Springe zum Inhalt

Fraunhofer-Gesellschaft stellt KI-Studie vor

Maschinelles Lernen: Kompetenzen, Forschung, Anwendung

Maschinelles Lernen (ML) ist die Schlüsseltechnologie für kognitive Systeme auf Basis Künstlicher Intelligenz (KI) und damit einer der entscheidenden Faktoren für die globale wirtschaftliche Entwicklung. Grundlegend für eine nachhaltige Positionierung Deutschlands und Europas im internationalen Wettbewerb ist die faktenbasierte Auseinandersetzung mit KI- und ML-basierten Technologien. Die neue Studie der Fraunhofer-Gesellschaft ordnet die wesentlichen Begriffe des Maschinellen Lernens ein, gibt einen Überblick zu aktuellen Herausforderungen und künftigen Forschungsaufgaben und stellt Deutschlands Position in der Anwendung von Maschinellem Lernen dar.

© Fraunhofer IAIS / Fraunhofer IMW Entwicklung der Patentfamilien zu ML-Technologie nach Ländern 2006 - 2015.
© Fraunhofer IAIS / Fraunhofer IMW
Entwicklung der Patentfamilien zu ML-Technologie nach Ländern 2006 - 2015.

Es gibt kaum einen Bereich, der nicht von ML- und KI-basierten Technologien entscheidend transformiert wird: von der Güterproduktion über die Logistik bis zur Medizintechnik. Schon die Vielzahl der Einsatzmöglichkeiten ist ein Grund für das öffentliche Interesse. Die Debatte ist jedoch oft von Halbwissen, Vermutungen und Mythen geprägt. Aufklärung ist gefragt, denn die gesellschaftliche Akzeptanz ist für die weitere Verbreitung maschinell basierter Lernverfahren von zentraler Bedeutung. Hier setzt die im Kontext eines vom Bundesministerium für Bildung und Forschung (BMBF) geförderten Projekts erstellte Studie »Maschinelles Lernen – Kompetenzen, Anwendungen und Forschungsbedarf« an. Durchgeführt wurde das Projekt vom Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS, dem Fraunhofer-Zentrum für Internationales Management und Wissensökonomie IMW sowie der Zentrale der Fraunhofer-Gesellschaft. Die Studie gibt eine kompakte Einführung in die wichtigsten Konzepte und Methoden des Maschinellen Lernens, einen Überblick über Herausforderungen und neue Forschungsfragen. Darüber hinaus ermöglicht sie eine Übersicht zu Akteuren, Anwendungsfeldern und sozioökonomischen Rahmenbedingungen der Forschung mit Fokus auf den Standort Deutschland.

Transfer von der Wissenschaft in die Wirtschaft

© Fraunhofer IAIS / Fraunhofer IMW Kompetenzlandkarte auf Basis wissenschaftlicher Publikationen, 2006 - 2015.
© Fraunhofer IAIS / Fraunhofer IMW
Kompetenzlandkarte auf Basis wissenschaftlicher Publikationen, 2006 - 2015.

Forschung ist die Basis jeder neuen Technologie. Für die weitere Entwicklung neuer ML-Techniken wurde in Deutschland bereits eine solide Grundlage geschaffen. Entscheidend ist aber vor allem der Transfer von wissenschaftlichen Ergebnissen in kon­krete Produkte, Prozesse und Dienstleistungen. So sind zum Beispiel Länder wie die USA, China, Südkorea oder Japan, was die Anzahl der Patentfamilien im Bereich ML und KI angeht, Deutschland noch weit voraus. Dementsprechend wichtig ist es, nicht den Anschluss zu verlieren und sowohl in die ML-Forschung zu investieren als auch gezielt den Transfer von der Wissenschaft in die Wirtschaft zu fördern. Hier gilt es vor allem, den Einsatz von ML-Techniken in kleinen und mittelständischen Unternehmen (KMU) zu fördern und Eigenentwicklungen anzuregen, um hinsichtlich des Rückstands bei den Patentanmeldungen im internationalen Vergleich aufzuschließen. Dies ist insbesondere eine Frage zielgerichteter Informationsangebote, etwa in Form von Best Practices und konkreten Anwendungsszenarien. So zeigen KMU vielfach Interesse an ML-Techniken, sobald ihnen konkrete Einsatzmöglichkeiten mit unternehmerischem Mehrwert aufgezeigt werden.

