Gondang: Jurnal Seni dan Budaya
Not a member yet
2544 research outputs found
Sort by
Whitepaper
No full textKünstliche Intelligenz (KI) verändert die Interaktion zwischen Staat und seinen Bürgerinnen und Bürgern
sowie Unternehmen zunehmend. Das Ziel: Eine leistungsfähige, vernetzte Verwaltung, die sich an den
Bedürfnissen der Menschen und Unternehmen orientiert – etwa durch automatisierte Verfahren, intelligente
Datenanalyse und personalisierte Services. Staatliche Dienstleistungen sollen aber nicht nur schneller und ein facher digital verfügbar sein, sondern auch vertrauenswürdig und effizient eingesetzt werden. Dazu braucht
es klare rechtliche und ethische Rahmenbedingungen. Ebenso wichtig sind der Aufbau digitaler Kompeten zen in den Behörden sowie eine offene Kommunikation gegenüber den Interaktionspartnern, um Akzeptanz
und Vertrauen zu stärken. So kann ein modernes digitales Ökosystem entstehen, das Effizienz, Teilhabe und
gesellschaftliche Verantwortung im Kontext digitaler Staat miteinander verbindet.
Die Autorinnen und Autoren der Arbeitsgruppe „Innovation, Geschäftsmodelle und -prozesse“ sowie der
Arbeitsgruppe „IT-Sicherheit, Privacy, Recht und Ethik“ der Plattform Lernende Systeme gehen in diesem
Papier der Frage nach, wie sich staatliches Handeln durch den Einsatz von KI-Technologien effizienter, zugäng licher und nutzerfreundlicher gestalten lässt – dies mit Blick auf Bürgerinnen und Bürger sowie Unternehmen.
Dazu klären sie zunächst, welche rechtlichen, normativen und zielgruppenspezifischen Voraussetzungen
für eine KI-basierte Interaktion im staatlichen Kontext gegeben sein müssen. Anhand der drei Szenarien –
KI-Chatbot „Frag-den-Michel“, bürgerfreundliche Dokumentenausfüllung und KI-basiertes Steuerveranla-
gungssystem – wird veranschaulicht, wie eine solche KI-gestützte Interaktion heute bereits gestaltet ist oder
zukünftig gestaltet sein könnte – und welche Herausforderungen, Potenziale und Konfliktlinien sich dabei
auftun. Zentrale Kriterien lassen sich auf Grundlage der rechtlichen und normativen Rahmenbedingungen
sowie der induktiven Fallanalysen der vorgestellten Szenarien ableiten, die als Leitplanken für den legitimen
und verantwortungsvollen KI-Einsatz in der öffentlichen Verwaltung dienen.
Die aus den Ergebnissen abgeleiteten Gestaltungsoptionen zeigen Wege für einen erfolgreichen Einsatz von
KI im staatlichen Kontext auf, der letztlich die Teilhabe aller Beteiligten einschließt und einfordert: Staat und
Politik, Bürgerinnen und Bürger sowie Unternehmen in einem digitalen Dialog.
Datei-Upload durch TI
Abschlussbericht
No full textDas Verbundvorhaben PlasticObs_plus entwickelte ein KI-basiertes Fernerkundungssystem, das von Flugzeugen aus großflächig und hochauflösend Plastikmüll in Meeren, Flüssen und Küstengebieten erfasst. Ziel war es, die bestehenden Lücken zwischen satelliten- und drohnengestützten Monitoringansätzen zu schließen. Dazu wurde ein zweistufiges Sensorsystem realisiert: In der ersten Stufe analysiert die VIS AI in Echtzeit die Daten des VIS Line-Scanners, während in der zweiten Stufe die EOIR AI die hochauflösenden multispektralen Daten segmentiert und klassifiziert.
Die Integration in die offene GeoNode-Plattform erlaubt georeferenzierte Visualisierung, Batchverarbeitung und den Export der Daten. Ergänzend wurde eine Open-Source-Bibliothek mit vortrainierten KI-Modellen und annotierten Datensätzen etabliert, die weltweite Anpassungen unterstützt.The PlasticObs_plus joint project developed an AI-based remote sensing system that, when deployed on aircraft, enables large-scale and high-resolution detection of plastic waste in oceans, rivers, and coastal areas. The goal was to bridge the existing gap between satellite- and drone-based monitoring approaches. To achieve this, a two-stage sensor system was implemented: in the first stage, the VIS AI analyzes data from the VIS line scanner in real time, while in the second stage, the EOIR AI segments and classifies the high-resolution multispectral data.
