Studienorientierung & Studienwahl
Transfer von angewandter Forschung
Vielfältige Kooperationsmöglichkeiten
Vernetzen & Vorteile nutzen
Alle Infos rund ums Studium
Arbeitgeber Hochschule
Initiativ - Wertig - Vielfältig - Kollegial
Hochschulkommunikation
/ Informatik / Forschung / Automotive Software Systems Engineering (AS²E) /
Im Projekt VAL (Vollautomatische Rangierlok) wird ein Nachrüstmodul für eine Rangierlokomotive entwickelt und zur Anwendungsreife gebracht. Das Modul ermöglicht vollautomatisches Rangieren ohne die Anwesenheit eines Lokrangierführers. Einzelne Komponenten aus anderen Industriezweigen werden modifiziert und zu einem innovativen, neuartigen System kombiniert. Zusätzlich wird eine neue digitale Schnittstelle zwischen der Infrastruktur und der Lokomotive geschaffen, die einen adäquaten Ersatz für die derzeitige verbale Kommunikation darstellt. Ergänzend wird eine neue Rechnerkomponente in das Stellwerk integriert, die zur Übertragung von Fahrbefehlen an die Lokomotive genutzt wird. Es entsteht ein anwendungsreifes Produkt, das alle notwendigen sicherheitskritischen Anforderungen erfüllt und eine Serienfreigabe mit Markteinführung ermöglicht.
Zur Absicherung und Bewertung der zu automatisierenden Funktionen für das Fahren der vollautomatisierten Lokomotive sind spezifische Tests, die relevante Fahrmanöver unter Umwelteinflüssen beinhalten, erforderlich, um die Reaktion des Gesamtsystems auf die jeweilige Situation mit einer Erwartung zu vergleichen. Daher steht für die TH Nürnberg die Entwicklung von Methoden und Kriterien zur Prüfung von Funktionsanforderungen unter den Aspekten Wahrnehmung (Perception), Lokalisierung (Localization), Klassifizierung (Classification) und der daraus abgeleiteten Fahr- bzw. Bremsentscheidung (Decision) im Vordergrund.
Für die Durchführung der Tests sollen parallel zwei Testumgebungen geschaffen werden, in denen ein systematisches und konsistentes Testverfahren entwickelt und angewendet wird. Als Testumgebungen werden eine Laborumgebung und eine charakteristische reale Umgebung im Feld geschaffen, in denen die Systemreaktionen auf definierte Stör- und Eingangsgrößen anhand von definierten Kriterien bewertet werden. Es werden traditionelle Software-Verifikationsmethoden wie Regressionstests durchgeführt, aber auch Verifikationsmethoden für Software mit hohem KI-Anteil (Künstliche Intelligenz), wie Adversarial Examples/Attacks oder Techniken der Explainable Artificial Intelligence.
Die Erstellung der Testumgebungen und Tests auf wissenschaftlicher Basis unabhängig von der Systementwicklung führt zu einer höheren Systemsicherheit, da die Anforderungen aufgrund der großen Anzahl möglicher Situationen nicht scharf beschrieben werden können, aber dennoch nach genau definierten Kriterien bewertet werden müssen.
Das Projekt wird gefördert durch das Bundesministerium für Verkehr und digitale Infrastruktur.
Kooperationen: DB Cargo AG, Universität Bamberg — Lehrstuhl Kognitive Systeme
Projektlaufzeit: Dezember 2020 bis Dezember 2024
Forschungskooperation mit der Division of Computer Science and Software Engineering der Mälardalen Universität, Schweden
Forschungsinhalt:
Promotionsverfahren Beteiligte:
Läuft bis einschließlich Mai 2023
Autonom fahrende Modellfahrzeuge basierend auf erklärbaren Meta Learning Klassifikatoren
Die Automotive Industrie ist durch politische und gesellschaftliche Vorgaben aufgefordert, Transparenz für ihre ML (maschinelles Lernen) Algorithmen zu entwickeln. Eine wichtige Rolle dabei spielen konkrete Erfahrungen beim sogenannten Meta Learning.
