Personalisierte modellbasierte KI-CPS für langfristige Nutzung

In der heutigen Zeit gewinnen KI‑gestützte, menschenzentrierte kritische Systeme immer mehr an Bedeutung. Sie extrahieren wertvolles Wissen aus Sensordaten und finden Anwendung in Bereichen wie medizinischer Überwachung, Gestensteuerung und autonomen Fahrzeugen. Diese Systeme sollen oft ein Leben lang zuverlässig arbeiten – zum Beispiel bei der kontinuierlichen Blutzuckerregulierung bei Typ‑1‑Diabetikern, beim selbstfahrenden Auto oder bei der Diagnostik und Rehabilitation von Schlaganfallpatienten.

Langfristiger Betrieb birgt jedoch Risiken: Ungeprüfte Randfälle können die Sicherheit, Nachhaltigkeit und Sicherheit der Systeme gefährden. Ursachen dafür sind Designfehler, begrenzte Testressourcen, methodische Einschränkungen und unerwartete Interaktionen mit Nutzern. Solche Unsicherheiten führen häufig zu Verstößen gegen die grundlegenden Anforderungen an die Systemzuverlässigkeit.

Die vorliegende Arbeit untersucht bestehende Ansätze zur Sicherheits-, Nachhaltigkeits- und Sicherheitsanalyse von KI‑gesteuerten, menschenzentrierten Steuerungssystemen. Dabei werden die Grenzen dieser Methoden für die Praxis des langfristigen Einsatzes aufgezeigt. Anschließend werden personalisierte, modellbasierte Lösungen vorgestellt, die darauf abzielen, diese Einschränkungen zu überwinden und die Zuverlässigkeit von KI‑CPS über lange Zeiträume hinweg zu gewährleisten.