Mitglieder

Das Fachgebiet IT-Sicherheit forscht an der Schnittstelle Computersicherheit und Datenschutz und menschlichen Faktoren. Besonderes Interesse gilt der Untersuchung von Endnutzer*innen, Administrator*innen, Entwickler*innen und Designer*innen von Computersystemen und ihren Wechselwirkungen mit Mechanismen der Computersicherheit und des Datenschutzes. Die Forschung umfasst groß angelegte Analysen des Internets und von Software-Repositorien, um die enormen Herausforderungen zu verstehen, vor denen Menschen stehen, wenn sie mit Mechanismen der Computersicherheit und des Datenschutzes interagieren. Um die Ursachen zu erforschen, bestehende Mechanismen zu analysieren und neue Konzepte zu entwickeln, führt das Fachgebiet alle Arten von Benutzerstudien mit Endnutzer*innen, Administrator*innen und Entwickler*innen dieser Systeme durch.

Vor der Entwicklung der deutschen COVID-19 App („Corona Tracking App“), war das Fachgebiet an einer repräsentativen Erhebung beteiligt, um Datensicherheits- und Datenschutzfragen aus Nutzer*innenperspektive zu untersuchen. COVID-19 hat das Mobilitätsverhalten der Menschen nachweislich beeinflusst, so nutzen beispielsweise weniger Menschen den öffentlichen Nahverkehr; der individuelle Personenverkehr mit Autos hat zugenommen. Die Corona Tracking App soll dazu beitragen Infektionsketten einfacher verfolgbar zu machen und es ermöglichen schneller zu einem Alltag mit weniger Einschränkungen zurückkehren zu können. Für eine hohe Akzeptanz bei Anwender*innen ist ein Kompromiss zwischen Funktionalität und Datenschutz und Datensicherheit notwendig. Insbesondere wird die Fragestellung dezentrale vs. zentrale Verarbeitung der Trackingdaten untersucht.

Das Institut für Kommunikationstechnik (IKT) ist mit seinen rund fünfundzwanzig wissenschaftlichen Mitarbeiterinnen und Mitarbeitern in Forschung und Lehre im Bereich der Mobil- und Internetkommunikation tätig. Schwerpunkt der Forschung ist die Leistungsfähigkeit aktueller und zukünftiger Kommunikationstechnologien.

Das Fachgebiet Kommunikationsnetze am Institut für Kommunikationstechnik untersucht im Rahmen des Projekts „Mobiler Mensch“ Methoden, mit denen die Zuverlässigkeit von Netzwerkanwendungen in mobilen Netzwerken verbessert werden kann.

Da die Nutzer von mobilen Netzwerken ständig in Bewegung sind, ändert sich aufgrund der Eigenschaften des drahtlosen Kanals auch ständig die ihnen zur Verfügung stehende Bandbreite. Dies kann dazu führen, dass Netzwerkanwendungen nicht mehr zuverlässig funktionieren. Um diese Effekte zu untersuchen, werden mobile Durchsatzmessungen durchgeführt, bei denen analysiert wird, wie stark diese Änderungen sind und wovon sie abhängen. Dabei werden die Einflüsse der Umgebung, der Signalqualität sowie der verwendeten Algorithmen untersucht.

Damit Netzwerkanwendungen zuverlässig funktionieren, werden Methoden benötigt, die die aktuell verfügbare Bandbreite schnell und ressourcenschonend ermitteln können. Hierzu wird die Möglichkeit untersucht, die Bandbreite mit Hilfe von maschinellem Lernen zu schätzen. Außerdem untersucht das IKT, inwiefern die Informationen über die Umgebung und die Signalqualität zur Vorhersage der verfügbaren Bandbreite ausgenutzt werden können.