"OHMeta Runner" soll zum ersten Mal derartige Erfahrungen liefern, indem ein innovativer Robotikaufbau eines autonomen Modellfahrzeugs im Modellbau-Maßstab (ca. 1:8) und ein Parcours verwendet werden. Der Forschungsfokus liegt dabei auf der Exploration der Umsetzung der Meta-Learning-Technik für das autonome Fahren und der Analyse der Anwendbarkeit von eXplainable AI-Ansätzen auf diese Technik. Damit soll die Transparenz und die Nachfollziehbarkeit der Entscheidungen des maschinellen Lernens erzielt werden und auf die Ebene der Architektur eine abstrakte Security-Gefährdungsanalyse durchgeführt werden.
Unser Team entwickelt dafür einen vielseitig einsetzbaren Robotik-Aufbau (Modellfahrzeug), der robust ist, alle nötigen Sensoren und Aktuatoren besitzt sowie perfomant und effizient die hohen Ansprüche der ML-Algorithmen erfüllt. Eine anschließende Migration nach Adaptive AUTOSAR wird allerdings in Folgeprojekten anvisiert und durch die Konformität auf Architekturebene mit der EAST-ADL konzeptionell vorbereitet.
Mit dem Robotikaufbau entsteht an der TH Nürnberg eine fakultätsübergreifende, interdisziplinäre Plattform, die für die Bereiche des Software Engineering und des Maschinelles Lernens Entwicklungsimpulse liefern soll.
Aufgrund der fortschreitenden Vernetzung sind Cyber-Attacken eine wachsende Bedrohung einer Vielzahl von Anwendungsgebieten wie z.B. Vernetztes Fahrzeug oder Smart Metering. Gemeinsame Konzepte der funktionalen Sicherheit (Safety) und der IT-Sicherheit (Security) sind für diese Gateway-basierten Systeme erforderlich.
Ziel des Forschungsvorhabens ist es, Angriffe auf die IT-Sicherheit von Systemarchitekturen vernetzter cyberkritischer Systeme zu erforschen, da die Wechselwirkung zwischen funktionaler Sicherheit und IT-Sicherheit in diesem Kontext weitestgehend unbekannt ist.
Zentraler Forschungsgegenstand ist die ganzheitliche Analyse der Sicherheitstechnologien, der Gateway-Strukturen und der korrespondierenden Systementwicklungsprozesse. Ausgehend von Schwachstellen und Bedrohungsanalysen sowie Penetrationstests und Architekturanalysen werden Anforderungen für Systemarchitekturen, Sicherheitstechnologien und Prüfverfahren, sowie für ein Reifegradmodell abgeleitet. Es wird ein Schwachstellen- und Bedrohungskatalog entwickelt, der die Grundlage für eine automatisierte Analyse der funktionalen Sicherheit sowie der IT-Sicherheit bildet und damit einen zentralen Beitrag zur Risikobewertung von cyber-kritischen Systemen darstellt.
Kooperationspartner: Ostbayerische Technische Hochschule Regensburg, sepp.med GmbH, eMundo GmbH, iNTENCE automotive electronic GmbH, BFFT Gesellschaft für Fahrzeugtechnik mbH
Um Gefahrenzonen vor den Folgen von Erdeinbrüchen oder anderen Georisiken zu schützen, werden Sicherungen verwendet, in denen Geokunststoffe eingebaut sind. Diese überwiegend textiltechnisch hergestellten Bauprodukte sind sehr gut dehnbar und können dauerhaft und kostengünstig zur Bewehrung der Böden genutzt werden. Sie werden auch als Schutzmaßnahme gegen Auswirkungen umweltgefährdender Altlasten oder Erosionen verwendet sowie zur Abdichtung und Entwässerung von Deponiekörpern, Wasserwegen oder Dämmen und Deichen.
Im Forschungsprojekt „Optische Sensoren zur Überwachung von Erdstrukturen“ unter der Gesamtleitung von Prof. Dr. Rainer Engelbrecht sollen innovative und kostenökonomische Sensoren auf Basis von optischen Polymer-Fasern (POF) zur Strukturüberwachung von Geokunststoffen entwickelt und untersucht werden.