Integration into the open GeoNode platform enables georeferenced visualization, batch processing, and data export. In addition, an open-source library of pre-trained AI models and annotated datasets was established to support global adaptability
Abschlussbericht
No full textDas KAI-Projekt wurde 2020 initiiert und 2021 offiziell gestartet, um einen KI-gestützten Konzeptassistenten (KAI) für die Gestaltung und Optimierung von Fahrzeuginterieurs in hochautomatisierten Fahrzeugen (SAE Level 4) zu entwickeln. Das übergeordnete Ziel bestand darin, künftige Innenraumkonfigurationen stärker nutzerzentriert, komfortabler und sicherer zu gestalten und dabei die neuen Freiheiten zu berücksichtigen, die durch autonome Mobilität entstehen. Ein interdisziplinäres Konsortium entwickelte hierfür nicht nur einen physischen Prototyp – das sogenannte Evolutions-Mock-Up (EMU) – für Nutzerstudien, sondern auch ein digitales Software-Tool (KAI) zur automatisierten Optimierung des Innenraums.
Um dem Wechsel vom Fahrer zum Passagier in hochautomatisierten Fahrzeugen gerecht zu werden, erarbeitete das Konsortium zunächst ein gemeinsames Zielbild und identifizierte Schwachstellen im Produktentwicklungsprozess (PEP). Benutzerstudien, darunter Online-Umfragen, Co-Creation-Sitzungen und Versuche in einem hochdynamischen Fahrsimulator, lieferten wichtige Erkenntnisse zu fahrfremden Aktivitäten, Nutzeranforderungen und Insassenposen. Auf dieser Basis passte das Team ein Menschmodell in RAMSIS an und führte neue Bewertungsmodule ein, die sowohl technische als auch nutzerzentrierte Kriterien berücksichtigten. Ein Packagemodellierer, eine Bewertungsmethode, ein auf genetischen Algorithmen basierender Innenraumoptimierer und eine zentrale Datenbank für Innenraumkomponenten bilden das Kernstück der KAI-Software und generieren optimale Innenraumlayouts für fahrfremde Aktivitäten innerhalb festgelegter Rahmenbedingungen. Dabei konzentrierte sich das ika auf Nutzerstudien und die Entwicklung des Software-Tools, letzteres in enger Zusammenarbeit mit dem DFKI.
Trotz einiger Verzögerungen, die durch eine kostenneutrale Verlängerung ausgeglichen werden konnten, wurden alle Projektziele erfolgreich erreicht. Im Verlauf einer iterativen und interdisziplinären Zusammenarbeit wurde das KAI-Tool trainiert, technisch getestet und unter Einbeziehung von Nutzerstudien validiert, was eine klare Konvergenz der Optimierung und hohe Akzeptanz bei potenziellen Anwendern zeigte. Darüber hinaus förderte das Projekt ein tieferes Verständnis der Nutzerbedürfnisse, trug zu neuen Prozessmethoden bei und ermöglichte einen interdisziplinären Austausch, der einen innovativen, nutzerzentrierten Ansatz in der Automobilentwicklung verdeutlicht. Die entwickelten Technologien, insbesondere in der Fahrzeugentwicklung und digitalen Produktplanung, sind ökonomisch vielversprechend und besitzen ein hohes wissenschaftliches Potenzial.The KAI project was initiated in 2020 and officially launched in 2021 to develop an AI-supported concept assistant (KAI) for the design and optimization of vehicle interiors in highly automated vehicles (SAE Level 4). Its overarching objective was to create future interior configurations that are more user-centered, comfortable, and safe, recognizing the new freedoms afforded by autonomous mobility. An interdisciplinary consortium not only developed a physical prototype—known as the evolution mock-up (EMU)—for user research but also a digital software tool (KAI) for automated interior optimization.
To address the shift from driver to passenger in highly automated vehicles, the consortium first established a shared vision and identified pain points along the product development process (PEP). User studies, including online surveys, co-creation sessions, and research in a highly dynamic driving simulator, yielded important insights into non-driving activities, user requirements, and passenger postures. Building on this, the team adapted a human model in RAMSIS and introduced new evaluation modules, focusing on both technical and user-centered criteria. A package modeler, an evaluation method, an interior optimizer based on genetic algorithms and a central database for interior components form the backbone of the KAI software, automatically generating ideal interior packages for non-driving activities within specified boundary conditions. In particular, ika focussed on user studies as well as the development of the software tool – latter in strong collaboration with DFKI.