Die Information über die verfügbare Bandbreite kann zum Skalieren von Netzwerkanwendungen benutzt werden. Ein typisches Beispiel für eine skalierbare Netzwerkanwendung ist Videostreaming: Die Qualität eines Videostreams kann gesenkt werden, wenn die Verbindungsqualität sinkt und erhöht werden, wenn diese steigt. Das Institut für Kommunikationstechnik untersucht, inwiefern stochastische Vorhersagen über die verfügbare Bandbreite genutzt werden können, um den Datenverbrauch solcher Anwendungen so anzupassen, dass es zu keinen Unterbrechungen in ihrer Funktion kommt.

Das Institut für Photogrammetrie und GeoInformation der Leibniz Universität Hannover beschäftigt sich mit den vielfältigen Herausforderungen und Fragestellungen aus den Bereichen Photogrammetrie und Fernerkundung. Insbesondere die geometrischen Aspekte von Sensoren, die Interpretation von Fernerkundungsdaten, die automatisierte Bildinterpretation und unterschiedliche Aspekte der Nahbereichsphotogrammetrie zählen dabei zu den Themenfeldern, an denen am Institut aktiv geforscht wird.

Mit der Erforschung neuer und der Weiterentwicklung bewährter Formen von Mobilität, gewinnt die automatisierte Generierung von Informationen über die aktuelle Umgebung zunehmend an Bedeutung, sowohl für Individuen und einzelne Fahrzeuge, wie auch für die Infrastruktur an sich. Solche Informationen können geometrischer Natur sein, wie z.B. eine 3D Umgebungsrekonstruktion, oder eine semantische Bedeutung haben, wie z.B. die Klassifizierung unterschiedlicher Objekte. Diese Informationen sind notwendig, um ein automatisiertes System zu befähigen, die aktuelle Lage einschätzen, zukünftige Aktionen planen und auf äußere Einflüsse reagieren zu können. Die Informationsgewinnung kann dabei über eine Vielzahl unterschiedlicher Sensoren realisiert werden, wobei sich insbesondere passive optische Systeme auf Grund ihrer hohen Informationsdichte und der vergleichsweise geringen Kosten bewährt haben.

Im Rahmen des Projekts „Mobiler Mensch“ beschäftigt sich das Institut für Photogrammetrie und GeoInformation daher mit der Ableitung verlässlicher Informationen aus Bilddaten. Um das Ziel der Verlässlichkeit zu erreichen, muss ein eingesetztes System nicht nur robust sein, also trotz Störfaktoren korrekt funktionieren. Es muss viel mehr auch die Fähigkeit zur Selbstdiagnose besitzen und damit erkennen können, wann es eben nicht korrekt funktioniert. Diese Kombination aus Anforderungen spielt für viele reale Anwendungsszenarien eine wichtige Rolle und ist essenziell für sicherheitskritische Anwendungen, wie z.B. automatisiertes Fahren.

Projekt: Fusing Geometrical Knowledge with Deep Learning for Reliable Dense Stereo Matching

Das Institut für Philosophie an der Leibniz Universität Hannover führt zahlreiche Forschungsarbeiten in den Bereichen der theoretischen und praktischen Philosophie durch. Einen Forschungsschwerpunkt liegt hier in den Bereichen der Wissenschaftsphilosophie und -ethik.

Im Kontext von „Mobiler Mensch“ befasst sich die Forschungsgruppe mit Fragen um den Zusammenhang von Technik und Öffentlichkeit sowie um die moralischen Implikationen von Technologien der Mobilität.

Speziell selbstfahrende Autos können in Unfallszenarien geraten, in denen eine Kollision mit Menschen nicht mehr durch bremsen verhindern, jedoch eine Selektion der Kollisionsopfer durch Algorithmen möglich ist. Hier gilt es Entscheidungsoptionen der Vehikel ethisch zu analysieren und eine Antwort auf die Frage nach der richtigen Entscheidung zu finden. Ebenso sind Aspekte des Zusammenhangs von Mensch und Maschine auf die Frage, wer eigentlich Entscheidungsträger ist, zu untersuchen.