Weitere Informationen finden Sie auf der Projekthomepage.
Forschungskooperation mit dem Lehrstuhl für Angewandte Kryptographie der Friedrich-Alexander-Universität
Abschluss im März 2021
gefördert vom Zentrum Digitalisierung.Bayern
beendet im Dezember 2018
gefördert von der Bayerischen Forschungsstiftung
Die sogenannte Car2X-Kommunikation soll es ermöglichen Daten wie beispielsweise Gefahrenquellen, Hindernisse, Verkehrsfluss oder den allgemeine Fahrzeugstatus, mit anderen Verkehrsteilnehmern und der Infrastruktur auszutauschen. Die Herstellung dieser Kommunikation, die verschiedenen Anwendungsfälle in diesem Bereich sowie mögliche Maßnahmen der Sicherstellung der Integrität der hierbei übertragenen Daten sollen im von der Staedtler-Stiftung getragenen Projekt „Ohm Runner“ untersucht und bewertet werden.
In diesem Projekt soll ein Modellfahrzeug unter Anwendung automobiler Standards und Technologien, wie z.B. AUTOSAR, lernen, Informationen mit seiner Umgebung auszutauschen und zu interpretieren. Hierbei gilt es, mögliche Anwendungsszenarien zu definieren, zu implementieren und bezüglich ihrer Praktikabilität und ihres Mehrwertes zu beurteilen.
Die hierbei generierten Informationen können zu einem wichtigen Bestandteil der Konzepte der Smart Cities und Smart Grids werden und dabei helfen, nicht nur die Verkehrsführung in Echtzeit zu beeinflussen, sondern bestimmte Aufkommen mithilfe geschickter Auswertungen dieser großen Datenmengen vorherzusagen und sogar zu beeinflussen.
Bearbeitet von Christian Stahl und Johannes Rösler
Abgeschlossen September 2017
gefördert von der Staedtler Stiftung
Model-based Analysis & Engineering of Novel Architectures for Dependable Electric Vehicles
http://maenad.eu
Laufzeit: 09.2010 – 08.2013
Mitarbeiter: Prof. Dr. Ramin Tavakoli Kolagari, Tobias Wägemann
Veröffentlichungen:
Sara Tucci-Piergiovanni, DeJiu Chen, Chokri Mraidha, Henrik Lönn, Nidhal Mahmud, Mark-Oliver Reiser, Ramin Tavakoli Kolagari, Nataliya Yakymets, Renato Librino, Sandra Torchiaro, Agnes Lanusse: Model-Based Analysis and Engineering of Automotive Architectures with EAST-ADL, Chapter 10 of the Handbook of Research on Embedded Systems Design, edited by Alessandra Bagnato, Leandro Soares Indrusiak, Imran Rafiq Quadri and Matteo Rossi, IGI Global, Hershey, August 2014. pp. 242–282.
Hans Blom, Henrik Lönn, Frank Hagl, Yiannis Papadopoulos, Mark-Oliver Reiser, Carl-Johan Sjöstedt, De-Jiu Chen, Fulvio Tagliabò, Sandra Torchiaro, Sara Tucci, Ramin Tavakoli Kolagari: EAST-ADL: An Architecture Description Language for Automotive Software-Intensive Systems, Chapter 23 of Embedded Computing Systems: Applications, Optimization, and Advanced Design, edited by Mohamed Khalgui, Olfa Mosbahi and Antonio Valentini, IGI Global, Hershey, April 2013. pp. 456–470.
Philippe Cuenot, Patrik Frey, Rolf Johansson, Henrik Lönn, Yiannis Papadopoulos, Mark-Oliver Reiser, Anders Sandberg, David Servat, Ramin Tavakoli Kolagari, Martin Törngren, Matthias Weber (invited paper, peer reviewed): The EAST-ADL Architecture Description Language for Automotive Embedded Software, Invited Chapter in the LNCS Volume on Model-Based Engineering of Embedded Real-Time Systems (MBEERTS), Lecture Notes in Computer Science, edited by Holger Giese, Bernard Rumpe, Bernard Schätz, International Dagstuhl Workshop, Dagstuhl Castle, Germany, November 4-9, 2007, Revised Selected Papers, 2010. pp. 297–307.
