Autonomic and Organic Computing

Autonomic and Organic Computing (AOC)  fokussiert sich auf die Realisierung von Selbst-x-Eigenschaften (selbst-organisierend, selbst-heilend, selbst-konfigurierend, selbstoptimierend etc.) in technischen Systemen. Der Fokus des Fachgebiets liegt auf der Frage, wie beim Maschinellen Lernen in technischen  Systemen der Autonomiegrad dieser Systeme erhöht werden kann. Wesentlicher Grund ist, dass zukünftig technische Systeme nicht vorab (zur Entwurfszeit) auf alle möglichen Situationen vorbereitet werden können, sondern sich zunehmend selbst in der Anwendung (zur Laufzeit) weiterentwickeln müssen. Beispiele für Fragestellungen sind:

  • Austausch von Wissen (z. B. Klassifikationsregeln) zwischen Komponenten eines verteilten Systems (mit Anwendungen im Bereich Informationssicherheit bzw. Verkehr),
  • Aktives Lernen in technischen Systemen mit dem Fokus auf Kollaboratives Aktives Lernen,
  • Selbst-Adaption technischer Systeme durch (weitgehend) autonome Entscheidung über Verwendung neuer Informationsquellen (z. B. Sensordaten),
  • Realisierung von Methoden, um technische Systeme mit der Fähigkeit zur Selbst-Reflektion auszustatten.

Kooperationen bestehen hier mit der Universität Augsburg, dem DFKI Kaiserslautern, der Hochschule Aschaffenburg, der Universität Passau und Kollegen an der Universität Kassel.