Handlungsfelder für die Forschung

Die wissenschaftliche Ausgangslage in Deutschland und Europa ist vielversprechend. Doch insbesondere im Hinblick auf den Transfer in die Praxis identifiziert die Studie Forschungsfelder, die es zu intensivieren gilt. Die befragten Expertinnen und Experten halten vor allem folgende Forschungsfelder für relevant, in die Deutschland und Europa verstärkt investieren sollten, um sich langfristig im internationalen Wettbewerb erfolgreich zu positionieren.

  • »Erklärbare KI« für bessere Transparenz und Verlässlichkeit ML-basierter Entscheidungsprozesse
  • Maschinelles Lernen mit wenigen Daten
  • »Informed ML« – Maschinelles Lernen mit zusätzlichem Wissen von Experten
  • Verbesserung der Betriebs-, Cyber- und Datensicherheit sowie der Robustheit von ML-Systemen

Diese Forschungsfelder bieten das Potenzial, Wissen anwendungsorientiert auszubauen, völlig neue Anwendungen zu ermöglichen – von der Industrie 4.0 bis zum Gesundheitssektor – und die wirtschaftliche und gesellschaftliche Akzeptanz zu stärken.

Zentrale Herausforderungen und Rahmenbedingungen

Über den Forschungsbedarf in den zentralen Handlungsfeldern hinaus spielen auch übergeordnete rechtliche, gesellschaftliche und politische Rahmenbedingungen eine wichtige Rolle, wenn es um die Wettbewerbsfähigkeit und Akzeptanz von ML und KI geht. Die Studie betont hier vor allem den Fachkräftemangel, denn der Bedarf an Expertinnen und Experten für Datenanalyse in Deutschland ist immens: Aktuell fehlen rund 85 000 Akademikerinnen und Akademiker mit fortgeschrittenen Datenanaly­sekenntnissen sowie zusätzlich rund 10 000 IT-Spezialfachkräfte in den Bereichen Big Data, Advanced Analytics, Business Intelligence und Data Science. Handlungsbedarf besteht auch hinsichtlich der Verfügbarkeit von Daten. Gerade im internationalen Vergleich mangelt es in Deutschland an allgemein zugänglichen, verwertbaren Daten. Um Anreize zu schaffen, entsprechende Daten zu generieren und auszutauschen, ist es jedoch wichtig, dass Urheber die Kontrolle und Souveränität über ihre Daten behalten. Modelle wie der Industrial Data Space, in dem Unternehmen ihre Daten zum gegenseitigen Nutzen teilen und dabei stets die Kontrolle über die Verwen­dung ihre Daten behalten, sind hier beispielhaft.

Strategische Investitionen in ML-Forschung

Die Fraunhofer-Gesellschaft engagiert sich nicht nur hinsichtlich der Aus- und Weiterbildung mit einem eigenen Schulungs- und Zertifizierungsprogramm für »Data Scientists«. An vielen Instituten, sowohl am Standort Deutschland als auch im europäischen Kontext, entwickelt Fraunhofer Schlüsseltechnologien der KI und ihrer Anwendungen. Maschinelle Lernverfahren für die Industrie gehören ebenso dazu wie der Einsatz kognitiver Systeme in der Cybersicherheit und die weitere Erforschung künstlicher neuronaler Netze. Darüber hinaus adressiert Fraunhofer zum Beispiel mit dem neuen Forschungszentrum Maschinelles Lernen aktuelle Herausforderungen der Industrie, die es ermöglichen, transparente und belastbare Lösungen der Künstlichen Intelligenz strategisch in Produktions-, Geschäfts- und Vertriebsprozesse zu integrieren.

Titelbild der Studie Fraunhofer-Studie_ML_2018_WEB

SpardaSurfSafe Jahresrückblick: Cyber-Gefahren im Jahr 2017

Das Jahr 2017 neigt sich dem Ende zu und allerorts wird Bilanz gezogen. Welche Ereignisse haben die Menschen bewegt? Welche Schlagzeilen beherrschten die Medien? Und noch wichtiger, welche Themen werden uns 2018 erhalten bleiben? Auch SpardaSurfSafe blickt auf ein bewegtes Jahr zurück, mit zahlreichen Veranstaltungen und tausenden Teilnehmern, die nach dem Besuch der spannenden Live-Hacking-Vorträge vielleicht ein wenig sicherer im Netz agieren. Trotzdem waren die Cyber-Kriminellen in diesem Jahr sehr aktiv. So gibt es drei Themen, die Internetnutzern das Leben besonders schwer gemacht haben.

