• EN
  • Anwendungen
    • Energie
      • Co-Simulation multimodaler Energiesysteme
      • Verteilte Künstliche Intelligenz
      • Datenintegration und Verarbeitung
      • Energieeffiziente Smart Cities
      • Intelligenz in Energiesystemen
      • Resiliente Überwachung und Steuerung
      • Entwurf und Bewertung standardisierter Systeme
      • Smart Grid Testing
    • Gesundheit
      • Interaktive Systeme
      • Datenmanagement und -analyse für die Versorgungsforschung
      • Automatisierungs- und Integrationstechnik
      • Biomedizinische Geräte und Systeme
    • Produktion
      • Smart Human Robot Collaboration
      • Manufacturing Operations Management
      • Distributed Computing and Communication
    • Verkehr
      • Kooperierende Mobile Systeme
      • Human Centered Design
      • Safety & Security Oriented Design Methods & Processes
      • Safety & Security Oriented Analysis
      • Hardware-/Software-Entwurfsmethodik
      • Maritim - Strategisches Thema
      • OFFIS Verkehr wird DLRSE
      • Maritime Connectivity Platform
      • Standardisierungsaktivitäten
  • Living Labs
    • eMIR
      • Aktuelle Anwendungen
    • Fahrsimulator
    • IDEAAL
    • Modell-Fabrik
    • SESA
    • Smart City Fliegerhorst
  • Forschung
    • Architecture Frameworks (AF)
    • Cyber-Resilient Architectures and Security (CRAS)
    • Applied Artificial Intelligence (AAI)
      • Adversarial Resilience Learning
    • Embedded System Design (ESD)
    • Human Machine Cooperation (HMC)
    • Multi-Scale Multi-Rate Simulation (MS²)
    • Nachhaltigkeit
    • Safety Relevant Cyber Physical Systems (SRCPS)
    • OFFIS Verkehr wird DLRSE
  • OFFIS
    • Aktuelles
      • Veranstaltungen
      • Workshops
      • Meetups
    • Blog
    • Karriere
      • Offene Stellen
      • Angebote für Studierende
      • Praktika
    • Veröffentlichungen und Tools
      • Roadmaps und Studien
      • Werkzeuge und Plattformen
      • Datawork | Hauszeitschrift
      • Jahresbericht
    • Publikationen
    • Projekte
    • Personen
    • Über uns
      • Organisation
      • OFFIS-Mitgliedschaften
      • Kooperationspartner
      • Freunde und Förderer
      • Spin-offs
      • Historie
    • Kontakt
      • Anfahrt
  • Website
  • EN
  • Anwendungen
    • Energie
      • Co-Simulation multimodaler Energiesysteme
      • Verteilte Künstliche Intelligenz
      • Datenintegration und Verarbeitung
      • Energieeffiziente Smart Cities
      • Intelligenz in Energiesystemen
      • Resiliente Überwachung und Steuerung
      • Entwurf und Bewertung standardisierter Systeme
      • Smart Grid Testing
    • Gesundheit
      • Interaktive Systeme
        • Nutzerstudien
      • Datenmanagement und -analyse für die Versorgungsforschung
        • Versorgungsforschung
        • Informationslogistik
        • Analytische Anwendungen
        • Datenschutz & Datensicherheit
      • Automatisierungs- und Integrationstechnik
      • Biomedizinische Geräte und Systeme
    • Produktion
      • Smart Human Robot Collaboration
      • Manufacturing Operations Management
      • Distributed Computing and Communication
    • Verkehr
      • Kooperierende Mobile Systeme
      • Human Centered Design
      • Safety & Security Oriented Design Methods & Processes
      • Safety & Security Oriented Analysis
      • Hardware-/Software-Entwurfsmethodik
      • Maritim - Strategisches Thema
      • OFFIS Verkehr wird DLRSE
      • Maritime Connectivity Platform
      • Standardisierungsaktivitäten
  • Living Labs
    • eMIR
      • Aktuelle Anwendungen
    • Fahrsimulator
    • IDEAAL
    • Modell-Fabrik
    • SESA
    • Smart City Fliegerhorst
  • Forschung
    • Architecture Frameworks (AF)
    • Cyber-Resilient Architectures and Security (CRAS)
    • Applied Artificial Intelligence (AAI)
      • Adversarial Resilience Learning
    • Embedded System Design (ESD)
    • Human Machine Cooperation (HMC)
    • Multi-Scale Multi-Rate Simulation (MS²)
    • Nachhaltigkeit
    • Safety Relevant Cyber Physical Systems (SRCPS)
    • OFFIS Verkehr wird DLRSE
  • OFFIS
    • Aktuelles
      • Veranstaltungen
        • Rückblick
      • Workshops
        • Workshop Energieinformatik
          • Energieinformatik 2017
          • Energieinformatik 2016
          • Energieinformatik 2015
          • Energieinformatik 2014
          • Energieinformatik 2013
          • Energieinformatik 2012
          • Energieinformatik 2011
          • Energieinformatik 2010
        • Archiv
      • Meetups
        • Archiv
    • Blog
    • Karriere
      • Offene Stellen
        • Informationen zur Bewerbung
      • Angebote für Studierende
        • Bachelor-/Master-/Studienarbeiten
      • Praktika
    • Veröffentlichungen und Tools
      • Roadmaps und Studien
      • Werkzeuge und Plattformen
      • Datawork | Hauszeitschrift
        • Archiv
      • Jahresbericht
        • Archiv
    • Publikationen
    • Projekte
    • Personen
    • Über uns
      • Organisation
        • Mitglieder OFFIS e.V.
        • Wissenschaftlicher Beirat
        • Verwaltungsrat
      • OFFIS-Mitgliedschaften
      • Kooperationspartner
      • Freunde und Förderer
      • Spin-offs
      • Historie
    • Kontakt
      • Anfahrt
  1. Home
  2. Forschung
  3. Applied Artificial Intelligence (AAI)

