Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
35 2025 www markttechnik de 29 Software mit CodeMeter in Umsatz verwandeln Flexible Monetarisierung Robuster IP-Schutz Volle Kompatibilität Zukunftssichere Lösungen CodeMeter – Vom Code zum Erfolg sales@wibu com www wibu com Starten Sie jetzt und fordern Sie Ihr CodeMeter SDK an wibu com de sdk um die Akkulaufzeit seiner Fitness-Tracker zu verlängern und zugleich die Leistung aufrechtzuerhalten 2 Determinismus mit eingefrorenen Modellen sicherstellen Sicherheitskritische Systeme wie Spurhalteassistenten Insulinpumpen und Flugsteuerungen erfordern ein konsistentes Verhalten KI-Modelle können bei unterschiedlichen Eingaben jedoch abweichen oder sich unvorhersehbar verhalten Die Lösung Man friert das Modell ein Das bedeutet dass die Gewichte nach dem Training gesperrt werden sodass die KI sich genauso verhält wie sie getestet wurde Tesla verwendet beispielsweise eingefrorene neuronale Netze im Autopiloten und aktualisiert sie erst nach einer umfassenden Validierung der nächsten Revision 3 Explainable AI XAI für die Konformität Regulierungsbehörden fordern transparente KI-Entscheidungen Tools für XAI wie LIME und SHAP helfen dabei Sie zeigen wie Modelle Entscheidungen treffen und identifizieren Verzerrungen oder Schwachstellen Zudem lassen sich damit Zertifizierungs-Anforderungen wie ISO 26262 erfüllen 4 Robustheit und Sicherheit gegenüber Angriffen KI-Modelle in Embedded-Systemen sind Cyber-Bedrohungen ausgesetzt Manipulierte Sensordaten beispielsweise können zu Fehlklassifizierungen führen Zu den Strategien zur Risikominderung gehören • Adversarial Training - das Aussetzen von Modellen gegenüber böswilligen Eingaben während der Entwicklung • Input-Sanitization - das Herausfiltern verdächtiger Daten sowie Ricardo Camacho Parasoft „ Die Integration von KI und ML in sicherheitskritische Embedded-Systeme bringt besondere Herausforderungen mit sich “ • Redundanz und Laufzeitüberwachung - Gegenprüfung der KI-Ausgaben mit regelbasierten Fallbacks Die Rolle spezieller Hardware Allgemeine CPUs haben Probleme mit KI-Aufgaben was zu Innovationen wie etwa Neural Processing Unit NPUs geführt hat Diese sind für KI-Aufgaben optimiert Ein Beispiel sind die Snapdragon-NPUs von Qualcomm die Echtzeit-KI-Fotografie in Smartphones ermöglichen Eine weitere Neuentwicklung sind Tensor Processing Units TPUs die Deep-Learning-Inferenzen in Embedded-Geräten beschleunigen Dank dieser Fortschritte lässt sich KI auch in Umgebungen mit begrenzter Leistung effizient ausführen Traditionelle Verifizierung für KIfähige Systeme Auch mit KI bleibt die traditionelle Verifizierung von entscheidender Bedeutung • Statische Analyse Überprüft die Struktur des KI-Modells auf Designfehler • Unit-Test Überprüft Nicht-KI-Teile wie Sensor-Schnittstellen während KI-Modelle mit Daten getestet werden • Code Coverage Sorgt für umfassende Tests wie MC DC um die Einhaltung von Vorschriften wie ISO 26262 sicherzustellen • Traceability Ordnet KI-Verhalten den Systemanforderungen zu was für Audits entscheidend ist Für die Zertifizierung sind hybride Ansätze wichtig die klassische Tests mit KIspezifischen Methoden kombinieren Strategien im Überblick • Optimierung der KI-Modelle Pruning Quantisierung damit sie den Einschränkungen von Embedded-Systemen entsprechen • Einfrieren trainierter Modelle um deterministisches und zertifizierbares Verhalten sicherzustellen • Nutzung von XAI-Tools um Transparenz zu schaffen und für Konformität zu sorgen • Absicherung der Modelle gegen gegnerische Angriffe • Einsatz spezieller Hardware NPUs TPUs um KI effizient auszuführen • Kombination traditioneller Verifizierungsmethoden statische Analyse Unit-Tests mit KIfähigen Techniken Obwohl KI und ML Embedded-Systeme grundlegend verändern haben Sicherheit und Konformität weiterhin oberste Priorität Durch das richtige Gleichgewicht zwischen Innovation und strengen Tests Modelloptimierung und Einhaltung gesetzlicher Vorschriften können Teams KIgesteuerte Embedded-Systeme bereitstellen die sicher und zuverlässig sind Hierzu gibt es auch das ausführliche White Paper »How to ensure Safety in AI ML Driven Embedded Systems« zum Download https www parasoft com whitepaper ensuresafe tyaiembeddedsystems ak ■ Anzeige