Professuren im KI-Mobilitätsknoten Ingolstadt / AININ

Unter dem Dach von AININ werden neben den bereits forschenden Professoren weitere 40 grundfinanzierte Wissenschaftler und perspektivisch eine entsprechende Anzahl an drittmittelfinanzierten Stellen die KI-Mobilitätsforschung an der THI entwickeln und den Transfer in Anwendungen begleiten. Die neuen KI-Mobilitätsprofessuren sind in allen Fakultäten der THI vertreten und decken die Forschungsfelder KI-gestützte Automobilproduktion (Fakultät Wirtschaftsingenieurwesen), autonomes Fahren (Fakultät Informatik, Fakultät Elektro- und Informationstechnik, Business School) und unbemanntes Fliegen (Fakultät Informatik, Fakultät Maschinenbau, Business School) ab. Die neuen KI-Forschungsprofessuren sind in der Grafik dargestellt:

    Hightech-Agenda Professuren für den KI-Knoten

    Ziel der Professur ist es, die Vorteile von KI-Verfahren in der digitalen Produktion zu erforschen und in die Anwendung zu bringen. Ein Schwerpunkt liegt in der Entwicklung und Nutzung von KI-Methoden für die Qualitätsbeurteilung in Produktionsprozessen, so dass Qualitätssicherungsschritte reduziert werden oder entfallen können. Über die Online-Rückführung von aus den KI-Modellen abgeleiteten Korrekturparametern soll eine konstante Produktqualität bei stark verringertem Ausschuss gewährleistet werden.

    Die Professur soll zusammen mit der AUDI-Stiftungsprofessur und mit einem geplanten Institut im Themenfeld Industrie 4.0 eng verzahnt werden. In dem Kompetenzfeld forschen aktuell 8 Professuren an für KI-Anwendungen relevanten Themen wie z.B. Vernetzung und Cloud-Architekturen in der Produktion, Informationsmodelle und Semantik sowie additive Fertigungstechnologien.

    Ein weiteres Themenfeld, das in diesem Anwendungscluster betrachtet wird, ist das Zusammenwirken von Menschen und lernenden Systemen in Produktionsabläufen.

    Neben den Cloud-basierten Diensten spielt das Edge Computing (Berechnungen und Analysen an den äußersten Enden einer IT-Topologie) beim automatisierten und vernetzten Fahren eine zunehmend wichtige Rolle. Alle Rechenoperationen eines vernetzten Mobilitätssystems, die in einem Fahrzeug stattfinden, können dem Edge Computing zugeordnet werden.

    Ziel der Professur ist es, an der Schnittstelle zwischen Hard- und Software neue Methoden und Verfahren zur Verwendung von KI-Methoden im Edge-Computing für das automatisierte Fahren zu erforschen. Dabei steht die Betrachtung der zur Verfügung stehenden Rechenressourcen im Fokus.

    Ziel der Professur ist es, durch KI-basierte Methoden aus unterschiedlichen Sensoren ein umfassendes Bild der Fahrzeugumgebung in Echtzeit als Grundlage für das automatisierte Fahren zu generieren. Eine robuste Sensordatenfusion, die Sensordaten unterschiedlichen Ursprungs (z. B. aus dem Fahrzeug oder aus der Infrastruktur) und unterschiedlicher Qualität betrachtet, steht im Zentrum der Forschung. Tiefgehende Kenntnisse im Bereich der optischen Sensoren (Lidar, Kamara) und der Radarsensoren sind bei dieser Professur notwendig.

    Die Software für autonome Mobilitätssysteme ist aufgrund des hohen Vernetzungsgrades der hohen Anzahl von Sensoren und Steuergeräte hochkomplex. Ziel der Professur ist es, etablierte Softwarearchitekturen für das automatisierte Fahren zu erweitern, um KI-Algorithmen effizient zu integrieren und dabei den Fail-Operational Anforderungen für autonome Systeme gerecht zu werden.

    KI kann auch zum Aufbau intelligenter und adaptiver Softwaresysteme sowie zur Unterstützung effizienterer Softwareentwicklungsprozesse verwendet werden. Gerade im Bereich des Testens von Software für autonome Mobilität ist zu erwarten, dass KI-Methoden einen wichtigen Beitrag leisten können. Die Professur soll sich in der Forschung auch diesen Aspekten der Softwareentwicklung widmen.

    Ziel der Professur ist es, an neuen Techniken zur Verwaltung und Analyse von Mobilitätsdaten zu arbeiten und mittels Methoden des unüberwachten Lernens Erkenntnisse für Mobilitäts-Ökosysteme zu gewinnen. Der effiziente Zugriff auf riesige Datenmengen ist sowohl in der Entwicklung als auch in der Absicherung automatisierter Fahrzeuge, gerade im Zusammenhang mit dem Einsatz von KI-Methoden, von großer Bedeutung. Die automatisierte Identifikation mittels KI-Verfahren von relevanten Verkehrsszenarien und die damit verbundenen Möglichkeiten der Zeitraffung sind für Weiterentwicklung und Test von Sensoren und Planungsalgorithmen sehr wichtig. Die effiziente Datenverwaltung in Mobilitätszentralen bildet die Grundlage für Smart Services und für einen vernetzten Verkehr.

