Open-Source-Tools
fortiss stellt Softwarelösungen als Open-Source zur allgemeinen Nutzung zur Verfügung. Der Quellcode ist unter verschiedenen Lizenzmodellen für weiterführende Arbeiten kostenlos und jederzeit frei zugänglich. Er kann in diesem Rahmen vervielfältigt und verändert werden.
Die fortiss Open-Source-Software wurde im Rahmen von Forschungsprojekten entwickelt und basiert auf fundierten wissenschaftlichen Erkenntnissen. Sie dient als wertvolle Ressource, um innovative Ansätze in den Anwendungsbereichen Mobilität, Energie, Gesundheit, Produktion und öffentliche Verwaltung zu erproben.
Die Open-Source-Angebote von fortiss vereinfachen den Zugang zu aktuellen Forschungsergebnissen und stehen sowohl der Entwickler- und Wissenschafts-Community als auch Softwareentwickler*innen im industriellen Umfeld zur Verfügung. Beim Einsatz dieser Forschungsprototypen übernimmt die fortiss GmbH keinerlei Haftung.
Darüber hinaus leitet fortiss im Rahmen des Wissens- und Technologietransfers Trainingsmöglichkeiten für Studierende und Schulungsmaßnahmen für Unternehmen aus dem Angebot ab.
Open-Source-Lösung für autonomes Fahren
Um Forschungsalgorithmen im Bereich des autonomen Fahrens zu demonstrieren und zu validieren, sind Straßentests unverzichtbar. Die fortiss Expert*innen integrieren wissenschaftliche Ergebnisse in die Software Apollo, um die Erprobung des Verhaltens autonomer Fahrzeuge auf der Straße zu ermöglichen. Apollo ist quelloffen, bietet ein vollständiges Stack an Funktionen für autonomes Fahren und ist eine hervorragende Grundlage für weitere Forschungsaktivitäten.
Modellbasierte Entwicklung eingebetteter Systeme
AutoFOCUS 3 ist ein Open-Source-Werkzeug für die modellbasierte Entwicklung von cyberphysischen Systemen. Als Forschungsplattform bietet es fortschrittliche Ansätze für die Entwicklung und Validierung von Systemen, wie zum Beispiel Architekturexploration, (Co-)Simulation, Assurance Cases, Wiederverwendung und Variabilität, Modellqualität. Es unterstützt Standards wie SysML und FMI und wird erfolgreich in Fallstudien, vor allem in den Branchen Automobil und Luftfahrt, sowie in Lehre und Weiterbildung eingesetzt.
Ein Framework zur Verhaltensmodellierung und -entwicklung autonomer Fahrzeuge
Die Softwareplattform BARK ermöglicht eine modularisierte, systematische Entwicklung von Verhaltensplanungskomponenten für autonome Systeme mit Schwerpunkt autonomes Fahren. In BARK entwickelte Verhaltensmodelle lassen sich sowohl für die Planung als auch für Prädiktion und Simulation einsetzen. Die Software unterstützt dabei die Anwendung von klassischen sowie moderneren Methoden der künstlichen Intelligenz.
Cognitive Decentralised Edge Cloud (CODECO) OSS Basic Operation Toolkit v2.0
Das CODECO Basic Operation Toolkit v2.0 ist ein Open Source Orchestrierungs-Framework für containerisierte Anwendungen. CODECO wurde entwickelt, um mit Kubernetes verwendet zu werden, und bringt Intelligenz in die Orchestrierung von containerisierten Anwendungen über einen kognitiven, Daten-Rechner-Netzwerk-Ansatz. Bei CODECO wird die Infrastruktur auf der Daten-, Netz- und Berechnungsebene kontrolliert.
NS-3 Simulationsumgebung für deterministische drahtlose/verkabelte Netzwerke
Das ns-3 DetNetWiFi-Framework wurde vom fortiss IIoT-Team im Rahmen von Industrie- und Forschungsprojekten mit dem Schwerpunkt "Echtzeit-Systemanpassung" entwickelt. Die Simulationsumgebung berücksichtigt überlappende Wi-Fi6-Netzwerke (Multi-AP-Umgebungen), die mit einem festen (Ethernet/TSN) Kern verbunden sind, um fortschrittliche IoT-Anwendungen im Kontext von flexiblen industriellen IoT-Umgebungen zu ermöglichen.
Werkzeug zur Unterstützung der Erstellung kontinuierlicher Sicherheitsnachweise
ETB2 ist ein Framework zur Definition und Ausführung verteilter Sicherheits-Workflows, die durch Beweise gestützte Claims erstellen. ETB2 ermöglicht eine kostengünstige und zeiteffiziente Erstellung und kontinuierliche Pflege von Sicherheitsnachweisen. ETB2 besteht aus Komponenten, die zusammenarbeiten, um einen durchgängigen, dezentralen und kontinuierlichen Sicherheitsgewährleistungsprozess zu ermöglichen, bei dem mehrere Stellen beteiligt sind, um durch Argumente und Beweise gestützte Sicherheitsansprüche zu formulieren.