Eric Armengaud, Andreas Baumgart, Matthias Biehl, Dejiu Chen, Gerhard Griessnig, Christian Hein, Tom Ritter, Ramin Tavakoli Kolagari, Markus Zoier: Model-based Toolchain for the Efficient Development of Safety-relevant Automotive Embedded Systems, Proceedings of the SAE 2011 World Congress & Exhibition, Detroit, April 2011.
Anders Sandberg, DeJiu Chen, Henrik Lönn, Rolf Johansson, Lei Feng, Martin Törngren, Sandra Torchiaro, Ramin Tavakoli Kolagari, Andreas Abele: Model-based Safety Engineering of Interdependent Functions in Automotive Vehicles Using EAST-ADL2, Proceedings of the 29th International Conference on Computer Safety, Reliability and Security (SAFECOMP’10), Vienna, September 2010. pp. 332–346.
Philippe Cuenot, Patrick Frey, Rolf Johansson, Henrik Lönn, Yiannis Papadopoulos, Mark-Oliver Reiser, Anders Sandberg, David Servat, Ramin Tavakoli Kolagari, Martin Törngren, Matthias Weber: The EAST-ADL Architecture Description Language for Automotive Embedded Software, Chapter 11 of Model-Based Engineering of Embedded Real-Time Systems, International Dagstuhl Workshop, Dagstuhl Castle, Germany, November 4-9, 2007, Revised Selected Papers, edited by Holger Giese, Gabor Karsai, Edward Lee, Bernhard Rumpe, Bernhard Schätz, Lecture Notes in Computer Science 6100, Springer, Berlin, 2010. pp. 297–308.
Hans Blom, Henrik Lönn, Ramin Tavakoli Kolagari: On Tooling strategy for the EAST-ADL language, Proceedings of the 1st Workshop on Hands-on Platforms and tools for model-based engineering of Embedded Systems (HoPES’10), in conjunction with ECMFA 2010, Paris, June 2010. pp. 19–26.
Hans Blom, Henrik Lönn, Frank Hagl, Yiannis Papadopoulos, Mark-Oliver Reiser, Carl-Johan Sjöstedt, De-Jiu Chen, Ramin Tavakoli Kolagari: EAST-ADL—An Architecture Description Language for Automotive Software-Intensive Systems, White Paper, Version 2.1.12, 2012.
Bergler, Matthias; Tolvanen, Juha-Pekka; Zoppelt, Markus; Tavakoli Kolagari, Ramin (2021). Social Engineering Exploits in Automotive Software Security: Modeling Human-targeted Attacks with SAM. Proceedings of the 31st European Safety and Reliability Conference | 19-23 September 2021, Angers, France
Brost, J., Egger, C., Lai, R. W. F., Schmid, F., Schröder, D., & Zoppelt, M. (2020). Threshold Password-Hardened Encryption Services. Proceedings of the 2020 ACM SIGSAC Conference on Computer and Communications Security, 409–424. doi.org/10.1145/3372297.3417266
Aslansefat, K., Sorokos, I., Whiting, D., Tavakoli Kolagari, R., & Papadopoulos, Y. (2020). SafeML: Safety monitoring of machine learning classifiers through statistical difference measure. IMBSA 2020. Lecture Notes in Computer Science, vol 12297, 197–211. doi.org/10.1007/978-3-030-58920-2_13
Auernhammer, Katja; Freiling, Felix; Tavakoli Kolagari, R. (2020). Efficient Black Box Search for Advesarial Examples Using Relevance Masks. DYnamic and Novel Advances in Machine Learning and Intelligent Cyber Security (DYNAMICS) Workshop.
