Bisher haben sich Digitalisierung und Automatisierung in der Industrie vor allem auf die Nutzung von Möglichkeiten zur Effizienzsteigerung und Produktivitätsverbesserung konzentriert, ohne dass dabei die sich verändernde Rolle des Arbeitnehmers besonders berücksichtigt wurde. In ihrem Konzept für die Industrie 5.0 stellt die Kommission eine widerstandsfähige, nachhaltige und auf den Menschen ausgerichtete Industrie vor. Der auf den Menschen ausgerichtete Ansatz bedeutet, dass die grundlegenden menschlichen Bedürfnisse und Interessen in den Mittelpunkt der Prozesse in der Industrie gestellt werden, anstatt die Technologie und ihr Potenzial zur Effizienzsteigerung als Ausgangspunkt zu nehmen.

Eine humanzentrierte Industrie erkennt und nutzt die Fähigkeiten und das kreative Potenzial ihrer Arbeitnehmer durch die synergetische Kombination mit fortschrittlichen (digitalen) Technologien. In diesem Prozess müssen im Hinblick auf Arbeitsorganisation, Arbeitsplatzgestaltung, Arbeitsinhalte und -fähigkeiten, Arbeitsbedingungen und Arbeitsbeziehungen grundlegende Prinzipien und menschliche Bedürfnisse wie Autonomie und Kontrolle, Kohärenz und Abwechslung der Aufgaben, Vereinbarkeit von Beruf und Privatleben, sozialer Dialog und andere sowie Menschenrechte wie Privatsphäre und Sicherheit gewahrt werden. Da verschiedene Gruppen von Arbeitnehmern die zunehmenden Auswirkungen - aber auch die Chancen - des digitalen Wandels zu spüren bekommen, ist außerdem eine Höher- oder Umschulung erforderlich, um die Herausforderungen der digitalen Transformation des Unternehmens zu bewältigen.

Es besteht ein Bedarf an KI-Methoden, die das Training optimieren und die Datenmenge, die Intensität der Verarbeitung und die für das Training hochwertiger, vertrauenswürdiger KI-Systeme erforderlichen Vorgänge reduzieren. Infolgedessen werden auch der Energieverbrauch und der ökologische Fußabdruck verringert. Solche Lösungen sind auch im Zusammenhang mit eingebetteter und verkörperter KI von Bedeutung, d. h. KI-Fähigkeiten in der Robotik und in vernetzten Geräten/Objekten/eingebetteten Prozessoren, einschließlich kleiner (bis hin zu mikro-/nanoskaligen) Objekte mit langfristiger Autonomie.

Die Vorschläge sollten sich mit neuartigen KI-Methoden und Prozessen zur Bereitstellung von Trainingsdaten befassen, die auf eine hohe Qualität und Zuverlässigkeit der KI bei gleichzeitiger Minimierung des Datenbedarfs und der Datenmanipulationen abzielen, wobei eine intelligente und dynamische End-to-End-Automatisierung des KI-Trainings im Cloud-Edge-Computing-Kontinuum angestrebt wird, bei der das KI-Training, der KI-Einsatz und die Datenerfassung/-aufbereitung auf der am besten geeigneten Ebene des Cloud-Edge-Kontinuums erfolgen. Dies führt zu einer besseren Qualität der KI durch eine intelligente Datenauswahl/-erfassung/-aufbereitung und verringert die Notwendigkeit, große Datenmengen und/oder große KI-Modelle zu erfassen, zu speichern, zu verarbeiten und zu übertragen, während gleichzeitig der Energieverbrauch gesenkt wird.

Die Vorschläge sollten mindestens einen der folgenden Schwerpunktbereiche behandeln:

• automatisiertes und KI-gestütztes Mining, Harvesting, Auswahl, Bereinigung, Annotation und/oder Anreicherung/Augmentation von Daten für KI; Generierung und Nutzung synthetischer Daten, um den Bedarf an großen Mengen echter und potenziell sensibler Daten zu verringern; Validierung der Effizienz dieser Prozesse in KI-Systemen;
• leichtere, weniger datenintensive und weniger Energie verbrauchende KI-Modelle, optimierte Lernprozesse, die weniger Input benötigen (dateneffiziente KI), ohne die Qualität des Outputs zu beeinträchtigen; Methoden und Architekturen des maschinellen Lernens, die mit geringeren Mengen zurechtkommen, z. B. Transferlernen, One-Shot-Learning, kontinuierliches und/oder lebenslanges Lernen.