Im Laufe des Jahres sorgten Angriffe auf Smart-Home-Geräte, viele Fälle von Datendiebstahl und immer neue Kryptotrojaner für Verunsicherung. „2017 hat uns deutlich vor Augen geführt, wie wichtig es ist, sich im Internet zu schützen und gewisse Maßnahmen dafür zu ergreifen“, betont Götz Schartner vom Verein Sicherheit im Internet e. V., einem der Mitveranstalter von SpardaSurfSafe. Er fügt hinzu: „Auch für das kommende Jahr gibt es leider keine Entwarnung.“ Denn das Geschäft mit der Cyber-Kriminalität ist einfach zu lukrativ. Oft machen wir es Angreifern immer noch viel zu einfach. SpardaSurfSafe hat daher die wichtigsten Schutzmaßnahmen gegen die größten Bedrohungen noch einmal zusammengefasst.

Botnetze im Internet of Things (IoT)

Experten schätzen, dass die Zahl der vernetzten IoT-Geräte in den kommenden drei Jahren auf mehr als 24 Milliarden steigen wird. Dazu zählen Kaffeemaschinen, Kühlschränke, Heizungs- und Alarmanlagen, aber auch Smart-TVs, Router, Saugroboter und Babyphones. Da es sich um einen Markt handelt, der erst noch erschlossen wird, setzen die Hersteller stark auf möglichst günstige Preise, um Kunden zu locken. „Und das geht leider in vielen Fällen auf Kosten der Sicherheit“, sagt Schartner. Bereits 2016 sorgte das Botnetz Mirai für Aufregung, als es bei dem Versuch, tausende von Routern zu infiltrieren, dafür sorgte, dass diese komplett ausfielen. Und auch 2017 kam es nahezu täglich zu unzähligen Attacken. Unternehmen und auch Privatpersonen müssen Maßnahmen ergreifen, damit ihre smarten Geräte nicht infiziert werden. Dafür ist es nötig, bereits beim Kauf aufmerksam zu sein. Geräte mit unveränderlichen Kennwörtern sind beispielsweise besonders gefährdet. Auch die Frage, ob der Hersteller Updates zur Verfügung stellt, sollte bedacht werden. „Wenn sich nachweislich unsichere Geräte nicht mehr verkaufen lassen, zwingt man die Hersteller zum Umdenken“, erklärt Schartner. Hat man sich für ein Gerät entschieden, sollte man unbedingt das voreingestellte Kennwort ändern, nicht benötigte Funktionen deaktivieren und zur Verfügung stehende Updates regelmäßig einspielen. Damit macht man es den Kriminellen schon ein ganzes Stück schwieriger.

Diebstahl von Nutzerdaten

2017 war geprägt von Superlativen, was das Ausmaß an abhandengekommenen Nutzerdaten anbelangt. Zwar liegen einige der spektakulären Hacks wie beim Fahrdienst Uber oder bei Yahoo schon länger zurück, trotzdem wurden die Fälle erst jetzt bekannt. Die langen Zeiträume zwischen den Vorfällen und ihrer Bekanntgabe sind für die Nutzer natürlich schlecht. „Sie haben keinerlei Kontrolle darüber, was in dieser Zeit mit ihren Daten geschieht und können nicht entsprechend reagieren“, ärgert sich Schartner. Wird ein neuer Fall bekannt, sollten die Kunden ihre Zugangsdaten schnellstmöglich ändern. Auch eine Zwei-Faktor-Authentifizierung bietet zusätzlichen Schutz. „Keinesfalls sollte man das gleiche Kennwort mehrfach nutzen“, erklärt der Experte. Sonst reiche bereits ein erfolgreicher Angriff und die Kriminellen könnten auf mehrere Dienste zugreifen. Weitere Informationen zu sicheren Kennwörtern sind unter http://bit.ly/2BJNQ6j verfügbar.

Gefahren durch Kryptotrojaner

Unter Kryptotrojanern versteht man Schadprogramme, die sich auf dem Rechner einnisten und dort sämtliche Daten verschlüsseln. Wer sie wiederhaben will, wird zur Kasse gebeten. Das funktioniert sowohl auf Mobiltelefonen und Tablets als auch mit dem eigenen Computer. Meist fängt man sich diese Schädlinge durch Unaufmerksamkeit oder geschickte Manipulationen Krimineller ein. „Leider funktioniert diese Masche sehr gut und so ist es nicht verwunderlich, dass die Fallzahlen im vergangenen Jahr erneut gestiegen sind“, bemerkt der Profi. Schutz bietet nur eine gewisse Vorsicht beim Klicken von Links und beim Öffnen von Dateianhängen, damit man sich derartige Trojaner g