Studienorientierung & Studienwahl
Transfer von angewandter Forschung
Vielfältige Kooperationsmöglichkeiten
Vernetzen & Vorteile nutzen
Alle Infos rund ums Studium
Arbeitgeber Hochschule
Initiativ - Wertig - Vielfältig - Kollegial
Hochschulkommunikation
/ Informatik / Automotive Software Systems Engineering (AS²E) /
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 der Arbeitsgruppe Software Systems Engineering (SSE) der Universität Hildesheim.
Produktlinien software-intensiver Systeme werden für immer mehr Bereiche im Fahrzeug relevant, insbesondere auch für sicherheitsrelevante Anwendungen und Steuerungen. Die gegenwärtige Herausforderung ist nicht in erster Linie die Exploration weiterer Anwendungsfelder für diese Systeme, sondern deren Optimierung im Hinblick auf eine Vielzahl ggf. konkurrierender Qualitätskriterien. Das Optimum zwischen den Anforderungen mehrerer Kriterien zu finden ist ein hartes kombinatorisches Problem; man spricht von multikriterieller Optimierung, da mehrere Qualitätskriterien des Systems unter Zuhilfenahme einer trade-off-Analyse gleichzeitig optimiert werden.
Die Notwendigkeit einer systematischen Lösung dieses Problems liegt auf der Hand: multikriterielle Optimierungsprobleme können aufgrund ihrer Komplexität nicht händisch gelöst werden, computergestützte Verfahren sind unumgänglich. Dennoch sind gegenwärtig ad-hoc-Lösungsversuche an der Tagesordnung und bedeuten in der Konsequenz, dass Fahrzeugsteuergeräten oft suboptimale Architekturen zugrunde liegen. Da in der Automobildomäne seit einigen Jahren verstärkt modellbasierte Ansätze zur Beschreibung von Produktlinien-Systemarchitekturen zum Einsatz kommen, existiert mittlerweile ein solides Fundament, welches alle nötigen Informationen für computergestützte Optimierungsanalysen zur Verfügung stellt. Im Rahmen des Forschungsvorhabens soll dieses Potential für die Automobildomäne untersucht und nutzbar aufbereitet werden.
Promotionsverfahren Beteiligte:
läuft bis Ende 2020
Forschungskooperation mit dem Lehrstuhl für Angewandte Kryptographie der Friedrich-Alexander-Universität
Forschungsinhalt:
läuft bis einschließlich März 2020
gefördert vom Zentrum Digitalisierung.Bayern
Forschungskooperation mit dem Lehrstuhl für IT-Sicherheitsinfrastrukturen der Friedrich-Alexander-Universität Erlangen
Machine Learning befindet sich derzeit in einer Phase der Hochkunjunktur. Die Technik hat bereits in vielen Bereichen Einzug gehalten und wird auch in Zukunft eine wichtige Rolle in der IT-Welt spielen.Auch das hoch-autonome Fahren ist stark von Machine Learning abhängig. Beim Zusammenspiel unzähliger Sensoren, Aktoren und einer Großzahl kleiner Hardware- und Software-Komponenten wird Machine Learning genutzt, um die Signale auszuwerten und entsprechende Reaktionen einzuleiten. So werden beispielsweise Fußgänger, Verkehrsschilder und andere Autos auf Kameraaufnahmen erkannt und die Route entsprechend angepasst oder eine Bremsung durchgeführt. Anders als bei den meisten Anwendungen mit künstlicher Intelligenz kann ein Versagen der Machine Learning-Komponente im Fahrzeug das Leben von Menschen gefährden. Daher ist es besonders wichtig, diese Komponenten vor Angriffen zu schützen. Im Rahmen der Promotion sollen möglichen Angriffe auf Machine Learning-Anwendungen analysiert und entsprechende Schutzmechanismen konzipiert werden.
läuft bis einschließlich September 2020
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.
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.