Zoppelt, M., & Tavakoli Kolagari, R. (2019). Reaching Grey Havens: Industrial Automotive Security Modeling with SAM. International Journal on Advances in Security, 12, 223–235. www.iariajournals.org/security/sec_v12_n34_2019_paged.pdf
Beuche, D., Birk, A., Dreier, H., Fleischmann, A., Galle, H., Heller, G., Janzen, D., John, I., Tavakoli Kolagari, R., von der Maßen, T., Wolfram, A., Omasreiter, H., Tavakoli Kolagari, R., Zoppelt, M., Tavakoli Kolagari, R., Mark-Oliver Reiser, Tavakoli Kolagari, R., Weber, M., van Wagensveld, R., … Mader, R. (2019). UnCle SAM : Modeling Cloud Attacks with the Automotive Security Abstraction Model. In Quan Chen Zhiyi Huang & P. Balaji (Eds.), CLOUD COMPUTING 2019, The Tenth International Conference on Cloud Computing, GRIDs, and Virtualization (Vol. 11681, Issue IEEE Computer Society, Los Alamitos, pp. 67–72). Springer, Berlin. doi.org/10.1007/978-3-540-75698-9_9
Zoppelt, M., & Tavakoli Kolagari, R. (2019). UnCle SAM : Modeling Cloud Attacks with the Automotive Security Abstraction Model. Proceedings of the Tenth International Conference on Cloud Computing, GRIDs, and Virtualization, 67–72.
Auernhammer, K., Tavakoli Kolagari, R., Zoppelt, M., & Tavakoli Kolagari, R. (2019). Attacks on machine learning: Lurking danger for accountability. CEUR Workshop Proceedings, 2301, 9. ceur-ws.org/Vol-2301/paper_2.pdf
Tavakoli Kolagari, R. (2019). Modeling Software Systems Security with SAM and EAST-ADL. doi.org/10.1007/978-3-030-32872-6
Zoppelt, M., & Tavakoli Kolagari, R. (2019). What Today’s Serious Cyber Attacks on Cars Tell Us: Consequences for Automotive Security and Dependability. International Symposium on Model-Based Safety and Assessment, 270–285. doi.org/10.1007/978-3-030-32872-6_18
Auernhammer, K., Tavakoli Kolagari, R., & Zoppelt, M. (2019). Attacks on Machine Learning: Lurking Danger for Accountability. Proceedings of the AAAI Workshop on Artificial Intelligence Safety, Co-Located with the Thirty-Third AAAI Conference on Artificial Intelligence (AAAI 2019), 9–18.
Wägemann, T., Tavakoli Kolagari, R., & Schmid, K. (2019). ADOOPLA - Combining Product-Line- and Product-Level Criteria in Multi-objective Optimization of Product Line Architectures. In I. P. Bures T. Duchien L. (Ed.), Lecture Notes in Computer Science (Vol. 11681). Springer, Cham. doi.org/10.1007/978-3-030-29983-5_9
van Wagensveld, R., Wägemann, T., Mader, R., Tavakoli Kolagari, R., & Margull, U. (2019). Evaluation and modeling of the supercore parallelization pattern in automotive real-time systems. Parallel Computing, 81, 122–130. doi.org/10.1016/j.parco.2018.12.004
Wägemann, T., Tavakoli Kolagari, R., & Schmid, K. (2019, March). Exploring Automotive Stakeholder Requirements for Architecture Optimization Support. Proceedings of the International Conference on Software Architecture Companion(ICSA-C). doi.org/10.1109/ICSA-C.2019.00015
Auernhammer, K., Tavakoli Kolagari, R., & Zoppelt, M. (2019). Attacks on machine learning: Lurking danger for accountability. CEUR Workshop Proceedings, 2301, 9. ceur-ws.org/Vol-2301/paper_2.pdf
Zoppelt, M., & Tavakoli Kolagari, R. (2019). What today’s serious cyber attacks on cars tell us: Consequences for automotive security and dependability. In M. Papadopoulos, Yiannis and Aslansefat, Koorosh and Katsaros, Panagiotis and Bozzano (Ed.), Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics): Vol. 11842 LNCS (pp. 270–285). Springer International Publishing. doi.org/10.1007/978-3-030-32872-6_18
Zoppelt, M., & Tavakoli Kolagari, R. (2019). UnCle SAM : Modeling Cloud Attacks with the Automotive Security Abstraction Model. CLOUD COMPUTING 2019, The Tenth International Conference on Cloud Computing, GRIDs, and Virtualization, 67–72.