Applied Artificial Intelligence (AAI)

KI ist längst in unserem Alltag angekommen. Doch wie beeinflussen selbstlernende Systeme unsere Gesellschaft?

Sie sucht uns aus unseren Bildermassen die schönsten Schnappschüsse, übernimmt die Auswertung komplexer Sensordaten in Fahrzeugen, ermöglicht immer bessere Prognosen für die Einspeisung aus erneuerbaren Energien und steigert die Effizienz in Produktionsprozessen. OFFIS erforscht und entwickelt in den Anwendungsbereichen Energie, Gesundheit, Verkehr und Produktion KI-basierten Lösungen für aktuelle und zukünftige Herausforderungen in einer digitalisierten Lebens- und Arbeitswelt, die vom reibungslosen Funktionieren immer komplexer werdender Infrastrukturen abhängt. Unter dem Sammelbegriff „künstliche Intelligenz“ verstehen wir dabei insbesondere Methoden und Verfahren aus dem maschinellen Lernen und verteilte, autonome und lernende Systeme.

Der Competence Cluster Deep Learning greift alle Chancen und Risiken in den Bereichen Deep Learning, Machine Learning und Artificial Intelligence auf und bündelt die Kompetenzen des OFFIS in einer bereichsübergreifenden Forschungsstrategie.

© AdobeStock / issaronow

Die Schwierigkeit bei der Entwicklung von Künstlicher Intelligenz besteht weniger darin, den Computern und Maschinen komplexe Berechnungen zu übertragen, die für Menschen intellektuell nur schwer zu lösen sind. Die weitaus größere Herausforderung ist es, den Computern das Lernen aus Erfahrung beizubringen, das den Menschen auszeichnet. Für den Menschen einfache Aufgaben können ein KI-System schnell an seine Grenzen bringen. Menschliche Fähigkeiten wie intuitives Handeln, soziale und emotionale Intelligenz sowie die Fähigkeit aus verschiedenen Sinneseindrücken ein Gesamtbild zu erzeugen, lassen sich nicht durch formale mathematische Regeln beschreiben.

