Achtung:

Sie haben Javascript deaktiviert!
Sie haben versucht eine Funktion zu nutzen, die nur mit Javascript möglich ist. Um sämtliche Funktionalitäten unserer Internetseite zu nutzen, aktivieren Sie bitte Javascript in Ihrem Browser.

Info-Icon This content is partly available in English
Show image information

Open Theses

[Translate to English:] Anomalieinjektion in autonomen Systemen am Beispiel eines Miniatur Smart-Factory-Szenarios

[Translate to English:]

Ansprechpartner: Florian Kraus

Der ständige Fortschritt in der Entwicklung neuer Technologien und ihrer Umsetzung birgt viel Potenzial, besonders für Unternehmen. Gerade die Industrie 4.0, in der immer mehr Informationstechnische Systeme und deren Vernetzung im Vordergrund stehen, sorgt hierbei nicht nur für die schnelle Entwicklung, sondern auch für den Versuch der schnellen Umsetzung neuer Technologien und Ideen. Insbesondere Künstliche Intelligenz und Cyber-Physische Systeme stehen hier im Mittelpunkt.

Allerdings gibt es für diese Systeme große Hindernisse, da sie - einmal in einem Unternehmen oder anderweitig implementiert - mit den Bedingungen der realen Welt zurechtkommen müssen und nicht mehr nur mit vorgesehenen Entwicklungsszenarien und Testfällen.

Unerwartete Ereignisse bzw. jene, die von der Norm in einem solchen System abweichen - sogenannte Anomalien - müssen nicht zwangsläufig schädlich sein, können im schlimmsten Fall aber zu fehlerhaftem Verhalten oder sogar einem Aussetzen des Systems führen, wenn es nicht mit diesen Ereignissen umzugehen weiß.

Da Anomalien eine Ausnahme sind und daher eher selten auftreten, stellt sich die Frage, wie testet man ein System gezielt auf seinen Umgang mit unerwarteten Ereignissen?

Die Lösung zu dieser Frage sind gezielt erzeugbare Anomalien, die in ein System bzw. in dessen generierte Daten eingefügt werden können.

Aufgabenbeschreibung:

  • Analyse möglicher Arten von Anomalien anhand des Testsystems des KI4AS-Projekts.
  • Entwurf und Implementierung eines Frameworks zum erzeugen und injizieren von anpassbaren Anomalien.
  • Evaluation auf den Datensätzen des Testsystems.

The University for the Information Society