Übersicht zur Deutsch-Französischen Kooperation am DFKI

Am 22. Januar 2020, dem ersten Jahrestag des Aachener Vertrags, unterzeichneten das französische nationale Institut für Informationstechnologie, Inria, und das DFKI ein Memorandum of Understanding. Darin verabredeten die beiden wissenschaftlichen Einrichtungen, ihre Zusammenarbeit im Bereich der KI deutlich zu verstärken, ihre langjährige wissenschaftliche Zusammenarbeit zu strukturieren und zu formalisieren.

Inria und DFKI werden im Rahmen einer gemeinsamen strategischen Forschungs- und Innovationsagenda in den Bereichen KI für Industrie 4.0, KI-Infrastrukturen, KI und Cybersicherheit, Mensch-Roboter-Kooperation, Wearables und anderen Bereichen zusammenarbeiten. Im Kern der Vereinbarung steht auch ein starkes gemeinsames Engagement für die europäische KI-Initiative CLAIRE (Confederation of Labs for AI Research in Europe), um die europäischen KI-Forscher enger miteinander zu vernetzen und gemeinsam die europäische Forschung für eine KI voranzubringen, die dem Menschen nutzt und dabei die europäischen Grundwerte berücksichtigt.

Zu den konkreten Maßnahmen gehört die Durchführung von gemeinsamen Forschungs- und Innovationsprojekten, die teilweise auf bestehenden Vorhaben beider Organisationen aufbauen sowie neuen Themen, die in gemeinsamen Workshops definiert und ausgearbeitet werden.

Im Pilotjahr 2020 sind die ersten Projekte gestartet.

Projekte

CLIMACTIC – Dynamische Planung in der individuellen Fertigung entlang der Supply Chain

Die Erfüllung individueller Kundenwünsche wird zunehmend zu einem entscheidenden Faktor, wenn man die Wettbewerbsfähigkeit von Unternehmen betrachtet. Die damit einhergehende Auftragsfertigung hat nicht nur Auswirkungen auf den Herstellungsprozess, sondern auf die gesamte Wertschöpfungskette des Produkts - begonnen beim Rohstofflieferanten bis hin zum Endkunden. Im Vergleich zur Mehrfachfertigung (Serienfertigung, Massenfertigung) birgt diese Dynamik Herausforderungen an die Supply Chain- eine kontinuierliche Anpassung an Bedarfen über die gesamte Lieferkette. Dies ist mit statischen Optimierungsmethoden nicht mehr handhabbar. Unter Einbezug von Echtzeitdaten und Methoden der Künstlichen Intelligenz soll ein intelligentes System entwickelt werden, das eine proaktive und teilautomatisierte Anpassung und Optimierung von Fertigungsprozessen unter Berücksichtigung aktueller und prognostizierter externer und interner Geschäftsereignisse und -situationen ermöglicht.

ENGAGE - NExt GeNeration ComputinG Environments for Artificial intelliGEnce

Die Erfüllung individueller Kundenwünsche wird zunehmend zu einem entscheidenden Faktor, wenn man die Wettbewerbsfähigkeit von Unternehmen betrachtet. Die damit einhergehende Auftragsfertigung hat nicht nur Auswirkungen auf den Herstellungsprozess, sondern auf die gesamte Wertschöpfungskette des Produkts - begonnen beim Rohstofflieferanten bis hin zum Endkunden. Im Vergleich zur Mehrfachfertigung (Serienfertigung, Massenfertigung) birgt diese Dynamik Herausforderungen an die Supply Chain- eine kontinuierliche Anpassung an Bedarfen über die gesamte Lieferkette. Dies ist mit statischen Optimierungsmethoden nicht mehr handhabbar. Unter Einbezug von Echtzeitdaten und Methoden der Künstlichen Intelligenz soll ein intelligentes System entwickelt werden, das eine proaktive und teilautomatisierte Anpassung und Optimierung von Fertigungsprozessen unter Berücksichtigung aktueller und prognostizierter externer und interner Geschäftsereignisse und -situationen ermöglicht.

FAIRe – Frugal Artificial Intelligence in Resource-limited environments

Künstliche Intelligenz (KI) findet zunehmend vielfältige Anwendungen in der physischen Welt, insbesondere auf eingebetteten, cyber-physischen Geräten mit begrenzten Ressourcen und unter anspruchsvollen Bedingungen. Diese Art von KI wird als "Frugale KI" bezeichnet und zeichnet sich durch geringen Speicherbedarf, reduzierte Rechenleistung und den Einsatz von weniger Daten aus. Das Projekt FAIRe (Frugal Artificial Intelligence in Resource-limited environments) des DFKI und des französischen Informatikinstituts Inria entwickelt einen umfassenden Ansatz für alle Abstraktionsschichten von KI-Anwendungen an der Peripherie.