Despite some delays, which were resolved through a cost-neutral extension, all project goals were successfully met. Throughout iterative and interdisciplinary collaboration, the KAI tool underwent training, technical tests, and user studies, demonstrating a clear convergence in optimization and strong acceptance among prospective users. Moreover, the project facilitated deeper insights into user needs, contributed new process methodologies, and fostered an interdisciplinary exchange that highlights an innovative, human-centered approach to automotive development. The technologies developed, particularly in vehicle design and digital product planning, are economically viable and offer substantial scientific potential
Vernetzung von KI-Projekten und aktiver Wissenstransfer: Die Clusterarbeit des Fraunhofer IFF zu Feature Recognition und Pflanzenzüchtung im Rahmen von X-KIT
No full textIm Rahmen der BMEL-Fördermaßnahme zur Künstlichen Intelligenz in Landwirtschaft, Lebensmittelkette und ländlichen Räumen wurden zahlreiche Verbundprojekte initiiert, die durch das Vernetzungs- und Transferprojekt X-KIT begleitet und zusammengebracht wurden. Ziel von X-KIT war es, Synergien zwischen den geförderten Projekten zu erschließen, den Austausch zu technischen und methodischen Herausforderungen zu fördern und unerwünschte Parallelentwicklungen zu vermeiden. Das Fraunhofer IFF (kurz IFF) hat aktiv im Teilprojekt 1 des Projektes mitgewirkt. Das IFF leitete dabei die Cluster „Feature Recognition“ und „Pflanzenzüchtung“ und war zudem besonders im Bereich Wissenstransfer engagiert
Schlussbericht zum Teilvorhaben Demonstrationsstandort
No full textDas Verbundvorhaben BMSmart demonstriert erfolgreich die Steigerung von Energieeffizienz, Wirtschaftlichkeit und Langlebigkeit von Batteriegroßspeichern durch innovative Batteriemanagementsysteme. Im Fokus stand die Entwicklung und Erprobung eines integrierten Systems zur intelligenten Überwachung, Steuerung und Optimierung von Großspeichern für den Einsatz in den deutschen Regelenergiemärkten. Das Teilvorhaben der Upside Consulting GmbH umfasste die Integration der entwickelten Technologien in den produktiven Demonstrationsspeicher Dresden Süd sowie die Validierung der Systemperformance unter realen Marktbedingungen.
Zu den Hauptergebnissen zählen die Implementierung eines hochauflösenden Monitoringsystems für alle Batteriezellen mit 10-Sekunden-Abtastrate, die Entwicklung eines Dynamic Load Control Systems mit Merit-Order-Optimization sowie die erfolgreiche Anbindung an die Regelleistungsmärkte FCR und aFRR. Ein besonderer Innovationsbeitrag liegt in der Entwicklung eines generischen Simulationsframeworks für Batteriegroßspeicher und der Identifikation systematischer Fehlerquellen bei der SOC-Messung, die durch KI-gestützte Algorithmen kompensiert werden. Die quantifizierten Projektergebnisse belegen signifikante Verbesserungen: Die Systemverfügbarkeit konnte um 6,5 % auf 98,5% gesteigert werden, die Vermarktungserlöse stiegen um durchschnittlich 7%, die Round-Trip-Verluste wurden um 6% reduziert, und ungeplante Nachladevorgänge konnten um über 80% verringert werden. Die prognostizierte Erhöhung der Batterielebensdauer beträgt 5-10%. Die erfolgreiche Integration des Speichers Dresden Süd in den Intraday-Markt ab November 2024 demonstriert die Marktreife der entwickelten Technologien. Die gewonnenen Erkenntnisse über softwarebasierte Kompensation systematischer Messfehler werden die zukünftige Entwicklung von Batteriemanagementsystemen maßgeblich beeinflussen und tragen substanziell zur Integration von Batteriegroßspeichern in das Energiesystem bei
Abschlussbericht
No full textBei der Entwicklung nachhaltiger und vor allem kreislaufgerechter Technologien und Produkte sind zahlreiche Abhängigkeiten über alle Entwicklungsphasen und den gesamten Lebenszyklus hinweg zu berücksichtigen. Für Designer, Ingenieure aber auch andere Stakeholder der Produktentwicklung entsteht dadurch eine hohe Komplexität, die es nahezu unmöglich macht, Architektur-, Material- und Gestaltungsentscheidungen zu beurteilen, zu analysieren und optimal zu treffen.
Im Projekt CYCLOMETRIC wurde eine Lösung entwickelt, mit der dieser Personenkreis aber auch Unternehmen Nachhaltigkeitsbewertungen und Konzepte der Kreiswirtschaft bereits in den frühen Phasen eines Produktentwicklungsprozesses analysieren und optimal treffen können – also genau dort, wo sie den größten Einfluss auf eine umweltfreundliche Gestaltung haben. Ein wesentliches Element der Lösung ist eine Software, die sich nahtlos in bestehende Entwicklungsumgebungen ein fügt. Bereits bei der ersten Produktidee liefert sie Schätzungen zum ökologischen Fußabdruck, erwarteten Lebenszyklen und anderen Umweltaspekten. Mit zunehmender Konkretisierung des Produkts werden die Prognosen detaillierter und ermöglichen gezielte Anpassungen.