Aus der Einführung der autonomen Vehikel in den Straßenverkehr folgt das Verhältnis von öffentlichen Raum und Transporttechnologien als ein weiterer Forschungsschwerpunkt. Bereits vor hundert Jahren beeinflusste das Aufkommen des Automobils als dominierendes Transportmittel die Gestaltung des öffentlichen Raumes grundlegend. In der heutigen Zeit stellt sich nun die Frage, ob die fortschreitende Automatisierung des Transportwesens zu einer erneuten Wandlung des öffentlichen Raumes beiträgt und wie dieser Einfluss aus philosophischer Sicht zu beurteilen ist.

Das Institut für Rechtsinformatik (IRI) der Juristischen Fakultät in Hannover wurde 1983 als erstes IT-Rechts Institut gegründet und ging aus dem 1979 eingerichteten Lehrstuhl für EDV-Recht und Rechtsinformatik hervor. Dem Institut gehören fünf Professuren an und zählt mehr als 50 Mitarbeiter. Das IRI fokussiert sich auf die Forschung und Lehre zu den aktuellen Fragestellungen im Bereich der Digitalisierung und Informationstechnologien, insbesondere in Themen des Datenschutzes, IT-Rechts, geistigen Eigentums, elektronischen Geschäftsverkehrs und internationalen Rechts. Das Institut zeichnet sich zudem durch die Einwerbung zahlreicher Drittmittel aus.

Das IRI engagiert sich im Forschungsprojekt „Mobiler Mensch“ vorwiegend in den Bereichen der rechtlichen Aspekte der Intelligenten Mobilität im Hinblick auf die Autonomie, der intelligenten Vernetzung und der (IT-)Sicherheit. Bei „Mobiler Mensch“ werden Menschen als Nutzende von Mobilitätssystemen in den Vordergrund gestellt und Aspekte des automatisierten Fahrens, der Intermodalität, der intelligenten Vernetzung (Big Data, Car-to-Car-Kommunikation) und der Sicherheit von Fahrzeugen und Mobilitätssystemen aufgegriffen. Insbesondere die Datenflüsse, die mit der intelligenten Mobilität einhergehen, werden durch das IRI begutachtet. Dabei werden die unterschiedlichen Zwecke analysiert und mit den Grundsätzen der Datenverarbeitung als Grundlage des Datenschutzrechts abgeglichen. Ein Fokus liegt dabei auch auf der Erforschung der (rechtlich) notwendigen (IT-)Sicherheitsmaßnahmen sowie die Anforderungen an die eingesetzten Algorithmen (Transparenz, Vorhersehbarkeit und Nachvollziehbarkeit von Entscheidungen). Zudem widmet sich das IRI dabei der Erforschung und Gestaltung von datenschutzfreundlichen Ansätzen in der IT-Entwicklung und greift dabei Konzepte wie „Privacy by design“ und „Privacy by default“ auf.

Aktuelle Projekte im Kontext von MoMe sind: BIAS, CampaNeo und smashHit

Das Fachgebiet System- und Rechnerarchitektur (SRA) konzentriert sich auf die Architektur von Computersystemen: Von der Hardware über die Systemsoftware bis hin zu Sprachen und Compilern mit dem Schwerpunkt auf konstruktiven Methoden für den Entwurf, Bewertung funktionaler Eigenschaften und die Entwicklung von anpassungsfähiger und vielseitiger Systemsoftware.

Seit der Identifizierung physikalischer Ursachen bezüglich transienter Hardwarefehler hat die Empfindlichkeit von Schaltungen aufgrund von Spannungs- und Strukturschrumpfung der verbauten Transistoren zugenommen. Jedes einzelne Computersystem, das von Menschen bedient wird, ist von der Präsenz transienter Fehler betroffen, zum Beispiel auch Steuergeräte in Automobilen wie Flugzeugen. Normen zur funktionalen Sicherheit innerhalb dieser Domäne fordern explizite Maßnahmen zur Bewertung der Auswirkungen von transienten Fehlern bezüglich funktionaler Sicherheit und Robustheit. Dies kann beispielsweise mit der Durchführung umfangreicher Fehlerinjektionsexperimente am Zielsystem geschehen, die versuchen, die Auswirkungen transienter Fehler zu imitieren und dann das Verhalten des Systems in Bezug auf seine funktionale Spezifikation zu beobachten. 

