasterok das Thema.