In dieser Veröffentlichung werden die zugehörigen, fundamentalen Konzepte, Methoden und technischen Lösungen erläutert, die dieser Software und der kreislaufgerechten Produktentwicklung allgemein zugrunde liegen. So wurde zum Beispiel mit einem Automobilhersteller, einer Designagentur und einem Ingenieurdienstleister eine Mittelkonsole für ein Auto entworfen, um in der Praxis aufzuzeigen, wie sich Design, Werkstoffe und Lebenszyklus-Anforderungen gegenseitig beeinflussen. Die entworfene Mittelkonsole kombiniert innovative Werkstoffe wie nachhaltige Faserverbundwerkstoffe und Apfelleder mit modularen Konstruktionen, die Reparaturen und die Wiederverwendung vereinfachen. Gleichzeitig ist aus diesem Prozess eine Methode für kreislaufgerechtes Design entstanden, das hier weiter erläutert und ausführt wird. Die enge Verbindung zwischen Methode, Entwicklungspraxis und Software gewährleistet, dass die Ergebnisse dieser Veröffentlichung sowohl theoretisch fundiert als auch in die industrielle Praxis übertragen werden können – auch weit über die Automobilindustrie hinaus. Da die Methoden, die Software und das Bewertungssystem kompatibel aufgebaut sind, lassen sich die Ergebnisse des Projekts auch hervorragend auf andere Branchen übertragen und eröffnen neue Wege zur Förderung einer nachhaltigen und kreislauforientierten Wertschöpfung in verschiedenen Industriezweigen
Sachbericht zum Verwendungsnachweis 2023-2025
No full textPHYSICS erforscht neuartige und integrierte Erkennungs-, Abschwächungs-, und Kompensationsstrategien bei Angriffen auf Kommunikationsnetze, sodass die Anforderungen von Sicherheit, Resilienz und Privatsphäre der Kommunikations-Infrastrukturen erfüllt werden. Die zunehmende Vernetzung, Computing und Automatisierung im Bereich Automotive, Smart Cities und Logistik ermöglicht neue Lösungskonzepte und Innovationen für das vernetzte und automatisierte Fahren. Dies beinhaltet u.a. Vehicular Area Networks (VANETs), Mobile Edge Computing (MEC), Vehicular Cloud Continuum (VCC), Computation offloading und Objekterkennung mit ML/KI Methode. Für die Erfüllung dieser Funktionen und weiterer Trends von Kommunikationssystemen, wie Verdichtung der Netze, steigende Heterogenität der Gerätearten, die Integration von neuartigen Funktionen (Lokalisierung, Sensing) steigen simultan die Anforderungen an die Sicherheit, Resilienz und Privatsphäre. Bereits auf der Ebene des Physical Layers (PHY) von 5G/6G gibt es mehrere Angriffsvektoren, wie Radio Jamming, Radio Sniffing oder RF Spoofing, um Signale zu stören oder abzuhören. Das Forschungsvorhaben PHYSICS adressiert die Physical Layer Security (PLS) von 5G/6G durch neuartig entwickelte und integrierte Erkennungs-, Mitigations- und Kompenstationsstrategien. Die Verwendung der Real-time Channel Estimation für die PLS erlaubt, durch die Auswertung verschiedener Signalparameter auf PHY Ebene Angreifer zu erkennen und zu lokalisieren. Durch den Einsatz einer Phased-Array-Antenne und Beamforming kann der Angriff durch Spoofer und Sniffer mitigiert werden. Zur Kompensation eines Angriffs durch einen Störsender im gleichen Frequenzband wird im Vorhaben das Technology Handover zu Optical Wireless entwickelt. Die Vorteile der Light Fidelity (LiFi) Datenübertragung in Bezug auf Sicherheit kann so nahtlos durch Bereitstellung eines isolierten, abhörsicheren Kanals in 5G/6G Kommunikationsnetze integriert werden. Erprobt und demonstriert werden die entwickelten Verfahren zur PLS im Bereich VANETs und Vehicle-to-everything (V2X) Kommunikation. Dabei soll sowohl die Vehicle-to-vehicle (V2V) Sidelink Kommunikation als auch die Kommunikation zur Infrastruktur/Edge Cloud untersucht werden. Mittels einer offenen Implementierung des 5G New Radio (NR) Radio Access Networks (RAN) auf Software-Defined Radio (SDR) Basis sollen verschiedene Signalparameter für die Real-Time Channel Estimation und die Detektion eines Angreifers untersucht werden. Die LiFi Übertragung für das Technology Handover wird zwischen mehrer Fahrzeugen und zwischen Fahrzeug und relevanter Infrastruktur entwickelt und demonstriert