Logische Fehler können auf Pin-, Flip-Flop-, ISA- oder sogar Programm-Ebene injiziert werden - und es ist eine offene Frage, welche Ebene "am besten" ist, um die Robustheit eines Systems zu beurteilen. Im Allgemeinen gilt: Je niedriger die Injektionsebene, desto genauer ahmen wir die Auswirkungen realer SEUs in der Hardware nach, aber Injektionen auf höheren Ebenen sorgen für eine höhere Fehlerinjektionseffizienz. Unser Ziel ist die Ableitung konstruktiver Methoden und Techniken für skalierbare, aber dennoch präzise, vollständige und ebenenübergreifende Fehlerinjektion zur experimentellen Bewertung der Robustheit sicherheitskritischer eingebetteter Steuerungssysteme gegenüber transienten Fehlern.

Ein fehlertolerantes System ist die Grundvoraussetzung für die Korrektheit und funktionalen Sicherheit aller darauf ausgeführten Funktionen und Aufgaben. Auch im Bereich der Mobilität eines Menschen können so zum Beispiel Erhebung und Übertragung von Sensordaten eines Fortbewegungsmittels oder die Funktionalität eines Fahrassistenzsystems präzise, vollständig und ebenenübergreifend auf transiente Fehler getestet werden. Dies dient dazu um die funktionale Sicherheit der Ausführung von zum Beispiel auch sicherheitskritischen Funktionen oder Fahrassistenzsystemen effizienter bewerten zu können.

Projekt: CLASSY-FI: Cross-Layer Application-Specific Synthesis and Analysis of Fault Injection

Das L3S ist ein Forschungszentrum für grundlagen- und anwendungsorientierte Forschung im Bereich Digitale Transformation sowie Data- und Web-Science. L3S-Forscher entwickeln zukunftsweisende Methoden und Informationstechnologien für intelligente, zuverlässige und verantwortungsvolle Systeme, welche zur Gestaltung der digitalen Transformation und zur nachhaltigen Innovation beitragen. Das L3S ist eine gemeinsame Einrichtung der Leibniz Universität Hannover und der Technischen Universität Braunschweig mit rund 150 Wissenschaftlern aus unterschiedlichen Disziplinen an Universitäten und einem Leibniz-Institut (der TIB). Das L3S wurde 2011 und 2014 vom Wissenschaftsrat als exzellente Einrichtung evaluiert, führend im Bereich Web Science.

Im Rahmen des Forschungsprojektes „Mobiler Mensch“ kann das L3S mit seinen Kompetenzen im Bereich der raum-zeitlichen Vorhersagen beitragen. Darüber hinaus kann das L3S diverse Daten zur Verfügung stellen, wie Verkehrsgeschwindigkeiten, Straßennetze, Verkehrsunfälle und Traces von Autos. Während des Forschungsprojektes sind verschiedene wissenschaftliche Arbeiten entstanden, wie die Vorhersage von der Auswirkung von Veranstaltungen auf das Straßennetz und die Identifikation von abhängigen Straßen. Diese wurden in renommierten Konferenzen veröffentlicht. Darüber hinaus hat das L3S weitere Forschungsprojekte im Bereich der Mobilität akquirieren können. In d-E-mand werden Lösungen entwickelt, um den Bedarf an der mobilen und stationären Ladeinfrastruktur zu prognostizieren. CampaNeo hat als Ziel eine Plattform zu entwickeln, auf welcher private und öffentliche Institutionen kampagnenbasiert und in Echtzeit Fahrzeugdaten erheben und analysieren können. In smashHit soll ein vertrauenswürdiger und sicherer Austausch von Datenströmen von persönlichen und industriellen Plattformen gewährleistet werden.