Zoppelt, M., & Tavakoli Kolagari, R. (2019). SAM: A Security Abstraction Model for Automotive Software Systems. In Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics): Vol. 11552 LNCS (pp. 59–74). Springer. doi.org/10.1007/978-3-030-16874-2_5
van Wagensveld, R., Wägemann, T., Hehenkamp, N., Tavakoli Kolagari, R., Margull, U., & Mader, R. (2018). Intra-Task Parallelism in Automotive Real-Time Systems. In Quan Chen Zhiyi Huang & P. Balaji (Eds.), Proceedings of the 9th International Workshop on Programming Models and Applications for Multicores and Manycores 2018 (PMAM’18) (pp. 61–70). ACM, New York. doi.org/10.1145/3178442.3178449
Zoppelt, M., & Tavakoli Kolagari, R. (2018). SAM: A Security Abstraction Model for Automotive Software Systems. In S. A. E. Y. G.-A. J. Hamid B. Gallina B. (Ed.), Security and Safety Interplay of Intelligent Software Systems (Vol. 11552, pp. 59–74). Springer, Cham. doi.org/10.1007/978-3-030-16874-2_5
Wägemann, T., Tavakoli Kolagari, R., & Schmid, K. (2018). Optimal Product Line Architectures for the Automotive Industry. In Schaefer I., D. Karagiannis, A. Vogelsang, D. Méndez, & C. Seidl (Eds.), Modellierung 2018 (pp. 119–134). Gesellschaft für Informatik. dl.gi.de/handle/20.500.12116/14962
Stahl, C., & Tavakoli Kolagari, R. (2017). Strategies to balance grid load using communication interfaces in electrical vehicles. In J. Mottok, M. Reichenberger, & C. Klippel (Eds.), Applied Research Conference 2017. (ARC 2017).
Rösler, J., & Tavakoli Kolagari, R. (2017). Ohm Runner---Establishment of a communication from infrastructure to vehicle level for dynamic transmission of information. In J. Mottok, M. Reichenberger, & C. Klippel (Eds.), Applied Research Conference 2017. (ARC 2017).
Tavakoli Kolagari, R., Chen, D., Lanusse, A., Librino, R., Lönn, H., Mahmud, N., Mraidha, C., Reiser, M.-O., Torchiaro, S., Tucci-Piergiovanni, S., Wägemann, T., & Yakymets, N. (2016). Model-based Analysis & Engineering of Automotive Architectures with EAST-ADL: Revisited. International Journal of Conceptual Structures and Smart Applications (IJCSSA) 3 (2). doi.org/10.4018/IJCSSA.2015070103
Wägemann, T., Langer, T., Mottok, J., Osinski, L., Stappert, F., & Tavakoli Kolagari, R. (2016). Models for Dependable Heterogenous Multi- and Many-Core System Software Design Revisited. Proceedings of the FORMUS3IC-Workshop of Multi-Core Safe and Software-Intensive Systems Improvement Community (ARCS 2016), 1–8. ieeexplore.ieee.org/document/7499190
Tavakoli Kolagari, R., & Auernhammer, K. (2016, July). Utilization and Effect of Narrative Art in Advanced Software Engineering Education. Proceedings of the European Conference Software Engineering Education 2016.
Blom, H., Chen, D.-J., Kaijser, H., Lönn, H., Papadopoulos, Y., Reiser, M.-O., Tavakoli Kolagari, R., & Tucci, S. (2016). EAST-ADL---An Architecture Description Language for Automotive Software-intensive Systems in the Light of Recent use and Research. International Journal of System Dynamics Applications (IJSDA). doi.org/10.4018/IJSDA.2016070101
Liebe Besucherin, lieber Besucher, Sie verlassen nun die Website der Technischen Hochschule Nürnberg.
Mit einem Klick auf den unten stehenden Button gelangen Sie zu . Bitte achten Sie darauf, dass Ihre dort persönlichen Daten gut geschützt sind. Beachten Sie die dortigen Datenschutzbestimmungen sowie die Einstellungen zur Privatsphäre.