Open Source 3D-Simulation von neuronalen netzgesteuerten Robotern
Die Neurorobotics Platform ist eine Simulationssoftware zur Steuerung von virtuellen 3D-Robotern mit neuronalen Netzwerken verschiedenster Art. Die Platform ist online verfügbar oder kann auf einem Computer installiert werden. Es verwendet Gazebo als zugrunde liegenden Robotersimulator und unterstützt Nest, Spinnaker, Pynn, Nengo, Tensorflow als neuronale Netzwerksimulatoren.
Open-Source-Toolbox zur Unterstützung des Safety-Engineerings neuronaler Netze
Das Neural Network Dependability Kit ist eine Open-Source-Toolbox zur Unterstützung der datengesteuerten Entwicklung neuronaler Netze für sicherheitskritische Bereiche. Sie erbringt die nachweisbare Reduktion von Unsicherheiten in den wichtigsten Phasen des Produktlebenszyklus – von der Datenerfassung, dem Training und der Validierung über das Testen und die Generalisierung bis hin zum Betrieb. Die Toolbox besteht aus Zuverlässigkeitsmetriken, Routinen zur formalen Beweisführung und zur Laufzeitüberwachung.
Richtlinien-Framework für sichere und geschützte Interaktionen mit Large Language Models
OpenGuard ist ein Richtlinien-Framework, das benutzerdefinierte Regeln durchsetzt, um eine sichere Interaktion mit Large Language Models (LLMs) zu gewährleisten. OpenGuard ermöglicht die Erkennung von faktischen Halluzinationen, d. h. von Fällen, in denen die generierten Ergebnisse von der tatsächlichen Wahrheit abweichen.
Software für die Arbeit mit dem Marktstammdatenregister
Die Bedeutung von Open Data nimmt im Kontext der Modellierung von Energiesystemen stetig zu. Das Python-Paket open-MaStR ermöglicht den einfachen Download und die Bereinigung der Datenbank "Marktstammdatenregister", die detaillierte Informationen zu jeder Strom- und Gasanlage in Deutschland bietet.
Ein modularer Rahmen für suchbasierte Tests von automatisierten Fahrsystemen
OpenSBT ist ein Framework, das modular aufgebaut und erweiterbar ist. Es ermöglicht die Integration von Simulatoren mit einem eingebetteten System, das getestet werden soll, sowie Suchalgorithmen und Fitnessfunktionen. Dieses Open-Source-Tool erleichtert das suchbasierte Testen von automatisierten Fahrsystemen und bietet mehrere Funktionalitäten.
Smart Energy Systems Simulation Framework
Das SESSIM Framework ist eine Co-Simulationsumgebung zur Analyse von Anwendungen im Energiebereich für die Betriebsoptimierung, mit Schnittstellen zu EMS oder übergeordneten energiewirtschaftlichen Systemen. Ziel der Software ist es schnelle, plattformfähige Prototypen zu entwickeln und diese dann erfolgreich in Projekte mit Partnern zu integrieren.
Variabilität in der Produktion beherrschbar machen
Das Smart Factory Information Tool (SFIT) setzt eine von fortiss entwickelte Methodik für die Produktionsplanung im Kontext von Industrie 4.0 in einem modellbasierten Werkzeug um. SFIT ermöglicht es, alle relevanten Aspekte von Produktionsanlagen sowie von Produkten strukturiert zu erfassen. Auf dieser Grundlage bietet es einen universellen Ansatz zum Variabilitätsmanagement, um die Produzierbarkeit beliebiger Produktvarianten effizient zu überprüfen.
Plattform für das Prototyping und die Evaluierung von Betriebssystemkonzepten in Echtzeitumgebungen
toki ist eine einfache und leicht zu bedienende Prototyping-Plattform für eingebettete Echtzeitsysteme, die eine problemlose Evaluierung von Betriebssystemkonzepten in industriellen Anwendungen ermöglicht. Mit einer Architektur, die der von industriellen Produktionssystemen ähnelt, bietet die Software die Grundlage, um mit geringem Aufwand frühe Prototypen von Forschungsergebnissen für Echtzeitsysteme bis zur technologischen Bereitschaftsstufe 7 zu implementieren.
ML semantisches Matchmaking zwischen IoT-Datenquellen und IoT-Diensten
TSMatch ist eine Open Source fortiss Edge-basierte Middleware. Sie unterstützt das Matchmaking zwischen semantischen Beschreibungen von IoT-Geräten und von IoT-Diensten. Das Hauptziel von TSMatch ist die Automatisierung des Datenaustauschs im Internet der Dinge (IoT) und gleichzeitig die Erfüllung der Anforderungen von Diensten. Zu diesem Zweck verfolgt TSMatch einen ML-basierten semantischen Matchmaking-Ansatz, der auf Natural Language Processing mit einem Neural Network Modell basiert.