Am Lehrstuhl für Stadt- und Raumentwicklung beschäftigen wir uns in Lehre- und Forschung mit den städtebaulichen Grundlagen dafür, dass das Zusammenleben vieler verschiedener Menschen zum Wohle aller möglich werden kann. Und da wir Häuser und Städte für Menschen entwerfen, beschäftigen wir uns eingehend mit deren Leben.

Der Bezug zu MoMe ist vielfältig: Selbstbestimmte Mobilität ist ein Grundbedürfnis des Menschen und Ausdruck seiner Handlungsfreiheit, Unabhängigkeit und Teilhabe. Unter diesem Gesichtspunkt stellen wir uns die Frage, wie die Stadt der Zukunft gestaltet sein sollte, damit individuelle Mobilitätsbedürfnisse erfüllt werden können.
Um valide Erkenntnisse über die unterschiedlichen Mobilitätsalltage von Stadtbewohnern zu gewinnen, verwenden wir Methoden der Feldforschung. Wir begleiten Menschen auf ihren Alltagswegen und versetzen uns zudem experimentell in ihre Bewegungsrealitäten hinein. Ergänzend dazu tauschen wir uns mit Experten aus den Bereichen Mensch-Technik-Interaktion, Barrierefreiheit, Strategieberatung, Mobilitätsforschung, Verkehrspolitik, Gesundheit, Sicherheit, Philosophie und Sport aus. Unser Ziel ist es, anhand dieser Grundlagen Ideen für Stadträume zu entwickeln, in denen die Mobilität zum Wohle aller beitragen wird.

Die zukünftige Mobilität hat die Vision den Menschen direkt von Tür zu Tür zu befördern. Diese komfortable Art des Transports hat jedoch den Nachteil, dass weniger Aktivitäten in den Alltag integriert werden. Daraus könnte eine steigende Zahl an Übergewichtigen in der Bevölkerung resultieren.

Im Rahmen des Projekts „Mobiler Mensch“ wird deshalb erforscht, wie mehr physische Aktivität in den Alltag integriert werden kann. Sensoren von am Körper getragenen Geräten wie Smartphones und Smartwatches dienen als Grundlage zur Datenerfassung. Es werden Aktivitäten gemessen um vorherzusagen, ob der eigene Lebensstil einen empfohlenen täglichen Aktivitätsbedarf abdeckt. Um Differenzen auszugleichen werden dann multimodale Formen der Mobilität im urbanen Raum vorgeschlagen, die ein höheres Aktivitätsniveau erfordern. Es soll der Nutzer im Vordergrund stehen und individuelle Präferenzen bezüglich der Mobilität berücksichtigt werden. Ein weiterer wichtiger Faktor sind Umwelteinflüsse. Bei schlechtem Wetter wie Regen oder Schnee sollen optimale Routen gewählt werden, die ein komfortables Mobilitätserlebnis ermöglichen. Daher beschäftigt sich das Projekt auch mit der Erfassung von Wegen und deren Beschaffenheit. Sensoren an Schuhen und Fahrrädern messen die Strecke um zukünftig automatisch die optimale Route für jede Wetterbedingung zu wählen. Dies ist auch wichtig um die Sicherheit im Straßenverkehr zu erhöhen. So können die Informationen in öffentlichen Karten gespeichert werden damit andere Verkehrsteilnehmer, wie E-Roller-Fahrer, unebene Wege vermeiden können um das Verletzungsrisiko zu mindern.

Das Institut für Informationsverarbeitung der Leibniz Universität Hannover beschäftigt sich mit Grundlagen-, als auch angewandter Forschung im Bereich der automatischen Datenverarbeitung. Ein Forschungsschwerpunkt liegt im Bereich Fahrerassistenzsysteme und autonomes Fahren. Das Ziel der Forschung ist die Entwicklung von intelligenten Verfahren zur Analyse der Umgebung, welche beispielsweise über Kameras aufgenommen wird, um automatisch Informationen zu gewinnen.