Selbstlernende Systeme besitzen ein hohes Potenzial für verschiedene Anwendungsfelder. Sie können sich Wissen aneignen, relevante Beobachtungen aus großen Datenmengen herausfiltern, daraus logische Schlüsse ziehen und – wie am Beispiel des jahrtausendealten Go-Spiels eindrucksvoll demonstriert – sogar eigene Handlungsstrategien entwickeln. Künstliche Intelligenz erhält zunehmend in sicherheitskritischen Anwendungsbereichen Einzug, beispielsweise beim autonomen Fahren, in medizinischen Anwendungen oder in der dezentralisierten Energieversorgung. Die Erfüllung sicherheitsrelevanter Eigenschaften ist essentiell für den erfolgreichen Ansatz in entsprechenden Domänen.

Der Competence Cluster Applied Artificial Intelligence greift alle Chancen und Risiken in den Bereichen verteilter künstlicher Intelligenz, Deep Learning und Deep Reinforcement Learning auf und bündelt die Kompetenzen des OFFIS in einer bereichsübergreifenden Forschungsstrategie.

Deep Learning und Deep Reinforcement Learning

Deep Learning ist der Bereich des maschinellen Lernens, der sich auf sogenannte „tiefe“ neuronale Netze fokussiert. Seit einigen Jahren zeigt Deep Learning eine rasante Entwicklung mit erstaunlichen Erfolgen: Angefangen von der Gesichts- und Spracherkennung, die in unsere Mobiltelefonen Einzug gehalten hat, über Prädiktion für eine sichere Einbindung erneuerbarer Energien ins Stromnetz bis hin zum Predictive Maintenance und nachhaltigem Infrastrukturausbau. Nutzt man tiefe künstliche neuronale Netze als Strategiegeber für autonome Software-Agenten, spricht man vom Deep Reinforcement Learning. Mit dem Erlernen komplexer Strategien bei AlphaGo Zero ist Deep Reinforcement Learning nicht nur eine wichtige Wissenschaftsdisziplin mit eindrucksvollen Ergebnissen, sondern auch ein wichtiger Baustein in der angewandten Forschung geworden.  OFFIS bündelt seine methodischen Kompetenzen im CC Applied AI, von der Bilderkennung über den nachhaltigen Infrastrukturausbau bis hin zu Methoden für erklärbare, sichere künstliche Intelligenz und bietet interne wie externe Schulungen an.

Verteilte Künstliche Intelligenz

Unter verteilter künstlicher Intelligenz versteht man (teil-) autonome Hardware- und Softwaresysteme, die miteinander kooperieren um Probleme zu lösen, die durch einzelne Komponenten nicht gelöst werden könnten. Diese sogenannten Agenten besitzen in der Regel eine individuelle Intelligenz zur Überwachung und Steuerung von technischen Prozessen, können mit anderen Agenten kommunizieren und sind in der Lage, situationsabhängig und flexibel verschiedene Organisationsformen auszubilden. Unter der Überschrift „Selbst-Organisation“ arbeitet OFFIS dabei insbesondere an naturinspirierten Verfahren zur heuristischen Optimierung in komplexen Systemen wie der Energieversorgung. Im Fokus der Forschungsarbeiten steht die agentenbasierte Selbst-Organisation von cyber-resilienten Smart Grids, die sich bei Störungen im Betrieb selbstständig stabilisieren und im Falle eines Blackouts die Versorgung eigenständig wieder aufbauen können. Zudem werden im OFFIS schon seit vielen Jahren energiewirtschaftliche Aspekte wie die selbst-organisierte Aggregation und Vermarktung der Flexibilität dezentraler Energieanlagen im Kontext von Virtuellen Kraftwerken untersucht.

