Von der Grundlagenforschung bis zum marktfähigen Prototypen
fortiss hat sich in der weltweiten Spitzenforschung zu zentralen Themen des Software & Systems Engineering, AI Engineering und IoT Engineering etabliert und gilt als anerkannter Partner bei anspruchsvollen Fragen der Softwareentwicklung und Künstlichen Intelligenz (KI).
Das Institut konzentriert sich darauf, leistungsstarke Software mit zuverlässiger Funktionalität, Performance, Resilienz, Persistenz, Sicherheit und Wartbarkeit zu entwickeln und zu betreiben. Der besondere Schwerpunkt liegt dabei auf der Integration von modellgetriebener Softwareentwicklung mit datengetriebener Programmierung der KI, um die beherrschte Entwicklung einer neuen Generation zunehmend autonomer und auch dezentraler Softwaresysteme zu ermöglichen.
Die klassischen Methoden der modellbasierten Software- und Systementwicklung werden erweitert und mit neuen Entwicklungsmethoden für datengetriebene Anwendungen integriert. Bisher stand die Sicherstellung der Verlässlichkeit und Sicherheit von relativ kleinen, zentralisierten und automatisierten Systemen im Mittelpunkt, die in vorhersehbaren Umgebungen arbeiten. Die gegenwärtigen und zukünftigen Anforderungen verlagern sich zunehmend auf die Gewährleistung von Vertrauenswürdigkeit größerer, dynamisch vernetzter, selbstlernender und sich ständig weiterentwickelnder, oft autonom agierender Systeme.
Die aktuellen Fokusthemen umfassen unter anderem die strukturierte Entwicklung vertrauenswürdiger autonomer Systeme sowie die Analyse und Optimierung von Software- und Systemarchitekturen. Des Weiteren beschäftigen sich die Forschungsschwerpunkte mit dem Software-Engineering für datengetriebene Anwendungen, dem Einsatz von KI-Methoden im Software-Engineering und der Absicherung und Zertifizierung großer Softwaresysteme.
Trotz technologischer Fortschritte, die zur Verbreitung KI-basierter und zunehmend autonom agierender Systeme geführt haben, stellt sich weiterhin die Frage nach dem Grad des Vertrauens, der in diese lernbasierten Softwaresysteme gelegt werden kann. Für eine Vielzahl von Anwendungen wird deshalb eine neue Generation robuster KI-Technologie benötigt, die in unsicheren, unvorhersehbaren Umgebungen zeitnahe und sichere Entscheidungen trifft. Ihre Ergebnisse sind nachvollziehbar, erklärbar und widerstandsfähig gegen fehlerhafte Eingaben und gezielte Angriffe.
Darüber hinaus können sie die immer größer werdenden Datenmengen verarbeiten, aber auch zunehmend aus kleinen Datenmengen nützliche Erkenntnisse gewinnen, ohne dabei wesentliche Kompromisse bei Vertraulichkeit und Privatsphäre einzugehen. Bei der Entwicklung und dem Betrieb KI-gestützter Softwaresysteme gilt es, durch ein ingenieurmäßiges Vorgehen sicherzustellen, dass KI-Technologie in Zukunft auch in missionskritischen und sicherheitsrelevanten Anwendungen eingesetzt werden kann.
Voraussetzungen für eine flexible, softwarebasierte Infrastruktur, die sich bedarfsgerecht adaptiert und optimiert, sind die tiefe Einbettung von Sensor-, Rechner- und Kommunikationsfähigkeiten in bestehende Systeme und die Durchdringung traditioneller, physischer Infrastrukturen. Die Grundlage für intelligente Infrastrukturen und die zugehörigen, dezentralen und zunehmend datenbasierten Dienste liegt in verlässlichen, softwarebasierten, dezentralen Systemen. Diese sind resilient gegenüber äußeren Einflüssen, Störungen und auch Angriffen. Die datenbasierten Dienste müssen transparent und interpretierbar sein, damit Ursachen und Gründe für Handlungsentscheidungen verstanden und nachvollzogen werden können.
Dazu muss ein Kommunikationsnetzwerk mit geringer Latenzzeit, hoher Zuverlässigkeit und Sicherheit kontinuierlich weiterentwickelt werden, das Cloud Computing-Ressourcen bedarfsgerecht zur Verfügung stellt. Eine Herausforderung besteht darin festzulegen, wann und welche Berechnungen am Rand des Netzwerks (Edge Computing) stattfinden und wann Daten an Cloud Computing-Funktionen übertragen werden. Und es bedarf neuer Modelle der System-Programmierung, insbesondere zur dezentralen Ressourcenkoordination, Autorisierung, Evidenz, Nachweis zur Einhaltung einschlägiger Regelwerke sowie Rechenschaftspflichten.
