Validierung Künstlicher Immunsysteme für Autonome Systeme

Intelligente Technische Systeme besitzen die Fähigkeit, komplexe Aufgaben zu lösen, zu lernen, Entscheidungen zu treffen und ohne Eingriff von Menschen auf unbekannte Situationen zu reagieren. Diese Systeme stellen in Hinblick auf die Verlässlichkeit eine besondere Herausforderung dar. Systeme müssen in der Lage sein, Funktionsstörungen eigenständig auszugleichen und die Fehlerursache zu beheben.

Zur Entwicklung solcher Systeme bedarf es einer interdisziplinären Herangehensweise, die über die klassische Mechatronik hinausgeht. Dabei müssen übergreifende Aspekte wie künstliche Intelligenz, maschinelles Lernen sowie biologisch inspirierte Algorithmen betrachtet werden. Das Fraunhofer IEM entwickelt hierzu eine Methodik, die alle Aspekte in Betracht zieht und dabei die interdisziplinäre Zusammenarbeit fördert. Die Entwicklungsmethodik setzt auf digitalen Modellen auf. Dabei wird von der Spezifikationsphase beginnend ein abstraktes Modell der Architektur erarbeitet. Diese stellt sicher, dass alle Beteiligten ein einheitliches Verständnis vom System haben und Schnittstellen abgestimmt vorliegen. Ergänzt wird die Beschreibung durch Verhaltensaspekte, die die Selbstheilungseigenschaften frühzeitig integrieren. Dies geschieht durch eine stetige Überwachung des Gesundheitszustands des autonomen Systems sowie eine Anomaliedetektion. Mithilfe einer Verhaltensklassifikation erfolgt eine eigenständige Ursachendiagnose, die eine anschließende Verhaltensanpassung ermöglicht und somit schlussendlich die Systemverlässlichkeit erhöht.