KI in Kritischen Infrastrukturen

Fast alle unsere Kritischen Infrastrukturen sind heute Cyber-Physikalische Systeme (CPS). Hier arbeiten IT-Systemkomponenten und mechanische oder elektronische Systemkomponenten zusammen. Komplexe CPS finden sich heute in praktisch jedem Lebensbereich: von Fahrzeugen mit modernen Assistenzsystemen über industrielle Prozesssteuerung und Automatisierung bis hin zu digitalisierten Energiesystemen übernehmen IT-Komponenten immer wichtigere Aufgaben in sicherheitsrelevanten Anwendungen. Dem Einsatz von KI kommt dabei eine wichtige Rolle zu, da klassische Algorithmen nicht mehr in der Lage sind, komplexe Funktionen in diesen hochdynamischen Umgebungen zu realisieren. Beim Einsatz von KI gerade in sicherheitsrelevanten CPS stellen sich aber bislang nur unzureichend beantwortete Fragen: Wie kann ein korrektes Funktionieren einer KI garantiert werden? Wie können Entscheidungen von KI-basierten Systemen transparent und nachvollziehbar gemacht werden? Kann KI auch dazu beitragen, systemische Schwachstellen in sicherheitsrelevanten CPS zu identifizieren? Diesen Forschungsfragen geht OFFIS in den Competence Clustern Safety Relevant Cyber Physical Systems und Deep Learning nach und bringt dabei die ausgewiesene Expertise in der Analyse und dem Design sicherheitskritischer Systeme sowie das fundierte Methodenwissen im maschinellen Lernen zusammen.

Adversarial Resilience Learning

Kritische Infrastrukturen, die unsere Zivilisation stützen, werden immer komplexer. Sie überspannen Domänen, an deren Einbindung man früher nie dachte, und sehen sich neuen Gefahren ausgesetzt: Von volatilen Märkten, einem hohen Anteil dargebotsabhängiger Energieträger bis hin zu Cyber-Angriffen. Adversarial Resilience Learning ist eine neue Methodik der künstlichen Intelligenz zur Analyse und dem resilienten Betrieb komplexer, kritischer cyber-physischer Systeme.

Statt künstliche Intelligenz als potenzielle Gefahr für die Stabilität unserer Stromversorgung zu betrachten, drehen wir beim Adversarial Resilience Learning (ARL) den Spieß um: Zwei Agenten, Angreifer und Verteidiger, konkurrieren über die Kontrolle eines cyber-physischen Systems. Sie haben keine explizite Kenntnis von den Handlungen der Gegenseite, doch durch die Beobachtung der Effekte exploriert der Angreifer das System und deckt Schwachstellen auf, während der Verteidiger durch die Angriffe lernt, eine resiliente Betriebsführung zu gewährleisten. Durch das gegenseitige Lernen helfen die ARL-Agenten Konstrukteuren und Entscheidern, Schwachstellen im System und Schlupflöcher in Marktregularien zu finden, und Bedienmannschaften, auch in komplexer, schnell veränderlicher Informationslage das Netz zuverlässig zu führen.

Klicken Sie für detailliertere Informationen zum Adversarial Resilience Learning auf das Bild

© AdobeStock / your123
  • Architecture Frameworks (AF)
  • Cyber-Resilient Architectures and Security (CRAS)
  • Applied Artificial Intelligence (AAI)
    • Adversarial Resilience Learning
  • Embedded System Design (ESD)
  • Human Machine Cooperation (HMC)
  • Multi-Scale Multi-Rate Simulation (MS²)
  • Nachhaltigkeit
  • Safety Relevant Cyber Physical Systems (SRCPS)
  • OFFIS Verkehr wird DLRSE

Sprecher des Competence Cluster

Prof. Dr. techn. Susanne Boll-Westermann
Prof. Dr. techn.
Susanne Boll-Westermann

Prof. Dr.-Ing. Astrid Nieße
Prof. Dr.-Ing.
Astrid Nieße

Leiter des Competence Cluster

Dr.-Ing. Eric Veith
Dr.-Ing.
Eric Veith

Dr. rer. nat. Martin Tröschel
Dr. rer. nat.
Martin Tröschel

Personen

A

Dr. Ing. Larbi Abdenebaoui

E-Mail: larbi.abdenebaoui(at)offis.de, Telefon: +49 441 9722-730, Raum: E126

B

Stephan Balduin

E-Mail: stephan.balduin(at)offis.de, Telefon: +49 441 9722-298, Raum: E61

Dr. Ing. Marita Blank-Babazadeh

E-Mail: marita.blank-babazadeh(at)offis.de, Telefon: +49 441 9722-735, Raum: E63

Prof. Dr. techn. Susanne Boll-Westermann

E-Mail: susanne.boll(at)informatik.uni-oldenburg.de, Telefon: +49 441 9722-213, Raum: O 47

