KI-Algorithmen werden im Bereich des automatisierten Fahrens insbesondere zur Implementierung von Wahrnehmungsfunktionen genutzt. „Dabei werden vorhandene Bild- und Sensoraufnahmen von unterschiedlichen Straßenszenen genutzt, um damit künstliche neuronale Netze zu trainieren. Mithilfe der Bilder lernen die Netze sozusagen das reale Umfeld des Fahrzeuges zu erkennen“, erklärt Dr. Matthias Rottmann, Postdoc in der Arbeitsgruppe Angewandte Informatik. Die Algorithmen sind somit Grundlage dafür, dass das Fahrzeug bestimmte Handlungsabläufe selbstständig bewältigen kann. Die Herausforderung: Die für das Training verwendeten Aufnahmen können unmöglich alle Situationen, Umweltbedingungen und Sensorbaureihen abdecken; zumal diese sich in einem stetigen Wandel befinden. Die dadurch entstehenden Abweichungen zwischen Realität und von der KI erlernter Szenerie werden auch als Deltas bezeichnet.

Aufgabe der Wuppertaler Wissenschaftler, alle Mitglieder des Interdisziplinären Zentrums für Machine Learning and Data Analytics (IZMD) der Bergischen Uni, ist die Erforschung von Methoden zur Ermittlung von nicht abgedeckten Situationen, zur Überbrückung der Deltas zwischen den künstlich erzeugten und realen Daten sowie zwischen den verschiedenen Sensortechnologien zur Umfelderkennung.

Im Projekt „KI-DeltaLearning“ arbeitet die Bergische Universität gemeinsam in einem Forschungskonsortium, das neben größeren deutschen Automobilherstellern auch technologisch führende Automobilzulieferer, Tech-Startups und insgesamt zehn Forschungseinrichtungen umfasst.