Adaptive, lernende Systeme

Adaptive, lernende Systeme – Für eine verständliche Interaktion zwischen Mensch und komplexer Technik

Die Bekanntmachung verfolgt das Ziel, durch den Einsatz adaptiver, lernender Systeme in konkreten Anwendungskontexten einer breiten Bevölkerungsschicht den Zugang zu komplexen Technologien zu erleichtern. Diese Systeme können die Intentionen, Bedürfnisse und Handlungen von Nutzern in einem Benutzungs- und Umgebungskontext interpretieren.

Die Bekanntmachung verfolgt das Ziel, durch den Einsatz adaptiver, lernender Systeme in konkreten Anwendungskontexten einer breiten Bevölkerungsschicht den Zugang zu komplexen Technologien zu erleichtern. Diese Systeme können die Intentionen, Bedürfnisse und Handlungen von Nutzern in einem Benutzungs- und Umgebungskontext interpretieren. Sie müssen sich optimal auf die Eigenheiten der Nutzer und deren individuellen Umgang mit einem komplexen technischen System einstellen, ohne sie in ihrer Autonomie einzuschränken. Die Bekanntmachung verfolgt damit auch die Zielsetzung des Konzepts „Design for All“.

Die Fähigkeiten und Handlungsoptionen des Menschen können dadurch – situativ mittels Technik – erweitert werden. Der Mensch soll interaktiv mit dem System kommunizieren können, um möglichst ohne spezielles Fachwissen Wege zum Lösen komplexer Aufgaben zu finden.

Gefördert werden Systeme, die über Aktuatorik-, Sensorik- sowie kognitive Wahrnehmungs- und Verarbeitungskomponenten verfügen. Integrierbarkeit und Alltagstauglichkeit müssen durch eine gemeinsame Entwicklung von Software und technischen Komponenten sichergestellt werden.

Es soll eine Innovation gegenüber dem aktuellen Stand der Technik in einem oder mehreren der in der vollständigen Bekanntmachung des BMBF genannten Aspekte deutlich zu erkennen sein:

  • Nutzen für den Menschen in konkreten Anwendungssituationen durch Berücksichtigung seiner spezifischen Bedürfnisse
  • Robuste Erfassung des menschlichen Handelns bzw. der Verhaltensdaten und des dynamischen Umgebungskontextes
  • Automatische Klassifikation der erfassten Handlungsoptionen in Echtzeit
  • Adaption an individuelle Lernprozesse bzw. individuelles Problemlösen und Lernverhalten der Nutzer
  • Modellierung und Umsetzung der erfassten Daten in eine interne Repräsentation, um daraus Konzepte, gegebenenfalls Problemlösestrategien nutzerübergreifend zu abstrahieren
  • Bereitstellung und Kommunikation von Wissen über alternative Problemlösungswege und -stra­tegien zwischen Nutzern
  • Lernen komplexer Aufgaben aus der Interpretation menschlicher Handlungsmuster
  • Fehlerrobustheit durch selbstständige Optimierung und Fehlerkorrektur
  • Erschließung von Handlungsoptionen zur Fehlerbehandlung, die in einem interaktiven Dialog mit dem Nutzer kommuniziert werden
  • Erkennen von ähnlichen Zuständen und Adaption ohne Mitwirkung der Nutzer
  • Anpassung an Umgebungsparameter bzw. Kontext durch Lernen aus vergangenen Ereignissen
  • Gebührende Berücksichtigung nicht-technischer Forschungsfragen (ELSI), die sich aus der avisierten Anwendung bzw. Technologie ergeben. Dies soll sich im Arbeitsplan oder der Konsortialstruktur erkennbar widerspiegeln und kann auch neue Formen interdisziplinärer Zusammenarbeit beinhalten.
  • Qualität und Methodik einer Berücksichtigung der Nutzerperspektive, auch im Hinblick auf "Design for All", d. h. die möglichst voraussetzungsfreie und inklusionsoffene Nutzung von technologischen Lösungen

Darüber spricht man