D

Prof. Dr. Werner Damm

E-Mail: werner.damm(at)offis.de, Telefon: +49 441 9722-500, Raum: D 122

Viktor Dmitriyev

E-Mail: viktor.dmitriyev(at)offis.de, Telefon: +49 441 9722-181, Raum: I6-E02

d

Thies de Graaff

E-Mail: thies.degraaff(at)offis.de, Telefon: +49 441 9722-207, Raum: O111

E

Dr. rer. nat. Reef Janes Eilers

E-Mail: reef.eilers(at)offis.de, Telefon: +49 441 9722-404, Raum: E84

Lars Elend

E-Mail: lars.elend(at)uni-oldenburg.de, Telefon: +49 441 798-2863

F

Prof. Dr. Martin Fränzle

E-Mail: martin.fraenzle(at)offis.de, Telefon: +49 441 9722-566, Raum: D 119/120

Emilie Frost

E-Mail: Emilie.Frost(at)offis.de, Telefon: +49 441 9722-582, Raum: E63

G

Johannes Gerster

E-Mail: Johannes.Gerster(at)offis.de, Telefon: +49 441 9722-432, Raum: E88

Paul Gronau

E-Mail: paul.gronau(at)offis.de, Telefon: +49 441 9722-543, Raum: E121

H

Prof. Dr.-Ing. Axel Hahn

E-Mail: hahn(at)offis.de, Telefon: +49 441 9722-294, Raum: O 43

Lasse Hammer

E-Mail: lasse.hammer(at)offis.de, Telefon: +49 441 9722-139, Raum: E121

Stefanie Holly

E-Mail: stefanie.holly(at)offis.de, Telefon: +49 441 9722-732, Raum: E82

J

Dr.-Ing. Sorin Liviu Jurj

E-Mail: sorin.jurj(at)offis.de, Telefon: +49 441 9722-493

K

Simon Kannengießer

E-Mail: simon.kannengiesser(at)offis.de, Telefon: +49 441 9722-236, Raum: E110

Christian Kowalski

E-Mail: christian.kowalski(at)offis.de, Telefon: +49 441 9722-706, Raum: E64

Prof. Dr. Oliver Kramer

E-Mail: oliver.kramer(at)offis.de, Telefon: +49 441 798 - 4370, Raum: A5 2-231

Carsten Krüger

E-Mail: carsten.krueger(at)offis.de, Telefon: +49 441 9722-733, Raum: E62

L

Mathias Lanezki

E-Mail: mathias.lanezki(at)offis.de, Telefon: +49 441 9722-245, Raum: I6-O05

Prof. Dr. Sebastian Lehnhoff

E-Mail: sebastian.lehnhoff(at)offis.de, Telefon: +49 441 9722 240, Raum: O 50

M

Prof. Dr.-Ing. habil. Jorge Marx Gómez

E-Mail: jorge.marx-gomez(at)offis.de, Telefon: +49 441 798 - 4470, Raum: A4-3-315

