Maschinelles Lernen

Verschiedenartige Krisen stehen in Wechselwirkung zueinander und verstärken sich häufig gegenseitig. Treffen etwa Wetterextremsituationen auf stark ansteigende Zahlen an Krankheitsfällen, bedroht das die Wirtschaft in besonderem Maße. Doch die Krisensituationen zugrundeliegenden Daten werden in der heutigen Zeit meist bereits gesammelt. Um diese Daten allerdings miteinander zu verschneiden und effektive Vorhersagen zu generieren, braucht es innovative Techniken der Datenverarbeitung. Künstliche Intelligenz kann dabei helfen.

Das Projekt »KILANKO« des Fraunhofer-Instituts für Nachrichtentechnik, Heinrich-Hertz-Institut, HHI strebt die Entwicklung einer IT-Infrastruktur für die Landwirtschaft der Zukunft an. Eine vielversprechende Lösung besteht in einem Netzwerk von Mobilfunk-Drohnen, die die Maschinen auf dem Feld begleiten und so eine effiziente Datenübertragung ermöglichen.

Maschinelles Lernen ist zum Zugpferd für die industrielle Produktion geworden. Dank des Einsatzes von ML werden Prozesse deutlich effektiver und ressourcensparender. Nun sollen die Systeme durch den ergänzenden Einsatz von Quantencomputern auf ein neues, deutlich höheres Niveau gehoben werden. Ein Problem aber bleibt: Vorbereitung und Implementierung von ML überfordern viele mittelständische Unternehmen. Eine Developer Suite soll genau das ändern. Im Interview erklärt Projektleiter Daniel Pranjic vom Fraunhofer IAO, wie das funktionieren kann. ​

Der Nutzen von Künstlicher Intelligenz für alle ökologischen und gesellschaftlichen Bereiche ist so umfassend, dass KI die Informationstechnik auch in den kommenden Jahren dominieren wird. Allerdings ist hoch entwickelte KI auch extrem rechenintensiv. Und mit jeder neuen Schicht an Neuronen für einen komplexeren Einsatz steigt der Energieverbrauch weiter stark an. Im Projekt EEAI suchen Forscher*innen des Fraunhofer HHI nach Möglichkeiten, den Energiebedarf zu drosseln. Erste Ergebnisse zeigen nun, dass sie fündig geworden sind und enorme Einsparpotenziale ausgemacht haben.