Computer Vision ist ein wichtiger Bereich bei Fahrerassistenzsystemen und beim autonomen Fahren. Für das Szenenverständnis werden Deep Learning Verfahren zur Objekterkennung und semantischen Segmentierung eingesetzt. Objekterkennung prädiziert beispielsweise Gegenstände, Personen oder Autos in Bildern. In der semantischen Segmentierung wird jeder Pixel einzeln klassifiziert. Ähnlich wie bei Autoencodern entsteht ein Ausgang in gleicher (oder skalierter) Größe wie das Eingangsbild, jedoch enthält jeder Punkt in der Ausgabe die Vorhersage der Klasse. Mit Hilfe der semantischen Segmentierung können Szeneninformationen z.B. über die Straße oder andere Klassen, die nicht typischerweise als Objekt definiert sind, erkannt werden.

Am Institut für Informationsverarbeitung werden neuronale Netze für die Objekterkennung und semantische Segmentierung entwickelt. Diese werden im nächsten Schritt mit Informationen aus einer 3D-Rekonstruktion fusioniert, um eine detaillierte Analyse zu ermöglichen. Wissen über die Instanz-Zugehörigkeit der Merkmale, individuelle Bewegungsmodelle und semantische Informationen können in die 3D-Rekonstruktion einfließen und diese verbessern. Gleichzeitig liegt der Schwerpunkt auf der Entwicklung von ressourcensparenden Architekturen. Diese lassen sich auf kostengünstigen Plattformen mit begrenzter Rechenleistung einsetzen, wie sie im Automobilbereich und anderen Branchen industriell eingesetzt werden.

Technische Systeme in sicherheitskritischem Bereichen müssen systematisch entwickelt werden. Mit dieser Thematik setzt sich das Fachgebiet Software Engineering (SE) auseinander. Im Rahmen von Forschung und Lehre setzt sich das SE mit Methoden, Techniken und Werkzeugen zur Entwicklung qualitativ hochwertiger Software auseinander. Teilthemen sind die Erhebung und zielgerichtete Kommunikation von Anforderungen, Informationsflussanalyse und Entwicklung von Apps zur praktischen Unterstützung.

Technische Systeme bzw. Softwaresysteme sind in den verschiedensten Lebensbereichen präsent: Von spur- und abstandshaltenden Autos im Straßenverkehr über Smartphones bis hin zu Smartwatches am Handgelenk. Bei zahlreichen Aufgaben und Herausforderungen werden Nutzern und Nutzerinnen durch den Einsatz von softwarebasierte Systeme unterstützt. So wird Software auch zunehmend stärker in unser Mobilitätsnetz integriert: in Fahrzeugen, bei Fußgängern, Fahrgästen und Radfahrern z.B. über Smartphones oder auch Leitstellen. Navigationssysteme und Routing-Algorithmen treiben die moderne Mobilität an. Autonome Fahrzeuge sind nicht mehr nur Science-Fiction-Buchthemen, sondern gehören teilweise bereits jetzt bzw. werden eventuell bald zum Alltag gehören.

Im Rahmen des Projektes „Mobiler Mensch“ setzt sich das SE mit zwei Themengebieten intensiver auseinander: Erklärbarkeit von technischen Systemen und Visionsvermittlung zukünftiger Systeme zur Anforderungsklärung durch Nutzung von Videos.

SE-Themengebiet 1: Erklärbarkeit

Im Zeitalter des maschinellen Lernens, in dem wir leben, hat neben dieser Omnipräsenz der Systeme auch ihre Komplexität zugenommen. Diese beiden Faktoren sind eine wichtige Motivation für transparente und erklärbare Systeme. Einerseits sind diese Systeme stärker in das Leben der Menschen integriert und haben einen starken Einfluss auf ihr Leben, andererseits sind sie wegen der Komplexität der zugrundeliegenden Algorithmen schwieriger zu verstehen. 