N

Marvin Nebel-Wenner

E-Mail: Marvin.Nebel-Wenner(at)offis.de, Telefon: +49 441 9722-430, Raum: E82

Dr. rer. nat. Christian Neurohr

E-Mail: christian.neurohr(at)offis.de, Telefon: +49 441 9722-593, Raum: SEG12

Prof. Dr.-Ing. Astrid Nieße

E-Mail: astrid.niesse(at)uol.de, Telefon: +49 441 798 2750

O

Frauke Oest

E-Mail: frauke.oest(at)offis.de, Telefon: +49 441 9722-137, Raum: E128

Dr. rer. nat. Frank Oppenheimer

E-Mail: frank.oppenheimer(at)offis.de, Telefon: +49 441 9722-285, Raum: O128a

P

Erika Puiutta

E-Mail: erika.puiutta(at)offis.de, Telefon: +49 441 9722-504, Raum: E68

R

Amin Raeiszadeh

E-Mail: amin.raeiszadeh(at)offis.de, Telefon: +49 441 9722-156, Raum: U26

S

Jens Sager

E-Mail: jens.sager(at)offis.de, Telefon: +49 441 9722-561, Raum: E82

apl. Prof. Dr.-Ing. Jürgen Sauer

E-Mail: juergen.sauer(at)uni-oldenburg.de, Telefon: +49 441 9722 - 122, Raum: OFFIS, O68

Dr. rer. nat. Michael Siegel

E-Mail: michael.siegel(at)offis.de, Telefon: +49 441 9722-721, Raum: O106

Sanja Stark

E-Mail: sanja.stark(at)offis.de, Telefon: +49 441 9722-436, Raum: E63

T

Dr. rer. nat. Martin Tröschel

E-Mail: martin.troeschel(at)offis.de, Telefon: +49 441 9722-150, Raum: E128

V

Dr.-Ing. Eric Veith

E-Mail: eric.veith(at)offis.de, Telefon: +49 441 9722-739, Raum: E68

W

Nils Wenninghoff

E-Mail: nils.wenninghoff(at)offis.de, Telefon: +49 441 9722-124, Raum: E61

Torge Wolff

E-Mail: torge.wolff(at)offis.de, Telefon: +49 441 9722-216, Raum: E128

Alle Personen aus dem Competence Cluster Applied Artificial Intelligence (AAI)

Publikationen

2021

Investigation of Personality Traits and Driving Styles for Individualization of Autonomous Vehicles

Brück, Yvonne and Niermann, Dario and Trende, Alexander and Lüdtke, Andreas; International Conference on Intelligent Human Systems Integration; 2021

BIB
On the effects of communication topologies on the performance of distributed optimization heuristics in smart grids

Holly, Stefanie AND Nieße, Astrid; INFORMATIK 2020; 2021

DOI BIB

2020

Analyzing Power Grid, ICT, and Market Without Domain Knowledge Using Distributed Artificial Intelligence

Veith, Eric MSP and Balduin, Stephan and Wenninghoff, Nils and Tröschel, Martin and Fischer, Lars and Nie"sse, Astrid and Wolgast, Thomas and Sethmann, Richard and Fraune, Bastian and Woltjen, Torben; CYBER 2020, The Fifth International Conference on Cyber-Technologies and Cyber-Systems; October / 2020

BIB
Explainable Reinforcement Learning: A Survey

Puiutta, Erika and Veith, Eric M. S. P.; Machine Learning and Knowledge Extraction; March / 2020

BIB
Improving the detection of user uncertainty in automated overtaking maneuvers by combining contextual, physiological and individualized user data

Trende Alexander, Hartwich Franziska, Schmidt Cornelia, Fränzle Martin; International Conference on Human-Computer Interaction; Juli / 2020

URL BIB
Large-Scale Co-Simulation of Power Grid and Communication Network Models with Software in the Loop

Veith, Eric MSP and Kazmi, Jawad and Balduin, Stephan; ENERGY 2020, The Tenth International Conference on Smart Grids, Green Communications and IT Energy-aware Technologies; September / 2020

BIB
Predicting Vehicle Passenger Stress Based on Sensory Measurements

Niermann, Dario and Lüdtke, Andreas; Proceedings of SAI Intelligent Systems Conference; 2020

BIB
Robust and Deterministic Scheduling of Power Grid Actors

Frost, Emilie and Veith, Eric MSP and Fischer, Lars; 7th International Conference on Control, Decision and Information Technologies (CoDIT); June / 2020

BIB
The Spectrum of Proactive, Resilient Multi-Microgrid Scheduling: A Systematic Literature Review

Spiegel, Michael H and Veith, Eric and Strasser, Thomas I; Energies; 2020

BIB
DatenschutzDatentransparenzKontaktImpressum