Laufzeit 10/2022 bis 09/2025

Forschungsbereich: Maschinelles Lernen

Bei AGenC handelt es sich um ein basisorientiertes Projekt mit dem Fokus Informations- und

Kommunikationstechnologie (IKT) in cyber-physischen Systemen (CPS). Komplexe CPS bei Entwurf und im Betrieb zu prüfen (Testen), während des Einsatzes zu überwachen (Monitoring) oder eine Vorhersage des Systemverhaltens abzugeben (Prädiktion) ist extrem aufwendig; dies benötigt valide Systemmodelle. Doch sind Teilkomponenten oder -systeme moderner CPS oft nur als eine Black-Box verfügbar. Modelle müssen manuell erstellt werden oder sind gar nicht verfügbar. Es fehlen Qualitätsmetriken für Einsatz und Übertragbarkeit der Modelle. Bisher ist die Modellierung kaum automatisiert, sodass Testen, Monitoring und Prädiktion Flaschenhälse im Entwurf verursachen. In verschiedenen Anwendungsfeldern existieren unvollständige Insellösungen, die trotz Standardisierung nur isoliert genutzt werden. AGenC entwickelt für CPS einen Werkzeugkasten mit einheitlich nutzbaren Methoden und interoperablen Technologielösungen: Die zentralen Beiträge sind generalisierte Schnittstellen zur Nutzung in diversen Anwendungsbereichen, neuartige Modelllerner, die einerseits auf Adversarial Resilience Learning (ARL) basieren und andererseits diskrete und kontinuierliche Modelle kombinieren, um so relevante Aspekte von Interpretierbarkeit bis Genauigkeit der Modelle gleichzeitig zu adressieren. Harte Metriken dienen zur Bewertung der Modellqualität, sowie zum Vergleich und zur Erweiterung verschiedener Modelle, sowie Testfallgeneratoren, Monitore und Prädiktoren. Dabei sind die Modelle in den Anwendungen austauschbar vergleichend/ergänzend eingebunden.

Die TUHH nimmt mit den Instituten IES und ITL am Projekt teil. Die Aufgabe des ITL ist die Bereitstellung eines Teststandes für Lokalisierungssysteme zur reproduzierbaren Gewinnung von Trainingsdaten zur Modellerstellung.