Solche den Alltag erleichternden Systeme sollten den Anforderungen und Wünschen der nutzenden Personen entsprechen, sicher sein und sich erwartungskonform verhalten. Sie sollten bei ihrem Betrieb den Benutzer und seine Bedürfnisse in den Mittelpunkt stellen. Durch klare und transparente Kommunikation sollte das System den Benutzer seine Entscheidungen erklären, damit dieser über die Entscheidungen sowie die Gründe für diese Entscheidungen informiert ist. Mobilität ist ein wesentlicher Bestandteil unseres täglichen Lebens und muss verantwortungsvoll ausgeübt werden. Die Benutzer sollten sich bewusst sein, wie sie mit dem System verbunden sind und wie das System seine Entscheidung trifft: Warum sagt mir mein Navigationssystem, dass ich heute diesen Weg einschlagen soll? Gibt es einen anderen möglichen Weg, den ich einschlagen kann, und welche Elemente berücksichtigt dieses System bei seiner Entscheidung? Warum hat mein Zug Verspätung? Soll ich diesem autonomen Fahrzeug seine Entscheidung anvertrauen? Mit der Beantwortung dieser und anderer Fragen - im Kontext eines Softwaresystems - befasst sich der Forschungsbereich Erklärbarkeit im Rahmen des MoMe Projekts.

SE-Themengebiet 2: Vision Videos

Der Fokus des Software Engineerings im Projekt „Mobiler Mensch“ liegt neben der Erklärbarkeit sowie Transparenz von Softwaresystemen im Themengebiet ein einheitliches Verständnis zukünftiger (Mobilitäts-) Systeme durch den Einsatz von Vision Videos zu schaffen.

Ausgangspunkt für gut funktionierende (Software-) Systeme sind gut kommunizierte Anforderungen sowie ein einheitliches Verständnis der Stakeholder, eine Vision, des zu entwickelnden Systems. Durch die Nutzung von Videos können Systemvisionen visualisiert, diskutiert und abgeglichen werden. Videos bieten gegenüber schriftlichen Spezifikationen den Vorteil, dass sie neben dem visuellen auch den auditiven Kanal ansprechen. Durch den Einsatz von Videos können Beispielsweise Visionen zukünftiger Bestell- und Liefersysteme, die im ländlichen Raum eingesetzt werden könnten um die Nahversorgung abzusichern, visualisiert werden. Anschließend könnten die erstellten Vision Videos Einwohnern und Einwohnerinnen ländlicher Räume gezeigt werden, um die bestehenden Erwartungen und Anforderungen an solche Systeme zu erheben und abzugleichen.

So können Vision Videos als Initiator gemeinsamer Diskussionen über zukünftige Systeme dienen, aber auch um Feedback und Erwartungen zu erheben und zusammenzutragen.

Das Institut für Kartographie und Geoinformatik (IKG) ist ein Institut der Fakultät für Bauingenieurwesen und Geodäsie. Unter der Leitung von Prof. Dr.-Ing. habil. Monika Sester findet Forschung und Lehre im Bereich der automatischen Analyse raumbezogener Daten - mit Anwendungen in automatischer Kartierung, Robotik und autonomem Fahren statt.

Raumbezogene Daten werden für 80% aller Entscheidungen benötigt. Solche Daten werden heute mit verschiedensten Sensoren in unterschiedlichsten Qualitäten und Auflösungen erfasst. Die Verfügbarkeit immer größerer Datenmengen erfordert automatische Verfahren der Verarbeitung. Hierzu werden am Institut Forschungsprojekte im Bereich der Datenintegration, Datenanalyse, des Data Mining und der Big Data Verarbeitung durchgeführt. Methoden des maschinellen Lernens revolutionieren die bisherigen Ansätze und Möglichkeiten. Schließlich werden unterschiedliche Formen der visuellen Darstellung benötigt, die die Schnittstelle zum Menschen und damit zu dessen Verständnis schaffen. Mit unserer Forschung wollen wir die Fähigkeiten automatischer Systeme verbessern, aber auch deren Verhalten erklärbar machen – eine essentielle Voraussetzung für die volle Akzeptanz bei den Menschen.