    Die Echtzeitfähigkeit und die Entwicklung von KI-Systemen für Mobilitätsanwendungen, die wenig rechenintensiv sind, stehen im Fokus dieser Professur. Viele Systemkomponenten, die bei der automatisierten Mobilität benötigt werden, erfordern Echtzeitfähigkeit, z. B. Detektion und Tracking von Objekten oder Reglersysteme. Um für solche Systemkomponenten die Vorteile von KI-Methoden nutzbar zu machen, ist es erforderlich, KI-Algorithmen in Echtzeit zu verarbeiten.

    Für die Professur spielen innovative Architekturen von KI-Algorithmen und deren effiziente Umsetzung auf Hardware-Komponenten eine zentrale Rolle. Dabei sind fundierte Kenntnisse im Bereich der Software-Parallelisierung für Mehrkernprozessoren erforderlich.

    Ziel der Professur ist es, an Methoden zu forschen, um eine systematische Nutzung von KI-Methoden in der Luftfahrttechnik zu ermöglichen. Im Fokus steht das Gebiet „Machine Learning Control“, d. h. der Einsatz von KI für den Entwurf und den Betrieb von Regelungssystemen in unbemannten Luftfahrzeugen. In der bemannten Luftfahrt sind in Abhängigkeit vom Luftfahrzeug permanent Entscheidungen zu treffen, um das Luftfahrzeug optimal zu betreiben. Diese sollen mittels künstlicher Intelligenz abgebildet werden, um so eine unbemannte Luftfahrt zu unterstützen. In der Entwicklung insbesondere von Mobilitätsprodukten finden regelmäßig Versuche und Berechnungen statt. Die Nutzung von Simulationstools für Berechnungen hat bereits zu einer Optimierung der Effizienz in der Produktentwicklung geführt. Simulationsrechnungen und auch Kostenkalkulationen können zwar auf Ähnlichkeiten basieren. Die dafür notwendigen Abschätzungen sind aber in vielen Fällen noch vom Menschen abhängig. Es soll erforscht werden, wie Ähnlichkeitsbetrachtungen mittels KI abgebildet und in der Produktentwicklung aktiv genutzt werden können, um Produktentwicklungen rascher und mit weniger Ressourcenaufwand durchführen zu können.

    Ziel der Professur ist es, mit Hilfe von KI-Methoden an Lösungen für die Herausforderungen in der Flugführung für das unbemannte Fliegen zu arbeiten. Im Fokus der Anwendung stehen Flugmanagement-Systeme mit zunehmender Autonomie für klassische Luftfahrzeuge sowie UAM. Die Verknüpfung von aktuellen KI-Methoden und die Erforschung von Verfahren des maschinellen Lernens für sicherheitskritische Systeme sollen effiziente Lösungen für folgende Anwendungen ermöglichen: Verarbeitung von Ergebnissen der Umfelderfassung und Umplanung der Trajektorie, Flugführung für vollautonomes Fliegen für optional bemannte und unbemannte Flugsysteme incl. UAM sowie die Integration von unbemannten Flugsystemen in den Luftraum.

    Der Einsatz von KI erfordert gesellschaftliche Akzeptanz. Dazu sind die gesellschaftlichen Implikationen im Sinne der Technikfolgenabschätzung von KI-Anwendungen zu erforschen. In diesem Zusammenhang ist auch eine ethische Betrachtung erforderlich. Die mangelnde Transparenz und Erklärung von automatischen Entscheidungen oder Empfehlungen, die von KI-Algorithmen gefällt werden, ist kritisch. Aus dieser gesellschaftlichen und ethischen Sicht auf die Folgen des Einsatzes von KI ergeben sich wiederum Anforderungen an die Entwicklung und den Test von Mobilitätssystemen und Smart Services, die auf KI-Verfahren beruhen. Ziel der Professur ist es, an der Schnittstelle zwischen technischen und gesellschaftlichen Implikationen der Verwendung von KI in Mobilitätssystemen zu forschen und Grundlagen für die gesellschaftliche Akzeptanz von KI Mobilitätsanwendungen zu erarbeiten.

    Ziel der Professur ist es an Methoden zu arbeiten, um den Personen- und Güterverkehr effizienter, nachhaltiger und komfortabler zu gestalten. Im Zentrum steht die KI-gestützte Optimierung und Verzahnung von klassischen Mobilitätsangeboten (z. B. ÖPNV mit Individualverkehr), individuellen Mobilitätskonzepten (z. B. Sharing-Angeboten) und Abstell- und Energieversorgungsinfrastruktur (z.B. Ladesäulen). Insbesondere sollen Smart Services für den urbanen Raum im Rahmen der Steigerung von Effizienz, Nachhaltigkeit und Komfort betrachtet werden. Dabei liegt ein Schwerpunkt auf den ökonomischen, ökologischen und sozialen Aspekten der Nutzung von Smart Services. Das Forschungsgebiet soll die makroskopische und mikroskopische Verkehrsbetrachtung zusammenführen und den Nutzen von Mobilitätsanwendungen auch aus betriebswirtschaftlicher Sicht erforschen.