IMPRESS – Verbesserte Wort- und Satzeinbettung mithilfe semantischen Wissens

Praktisch alle NLP-Systeme verwenden heutzutage Vektordarstellungen von Wörtern und Sätze, a.k.a. Wort- und Satzeinbettungen. In ähnlicher Weise werden bei der Verarbeitung von Sprache in Kombination mit Vision oder anderen sensorischen Modalitäten multimodale Einbettungen verwendet. Während Einbettungen irgendeine Form von semantischer Verwandtschaft verkörpern, bleibt die genaue Natur der letzteren unklar. Dieser Verlust präziser semantischer Deutlichkeit kann sich auf nachgelagerte Aufgaben auswirken. Ziel von IMPRESS ist es, die Integration von semantischem Wissen in sprachliche und multimodale Einbettungen und die Auswirkungen auf ausgewählte nachgelagerte Aufgaben zu untersuchen.

MePheSTO – Digital Phenotyping 4 Psychiatric Disorders from Social Interaction

MePheSTO ist ein interdisziplinäres Forschungsprojekt, das eine wissenschaftlich fundierte, auf Methoden der Künstlichen Intelligenz basierende Methodik zur Identifizierung und Klassifizierung messbarer, und damit objektiver, digitaler Phänotypen psychiatrischer Störungen vorsieht. Ziel des Projekts ist die Entwicklung einer technologischen Plattform für die wissenschaftlich fundierte Validierung von Phänotypen für psychiatrische Störungen auf der Grundlage multimodaler Eingaben wie Sprache, Video und Biosignale aus klinischen sozialen Interaktionen. Dazu sammeln die Forscherinnen und Forscher Daten aus Videoaufzeichnungen, Gesprächen, aber auch aus der Gehirn- oder Herzaktivität (EEG, EKG).

MOVEON – Visuelles robustes räumliches Szenenverständnis in dynamischen Umgebungen unter Verwendung von intermediären Darstellungen

Die visuelle 3D-Erfassung einer Szene in Echtzeit und die gleichzeitige Bestimmung der Position und Orientierung der Kamera (6DoF, Freiheitsgrad) im Raum ist eine Kerntechnologie, die in zahlreichen Bereichen wie dem autonomen Fahren, der Robotik oder der Medizintechnik Anwendung findet. Das Ziel des MOVEON-Projekts ist die Entwicklung einer neuartigen Generation von visuellen Positionierungssystemen, die über die klassische Lokalisierung und Kartierung hinausgeht, die sich derzeit nur auf die Rekonstruktion von Punktwolken konzentriert.

NEARBY – Noise and Variability-free BCI Systems for Out-of-the-lab Use

Brain-Computer-Interfaces oder kurz BCIs bieten eine vielversprechende Möglichkeit der Interaktion zwischen menschlichem Gehirn und Technologie. NEARBY zielt darauf ab, ein robustes und variabilitätsfreies BCI für den Einsatz außerhalb des Labors zu entwickeln. Diese Technologie kann in der industriellen Fertigung und robotischen Assistenz in der Pflege eingesetzt werden. Herausforderungen wie begrenzte Dekodierfähigkeit und schwankende BCI-Performance beeinträchtigen die präzise Interpretation von Gehirnsignalen. Außerdem nimmt die individuelle und zeitaufwändige Systemkalibrierung viel Zeit in Anspruch gerade mit den häufig verwendeten Elektroden auf Gelbasis zur Verbesserung der Signalqualität. Um die Variabilität der Gehirnaktivität besser zu verstehen und Algorithmen zu entwickeln, die damit umgehen können, kombiniert NEARBY Grundlagenforschung und industrielle Anwendung. Dazu werden EEG-Daten sowie Metadaten während der Nutzung von BCIs über einen längeren Zeitraum erfasst und die sichere SEMLA-Architektur des DFKI zur Verarbeitung und Anonymisierung genutzt. So soll eine umfangreichen Open-Source-Datenbank erstellt werden, die ein möglichst breites Spektrum an Variabilität in Gehirndaten abdeckt, um diese im Detail erforschen zu können. Das langfristige Ziel ist es, ein zuverlässiges BCI mit einfachen Trockenelektroden zu entwickeln, das ohne Neukalibrierung den ganzen Tag in verschiedensten Anwendungsszenarien funktionieren kann.

R4Agri – Reasoning auf landwirtschaftlichen Daten

Auch wenn Roboter zukünftig über längere Zeit autonom arbeiten sollen, müssen sie natürlich die fachlichen und rechtlichen Regeln einhalten, die im Anwendungsgebiet gelten. In dem Projekt R4Agri entwickeln das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) und das französische Institut national de recherche en informatique et en automatique (INRIA) Grundlagen für KI-basierte Empfehlungssysteme zur Entscheidungsunterstützung. Agrarrobotik ist das exemplarische Einsatzgebiet für diese Grundlagenforschung; Erkenntnisse daraus werden in parallel im DFKI laufende Transferprojekte zur Digitalisierung der Agrartechnik einfließen.