Künstliche Intelligenz steckt heutzutage in vielen Systemen. Wir sind auf die Absicherung der Technologie in kritischen Bereichen spezialisiert.
Unlocking Automotive Safety: How LLM-Augmented Tools Are Transforming Hazard and Risk Assessments In the ever-evolving landscape of automotive safety engineering, the Hazard Analysis and Risk Assessment (HARA) process is crucial. This procedure demands extensive engineering expertise to meet the requirements…
Generative Künstliche Intelligenz (KI) und insbesondere Large Language Models (LLMs) haben das Potenzial, unsere Interaktion mit Technologie und Wissensmanagement grundlegend zu verändern. Generative KI-Modelle sind in der Lage, menschenähnliche Inhalte (Text, Bilder, Audio, Video) zu erzeugen, was sie für viele…
Im Wettbewerb um Technologien und Zukunftsmärkte spielen Normen und Standards eine entscheidende Rolle. Das Positionspapier »Wer sie gestaltet, beherrscht den Markt: Normen und Standards« der Fraunhofer-Gesellschaft weist darauf hin, wie wichtig die Gestaltung von Normung und Standardisierung ist und formuliert…
Wie kann man KI-Systeme testen, und warum können schlechte Daten dabei helfen? In diesem Blogbeitrag erklärt unser KI-Experte Dr. Julien Siebert, wie man KI-Systeme durch Fehlerinjektion mit unserer Badgers-Bibliothek testen kann. Auswirkungen mangelnder Datenqualität Datenqualitätsprobleme sind bei der Entwicklung und…
Enhancing datasets by adding input variations or data quality deficits is often done using data augmentation approaches. These approaches employ classical image processing techniques, Deep Learning models like Convolutional Neural Networks (CNNs), or Generative Adversarial Networks (GANs). With the rise…
The use of Machine Learning (ML) components in safety-critical or financially critical systems is challenging. At Fraunhofer IESE, we address this challenge by systematically engineering comprehensive multi-layered safety concepts and explicitly considering sources of uncertainties. This specifically includes situations at…
Eine gute Datenqualität ist entscheidend für die Zuverlässigkeit von Systemen, die auf Machine Learning und Künstlicher Intelligenz basieren. Data Scientists verbringen daher die meiste Zeit damit, Daten vorzubereiten und Probleme mit der Datenqualität zu lösen. In diesem Blogbeitrag erläutert unser…
Viele Unternehmen nutzen die Chancen der Plattformökonomie, auch abseits der bekannten Beispiele wie »Uber«, »eBay« oder »Amazon Marketplace«. Erfolgreiche Digitale Ökosysteme, wie wir am Fraunhofer IESE die konkreten Unternehmungen der Plattformökonomie nennen, finden sich außer im Silicon Valley ebenso in…
In diesem Blogbeitrag erklären KI-Expertinnen und Experten, welche Komponenten zu LLMs (Large Language Models, deutsch: große Sprachmodelle) gehören. Die Funktionsweise eines LLMs: 4 Schritte bis zum Ergebnis Große Sprachmodelle, wie wir sie heute kennen, sind nur die Spitze des Eisbergs….
Retrieval Augmented Generation (RAG) ist ein KI-Verfahren, das ein LLM mit einer guten Suche, z.B. in einer Dokumentensammlung, in einer Datenbank oder in einem Knowledge Graph ergänzt, um Antworten zu generieren. Hierdurch lässt sich die Verlässlichkeit (Dependable AI) des Generierens…
