AI NET: AIQualify – Framework zur Qualifizierung von KI-Systemen in der industriellen Qualitätsprüfung
26. September 2024 17:30 – 19:00
Beschreibung
Der Einsatz von Künstlicher Intelligenz (KI) verspricht die Automatisierung der Qualitätsprüfung und wirtschaftliche Vorteile, doch bringt ebenso eingeschränkte Erklärbarkeit, unzureichende Robustheit oder fehlende Qualifizierungsnachweise mit sich. In diesem Vortrag beleuchtet unser Referent Emil Andreas (Fraunhofer IPA), wie KI-basierte Qualitätsprüfungen durch systematische Ansätze sicherer und nachvollziehbarer gestaltet werden können. Mit dem AIQualify-Framework wird ein Assistenzsystem entwickelt, das Prüf- und Bewertungskriterien für KI-Systeme zentral erfasst und automatisiert formuliert. Dies ist vor dem Hintergrund des kommenden EU AI Acts und der Risikoklassifizierung von KI-Systemen besonders relevant. Im Projekt werden zwei Anwendungsfälle bearbeitet, bei denen eine Auditplattform und Templates zur automatisierten Identifikation und Formulierung von Tests des KI-Systems entwickelt werden.
Nutzen für die Besucher:innen :
- Verständnis für die Herausforderungen und Chancen von KI in der industriellen Qualitätsprüfung: Sie erfahren, wie KI-Systeme die Prüfprozesse automatisieren können und welche Risiken dabei berücksichtigt werden müssen.
- Einblicke in das AIQualify-Framework: Sie lernen ein innovatives Assistenzsystem kennen, das die systematische Erstellung von Prüf- und Bewertungskriterien für KI-Systeme unterstützt.
- Vorbereitung auf den EU AI Act: Sie erhalten wertvolle Informationen zur kommenden Gesetzgebung und wie diese die Qualifizierung von KI-Systemen durch Risikoklassifizierungen beeinflusst.
- Praktische Anwendungsbeispiele: Zwei konkrete Use Cases zeigen, wie das Framework in der Praxis eingesetzt wird, und veranschaulichen die Entwicklung aufbauender Anwendungen.
- Erhöhte Nachvollziehbarkeit und Sicherheit von KI-Systemen: Sie erfahren, wie eine zentrale Argumentationsstruktur die Abnahme und Überprüfung von KI-Systemen unterstützt und deren Erklärbarkeit verbessert.
Weitere Termine:
24.10.2024: Wiederbelebung alten Quellcodes mit Large Language Models – Fine-tuning eines LLMs für die Programmierung am Beispiel COBOL >> Veranstaltung findet in englischer Sprache statt! <<
Speaker
Emil Andreas, Research Associate – Dependable AI, Fraunhofer IPA
Emil Andreas ist wissenschaftlicher Mitarbeiter im Forschungsbereich Künstliche Intelligenz und Maschinelles Sehen und dort Teil der Gruppe zuverlässige KI.
Die Gruppe beschäftigt sich mit den Themen Unsicherheitsquantifizierung, robustem und erklärbarem Maschinellen Lernen sowie KI-Compliance.
Sein Forschungsschwerpunkt sind die synthetische Datenerzeugung und konzeptbasierte Erklärbarkeitsmethoden. Vor seinem Start am Fraunhofer IPA hat er zwei Masterstudiengänge in Wirtschaftsingenieurwesen sowie Computational Engineering mit Schwerpunkten KI im Maschinenbau absolviert.
Anmeldung
TIPP >> Unsere Veranstaltungsreihe “KI Roundtable” wäre auch für dich interessant!
Veranstalter
