Absicherung von Systemen mit maschinell gelernten Komponenten

Absicherung von Systemen mit maschinell gelernten Komponenten

Maschinell gelernte Algorithmen erhalten in den letzten Jahren immer stärkeren Einzug in Fahrzeugsysteme. Durch den Ersatz von konventionell, mittels Expertenwissen, pro-grammierten Algorithmen durch maschinelle Lernalgorithmen wird sich der Aufwand zur Absicherung mit bisherigen Absicherungsmethoden erhöhen. Dies liegt in der Kopplung von Komplexität und Leistungsfähigkeit der maschinellen Algorithmen begründet, wodurch sich bisher lediglich zeitlich und finanziell aufwändige Black-Box-Testverfahren zur Absicherung performanter maschinell gelernter Algorithmen eignen.

Zur Begegnung dieser Problematik wird erforscht, welche Ursachen zu fehlerhaftem bzw. unerwartetem Verhalten der gelernten Algorithmen führen und in welchen Fehlerbildern sich diese äußern. Hierauf aufbauend wird zum einen untersucht, welche Möglichkeiten sich eignen, diesen Ursachen zu begegnen und zum anderen, welche anderen Alternativen bestehen, um eine Absicherung gemäß DIN EN ISO 26262 zu erreichen.

Die Forschung erfolgt im Vebundprojekt PRORETA 4, gefördert durch CONTINENTAL im Rahmen eines Forschungsauftrags.

 
Projekte
Wird bearbeitet von