Das Institut für Softwaretechnologie ist Teil des Künstliche-Intelligenz-Netzwerks Helmholtz AI. Zusammen mit Forschenden der DLR-Institute für Methodik der Fernerkundung und für Robotik und Mechatronik unterstützen wir unsere Helmholtz-Partner bei der Analyse immer größerer Datensätze aus den Forschungsbereichen Luftfahrt, Raumfahrt und Verkehr.
In vielen DLR-Forschungsprojekten entstehen enorme Datenmengen aus Aufzeichnungen, Messungen und bildgebenden Verfahren. Mehrfach können Forschungsfragen erst dann beantwortet werden, wenn die Auswertung dieser gewaltigen Daten effizient geschehen kann. Wir bringen unsere Expertise in der Arbeit mit Big Data ein und können von allen Helmholtz-Partnern als Consultants für AI-Fragen gebucht werden.
Zwei Beispiele zeigen, wie unsere Kenntnisse in Künstlicher Intelligenz geholfen haben, Projektziele zu erreichen:
Im Bereich Bildanalysen benötigt es KI-gestützte, automatisierte Arbeitsprozesse, um aufwändige manuelle Auswertungen zu vermeiden. In einem Projekt mit Gravitationsbiologinnen und -biologen des Instituts für Luft- und Raumfahrtmedizin entwickelten wir eine automatische Bilderkennung und -verbesserung (engl. deblurring) bestimmter Zellstrukturen. Hierfür entworfen wir ein Dashboard, welches Nutzerinnen und Nutzern ohne Hintergrundkenntnisse in Computer Vision ermöglicht, automatische Erkennungen und Parameterschätzungen von Zellstrukturen durchzuführen. Die untersuchten Zellfilamente können somit auf superauflösenden 2D-Mikroskopaufnahmen automatisiert erkannt und charakterisiert werden. Für die Bildverbesserung, also dem Überführen unscharfer Bildsequenzen in ein scharfes Gesamtbild, nutzen wir Techniken aus dem Bereich der generativen KI wie CycleGANs.
Schematische Darstellung des CycleGAN
Das linke obere Bild ist unscharf und wird von einem Generator als scharfes Bild gefälscht (rechtes oberes Bild). Ein Diskriminator überprüft beim Training, ob das Bild in die vorgegebene Zielmenge echter Bilder passt. Der Prozess wird wiederholt, um den Lernprozess zu verstärken (untere Bilder).
Das Thema Energiemanagement gewinnt aktuell stark an Bedeutung. Nicht nur für Klima und Wirtschaft, sondern auch für private Haushalte wird eine optimierte Energienutzung zunehmend wichtig. Eine Lösung bieten energieeffiziente Wärmepumpen und Wärmespeicher. Bei den aktuellen Heizsystemen tritt jedoch oftmals eine erhebliche Energieverschwendung auf. Das DLR-Institut für vernetzte Energiesysteme untersucht, wie Wärmepumpen und Wärmespeicher intelligenter und somit effizienter gestaltet werden können. Wir unterstützten das Forschungsprojekt, indem wir KI-basierte Methoden eingesetzt haben, um den Betrieb von Wärmepumpen und Wärmespeichern zu optimieren. Aufgrund der hohen Trägheit von Heizsystemen wurden Vorhersagen der Heizbedarfe benötigt, welche wir über künstliche neuronale Netze ermittelten. Des Weiteren zogen wir Wetterprognosen heran und bestimmten über Agenten-basiertes Lernen einen optimalen Sollwert der Wärmepumpe.
Schematische Darstellung eines Heizungsmodells mit einer agentengesteuerten Wärmepumpe und einem Warmwasserspeicher zur Wärmespeicherung.