Somit lassen sich prinzipiell nahezu alle Forschungsprojekte am Institut dem des „Mobilen Menschen“ zuordnen. Konkret wird im Rahmen des Projekts „Mobiler Mensch“ die Analyse von Bewegungsmustern (Trajektorien) der Verkehrsteilnehmer zur Erkennung von unsicherem Fahrverhalten untersucht.

Karten enthalten wichtige Informationen zur Routenplanung und Navigation von Fahrzeugen. Für autonome Fahrzeuge müssen diese Informationen über die Umgebung hochgenau und aktuell sein, um die von Sensoren gemessene Umgebung direkt interpretieren und bewerten zu können. Je reichhaltiger die Informationen sind, desto besser kann ein Fahrzeug die Situation beurteilen, die nächsten Schritte vorhersagen und reagieren. Die Umgebung des Fahrzeugs kann die Fahrsituation erheblich beeinflussen. Welche Bedingungen zu einem unsicheren Fahrverhalten führen, ist nicht immer klar. Deshalb ist es wichtig zu untersuchen, wie solche Situationen zuverlässig erkannt werden können, um anschließend nach ihren Auslösern zu suchen. Es ist denkbar, dass sich diese unsicheren Situationen (z.B. Beinahe-Unfälle, Wendemanöver oder das Ausweichen vor Hindernissen) z.B. als Anomalien in den Bewegungsmustern (Trajektorien) der Verkehrsteilnehmer widerspiegeln. Gegeben die Trajektorien der Verkehrsteilnehmer, ist es das Ziel ein Framework zu schaffen, um Anomalien in den Trajektorien der Verkehrsteilnehmer effizient und zuverlässig zu erkennen. Normales und ungewöhnliches Fahrverhalten kann nur unterschieden werden, wenn eine bestimmte (genug große) Datenmenge zur Verfügung steht, was dieses Thema zu einem Big-Data-Problem macht. Gefundene Muster können an Navigationssysteme gemeldet und verwendet werden, um die Benutzer auf mögliche gefährliche oder vorübergehend veränderte Fahrsituationen aufmerksam zu machen. Diese Benutzer können dabei entweder selbstfahrende Autos oder Menschen selbst sein.

Das Fachgebiet Echtzeitsysteme (RTS) am Institut Systems Engineering forscht im Bereich der mobilen Serviceroboter. Hierbei liegt das Hauptaugenmerk auf der dreidimensionalen Wahrnehmung, der Lokalisation, der Kartenerstellung, der Pfadplanung und der echtzeitbasierten Implementierung zugehöriger Algorithmen.

Im Rahmen des Projekts “Mobiler Mensch” fokussiert sich das RTS auf die Modellierung von Sensorfehlern, um mobile Serviceroboter (bspw. autonome Fahrzeuge oder Gabelstapler) sicherer für mit ihnen interagierende Menschen zu machen. Werden mögliche Fehler der verwendeten Sensoren (bspw. Kameras oder Laserscanner) nicht beachtet, kann beispielsweise die Genauigkeit der Lokalisation nicht beurteilt werden. Infolgedessen wird unter Umständen einem ungenauen Lokalisationsergebnis zu sehr vertraut, wodurch es im schlimmsten Fall zur Kollision mit Menschen kommen kann.

Um die verwendeten Verfahren darüber hinaus robust gegenüber Ausfällen einzelner Sensoren zu machen, beschäftigt sich das RTS mit der Fusion von Informationen mehrerer Sensoren. Dies erfordert nicht nur eine konsistente Fehlermodellierung aller Sensoren, sondern auch eine Modellierung der Beziehungen zwischen den Sensoren (bspw. die Relation zwischen den Koordinatensystemen der Sensoren).

Da es sich bei den mobilen Servicerobotern oft um sicherheitskritische Systeme handelt, wird zur Modellierung der Fehler Intervallarithmetik verwendet. Dies ermöglicht eine Betrachtung des “worst case” und erlaubt Grenzen für die Ergebnisse aller Verfahren (bspw. +/- 1 cm Positionsungenauigkeit) zu finden, die unter der Annahme korrekter Sensorfehlermodelle garantiert nicht verletzt werden.