AI for REAL-world NETwork operation (AI4REALNET)

Ergänzung und Verstärkung menschlicher Fähigkeiten durch künstliche Intelligenz hinsichtlich der Steuerung kritischer Systeme (Elektrizität, Bahn und Flugsicherung).

AI4REALNET entwickelt KI-basierte Lösungen für kritische Systeme (Elektrizität, Bahn und Flugsicherung), die traditionell von Menschen betrieben werden. Die künstliche Intelligenz soll die menschlichen Fähigkeiten dabei ergänzen und erweitern.

Strategische Hauptziele

1) Die Entwicklung der nächsten Generation von Entscheidungsunterstützung, die auf vertrauenswürdiger KI aufbaut. Damit soll die menschliche Leistungsfähigkeit in hybriden Mensch-KI-Systemen und in autonomen KI-Systemen erhöht werden. Ziel ist es, die Resilienz und die Sicherheit kritischer Infrastrukturen zu erhöhen.

2) Die Förderung der Entwicklung und Validierung neuartiger KI-Algorithmen mit Hilfe bestehender digitaler Open-Source-Umgebungen. Diese sind in der Lage, realistische Szenarien des Betriebs physischer Systeme und der menschlichen Entscheidungsfindung zu emulieren.

Kernelemente des Projektes

a) Human-in-the-Loop-Entscheidungsfindung für gemeinsames Lernen von KI und Mensch.

b) Autonome KI-Systeme, die auf menschliche Überwachung angewiesen sind, bei der die Menschen ihr Fachwissen und ihre Sicherheitskompetenz einbringen.

Video zum Projekt

Projektdaten

Team FHNW	Prof. Dr. Toni Wäfler (Leitung), MSc Samira Hamouche, BSc Andrina Eisenegger, MSc Cyrill Ziegler
Projektförderung	AI4REALNET wird vom Schweizerischen Staatssekretariat für Bildung, Forschung und Innovation (SBFI) und vom Programm «Horizon Europe» der Europäischen Union unter dem Grant Agreement No 101119527 finanziert.
Kooperationspartner	DB Netz AG, EnliteAI GmbH, Fraunhofer-Gesellschaft EV, INESC TEC, linköpings universitet, NAV Portugal - Navegação Aérea, Politecnico di Milano, Réseau de Transport d’Electricité (RTE), Schweizerische Bundesbahnen SBB, TU Delft, Tennet TSO BV, Universität Kassel, Universiteit van Amsterdam, ZHAW Zürcher Hochschule für Angewandte Wissenschaften
Projektdauer	Oktober 2023 – März 2027