Aus den Vorschlägen sollte klar hervorgehen, auf welchen der beiden Bereiche der Schwerpunkt gelegt werden soll.

Die Arbeiten sollten zur Steigerung der Daten- und Energieeffizienz von KI beitragen und die Bereitstellung von Daten für KI rationalisieren. Die Arbeiten sollten geeignete KI-Paradigmen (zentral, verteilt, dynamisch, hybrid) unterstützen, die auf die Bedürfnisse der Anwendungssituation und die sich ändernden Merkmale, Verfügbarkeits- und Nutzungsbedingungen von Daten reagieren und sich leicht anpassen lassen.

Die KI-Zielsysteme sollten angemessen bewertet und die Ergebnisse analysiert und rückgekoppelt werden, um eine kontinuierliche Verbesserung der "Daten für KI"-Pipeline zu gewährleisten.

Multidisziplinäre Forschungstätigkeiten sollten sich mit allen folgenden Aspekten befassen:

• An den Vorschlägen sollte entsprechendes Fachwissen in allen relevanten Disziplinen beteiligt sein, z. B. in den Bereichen Ingenieurwesen, Datenwissenschaft, Informatik, Mathematik und gegebenenfalls in den Sozial- und Geisteswissenschaften (SSH) sowie geschlechtsspezifisches Fachwissen.
• Die Projekte sollten auf bestehenden Projekten aufbauen oder eine Zusammenarbeit mit diesen anstreben und Synergien mit anderen einschlägigen europäischen, nationalen oder regionalen Initiativen, Finanzierungsprogrammen und Plattformen entwickeln, insbesondere mit den im Rahmen des Programms "Digitales Europa" unter dem Kapitel "Cloud, Daten und künstliche Intelligenz" finanzierten Maßnahmen.
• Beitrag dazu, dass KI-, Daten- und Robotiklösungen die Anforderungen an eine vertrauenswürdige KI erfüllen, die auf Genauigkeit, Robustheit, Sicherheit, ethischen Grundsätzen und Zuverlässigkeit beruht, im Einklang mit dem europäischen Konzept für KI. Die ethischen Grundsätze müssen bereits in den frühen Entwicklungs- und Entwurfsphasen berücksichtigt werden.
• Von den Vorschlägen wird erwartet, dass sie Aufgaben und Ressourcen für die Zusammenarbeit mit der offenen Innovationsherausforderung unter HORIZON-CL4-2023-HUMAN-01-04 zur Optimierung vorsehen und einen Beitrag dazu leisten. Von den Forschungsteams, die an den Vorschlägen beteiligt sind, wird erwartet, dass sie sich an den jeweiligen Innovationswettbewerben beteiligen.

Von allen Vorschlägen wird erwartet, dass sie Mechanismen zur Bewertung und zum Nachweis von Fortschritten (mit qualitativen und quantitativen Leistungsindikatoren, Benchmarking und Fortschrittsüberwachung sowie anschaulichen Anwendungsfällen, die einen konkreten potenziellen Mehrwert belegen) enthalten und dass sie über die KI-on-Demand-Plattform, die digitale Industrieplattform für Robotik und gemeinsame europäische Datenräume sowie gegebenenfalls andere relevante Plattformen für digitale Ressourcen mit der europäischen FuE-Gemeinschaft kommunizierbare Ergebnisse austauschen, um das europäische Ökosystem für KI, Daten und Robotik durch den Austausch von Ergebnissen und bewährten Verfahren zu verbessern.

Der Vorschlag sollte die Merkmale und die Verfügbarkeit der im Rahmen des Projekts zu verwendenden Daten beschreiben und erläutern, wie mögliche Fragen des Datenschutzes und der Rechte des geistigen Eigentums im Zusammenhang mit den Daten behandelt werden. Die Herkunft der Daten, die zugehörigen Metadaten und alle anderen Kontextinformationen sollten im erforderlichen Umfang erfasst und gepflegt werden, um eine Validierung zu ermöglichen, erklärbare KI zu unterstützen und die kontinuierliche Einhaltung der geltenden Rechtsvorschriften (z. B. GDPR, KI-Gesetz, Datenschutzgesetz) zu gewährleisten.

Um die erwarteten Ergebnisse zu erzielen, wird die internationale Zusammenarbeit gefördert, insbesondere mit Kanada und Indien.

Mit diesem Thema wird die ko-programmierte Europäische Partnerschaft für KI, Daten und Robotik umgesetzt.

weiterlesen