    Die Professur ist als zentrale Querschnittsprofessur im KI-Mobilitätsnetzwerk angelegt. Sie soll netzwerkübergreifend innovative Mobilitätskonzepte erforschen, die durch den Einsatz von Methoden der KI möglich werden mit dem Ziel einen positiven ökologischen, ökonomischen und gesellschaftlichen Beitrag zu leisten. Dabei wird sich die Professur auf die Erforschung nachhaltiger Geschäftsmodelle im Bereich der KI-gestützten Mobilität und deren Anwendung durch Start-Ups oder etablierte Unternehmen (Intrapreneure) fokussieren.

    Mit der Forschung zur Verwertbarkeit der Forschungsergebnisse im gesamten Mobilitätsnetzwerk übernimmt die Professur eine übergreifende Klammer- und Koordinationsfunktion. Sie ist mit allen anderen Forschungsprofessuren des Knotens und der Endpunkte vernetzt. Aufgrund ihres Innovations- und Organisationsbezugs soll die Professur die notwendige Koordinierungsfunktion im Netzwerk des KI-Knotens und der KI-Endpunkte übernehmen, beispielhaft in der Erarbeitung hochschulübergreifender Use Cases und Leuchtturmprojekte oder der Organisation fachlich-wissenschaftlicher Austauschformate.

    Professuren aus Stiftungs- bzw. Eigenmitteln

    Die Stiftungsprofessur unterstützt die Ziele des Anwendungsclusters „KI-gestützte Auto-mobilproduktion“ und legt den Fokus auf die Optimierung von Logistik- und Produktionsprozessen durch KI-gestützte Analysen und Prognosen.

    Die Stiftungsprofessur der Stadt Ingolstadt „Nachhaltige Stadtentwicklung und Künstliche Intelligenz“ adressiert einerseits Voraussetzungen in der Infrastruktur, die für das automatisierte Fahren und das unbemannte Fliegen notwendig werden, sowie die makroskopische Betrachtung des Verkehrs, mit dem Ziel durch datenbasierte Verfahren den Verkehrsfluss zu optimieren. Ein weiterer Schwerpunkt der Professur liegt in der Erforschung von KI-Methoden für die Mobilitäts- und Infrastrukturplanung in urbanen Räumen als grundlegende Werkzeuge zur nachhaltigen Gestaltung des städtischen Lebensraums.

    Die aus Eigenmitteln finanzierte Professur für „Text- und Sprachverstehen“ soll einen Beitrag für eine optimierte Mensch-Maschine-Schnittstelle leisten. Im Fokus der Forschungsarbeit stehen KI-Methoden zur Verarbeitung von Zeitreihen wie z. B. rekurrente neuronale Netze aber auch neue Möglichkeiten zur semantischen Beschreibung der Sprache. Es sollen Architekturen von KI-Sprachverarbeitungssystemen erforscht werden, die der Erkennung gesprochener Sprache und der Sprachmodellierung dienen. Es ist zu erwarten, dass zukünftig ein wesentlicher Anteil der Kommunikation zwischen Menschen und Maschinen über Sprache stattfinden wird. Damit ergeben sich auch bei dieser Professur zentrale Schnittstellen zu den drei Anwendungsclustern des KI-Mobilitätsknotens

    Stelleninhaber: Prof. Dr. Munir Georges (Stellenantritt zum 01.09.2020)

    Bei der aus Eigenmitteln finanzierten Professur „Computer Vision for Intelligent Mobility Systems“ liegt der Forschungsschwerpunkt auf fortgeschrittenen Methoden der KI im Bereich der Bildverarbeitung. Besondere Beachtung erhalten dabei Randbedingungen, die beim Einsatz von Kameras in Mobilitätsträgern berücksichtigt werden müssen, wie z. B. widrige Umweltbedingungen oder eine hohe Dynamik. Das Ziel ist die Erforschung von KI-Architekturen, die eine hohe Detektionsgüte aus Kameradaten selbst unter solchen Randbedingungen zuverlässig gewährleisten können. Weil Kameras zu den wichtigsten Sensoren bei der Realisierung des automatisierten Fahrens, des unbemannten Fliegens und der Zustandsbeobachtung in der automobilen Produktion gehören, hat diese Professur zentrale Schnittstellen zu den Forschern in den drei Anwendungsclustern des KI-Mobilitätsknotens.

    Kontakt

    Wiss. Leitung AININ; Studiengangleiter und -fachberater "Automatisiertes Fahren und Fahrzeugsicherheit" (Master)
    Prof. Dr.-Ing. Michael Botsch
    Tel.: +49 841 9348-2721
    Raum: H024
    E-Mail: