Die folgende Grafik zeigt Anwendungsgebiete, in denen das Institut arbeitet.
Anwendungsfeld 1: Bundeswehr (Bw)
Innerhalb der Bw gehört KI zunehmend zu den neuen Kernkompetenzen. Dies betrifft sowohl die Aufklärung, den TSK-übergreifenden Datenaustausch, die Erhöhung der Autonomie der Plattformen als auch Bereiche wie Ausbildung, Logistik und Medizin. Das HSU-AI arbeitet bereits in Projekten der Marine und der Aufklärung (ELINT). Ein sich entwickelnder Schwerpunkt ist KI im Führungsprozess. Ein weiterer Schwerpunkt ist KI in und für die Ausbildung der Bw-Angehörigen.
Anwendungsfeld 2: Öffentlicher Dienst, Ämter und Verwaltung
Nicht nur im Bereich der Bw, sondern auch für öffentliche Dienste, Ämter und Verwaltung im Allgemeinen geht die zunehmende Einbindung von KI-Systemen mit zahlreichen Fragen und Herausforderungen einher, die einer möglichst ganzheitlichen Betrachtung und Begleitung bedürfen. HSU-AI bietet durch seine interdisziplinäre Ausrichtung eine derartige Begleitung an, die neben technischen Fragen beispielsweise auch den Bereich der Ethik, der politischen oder der soziotechnischen Folgen von KI-Systemen umfasst. Gerade für Führungspersonal ist Wissen über derartige Zusammenhänge in Zukunft unverzichtbar.
Anwendungsfeld 3: Gesellschaftliche Gruppen
Neben konkreten Einsatz- oder Entwicklungsszenarien befasst sich HSU-AI ebenso mit der Frage, wie Wissen um und Gestaltung von KI-Systemen stärker gesamtgesellschaftlich gedacht und Beteiligungsprozesse unterstützt werden können. Beispiele sind hier der Bereich der politischen Desinformation oder auch Kompetenzentwicklungsansätze im Bildungsbereich.
Anwendungsfeld 4: Cyber-Physische Systeme (CPS) und Ingenieurwissenschaftliche Anwendungen
Dieser Schwerpunkt fokussiert auf die zunehmende Durchdringung von Produkten, Fahrzeugen, Maschinen und Gebäuden mit Sensoren und Informationsverarbeitung sowie auf die sich daraus ergebenden Möglichkeiten zur Überwachung der Systeme sowie zur Erzeugung und ständigen Aktualisierung digitaler Modelle mit hohem Innovationspotenzial. Dabei kommt insbesondere Künstliche Intelligenz (KI) zum Einsatz, um die mit der Sensorik gesammelten großen Datenmengen zielgerichtet auszuwerten und die Systeme im Betrieb zu optimieren bzw. deren sicheren und korrekten Betrieb zu gewährleisten.
Anwendungsfeld 5: Medizin und Gesundheit
Die Fragestellung, wie KI das Gesundheitswesen in den Bereichen Diagnose, Prognose und Prävention beeinflussen kann, wird immer relevanter. Durch die Analyse großer Mengen von Bild- und Labordaten sowie die Anwendung komplexer Algorithmen kann KI dazu beitragen, Krankheiten früher zu erkennen, individuelle Behandlungspläne zu erstellen und zukünftige Gesundheitsrisiken vorherzusagen. In der Diagnostik spielt KI eine entscheidende Rolle, indem sie Ärzte bei der Interpretation von medizinischen Daten (z.B., Röntgenaufnahmen, MRTs und CT-Scans) unterstützt. Mithilfe von maschinellem Lernen können Anomalien und Muster erkannt werden, die für bestimmte Krankheiten indikativ sind, wodurch diese frühzeitig diagnostiziert werden können. In Bezug auf die Prognose werden KI-Methoden eingesetzt, um den Verlauf von Krankheiten vorherzusagen und Behandlungsentscheidungen zu unterstützen. Durch die Analyse von Patientendaten und medizinischen Verläufen können Modelle erstellt werden, die die Wahrscheinlichkeit von Komplikationen oder Rückfällen vorhersagen können. Die Prävention wird durch KI-personalisierte Gesundheitsvorsorge unterstützt, indem sie individuelle Risikofaktoren analysiert und präventive Maßnahmen empfiehlt. Durch die Verarbeitung von Patientendaten wie genetischen Informationen, Krankengeschichten und Lebensstilfaktoren kann KI den Gesundheitsdienstleistern dabei helfen, präventive Strategien zu entwickeln, die auf die spezifischen Bedürfnisse jedes Einzelnen zugeschnitten sind.
Anwendungsfeld 6: Material Design
Die Entwicklung neuer Materialien, wie sie z.B. in der Wasserstoffspeicherung oder in Batterieproduktion genutzt werden, ist leider eine aufwändige und zeitintensive Arbeit. So werden neue Materialen zunächst in komplexen Simulationen analysiert, zumeist gefolgt von teuren Experimenten. Als Folge können nur wenig neue Materialkonfiguration durchprobiert werden. KI kann hier helfen, in dem neuronale Netze neue Konfigurationen basierend auf Daten und neuronalen Netzen vorab bewertet und so schneller vielversprechende Kandidaten identifiziert werden können.
Letzte Änderung: 27. Juni 2024