KI im Engineering
Folgende Beispiele aus dem Bereich der industriellen Automation illustrieren, welche Themen und Normungsbedarfe aus der Normungsroadmap KI umgesetzt wurden. So hatten die Autoren und Autorinnen einen Bedarf für ein Referenzmodell für KI-Engineering ermittelt. Ziel war es, Begriffe und Konzepte sowie deren Zusammenhänge zum System Engineering unter besonderer Berücksichtigung des Einsatzes von KI-Methoden in Subsystemen zu definieren und zu erläutern. Und so für Ingenieurinnen, Informatiker und Datenwissenschaftlerinnen ein gemeinsames Grundverständnis zu schaffen. Dieser Bedarf wurde über mehrere Normen umgesetzt, etwa über die ISO/IEC20546 ‚Informationstechnik – Big Data – Überblick und Begriffe‘ und die ISO/IEC22989 ‚Informationstechnik – künstliche Intelligenz – Konzepte und Terminologie der künstlichen Intelligenz‘.
Von Modellen und Metriken
Ein weiteres Beispiel: Ermittelt wurde ein Bedarf an validierbaren Transformationen von Strukturen und Modellen. Transformationsmechanismen von Werkzeugen und Systemen für den Import und Export von Strukturen und Modellen sollten transparent und überprüfbar sein, um Veränderungen der transformierten Inhalte erkennen zu können sowie Fehlinterpretationen zu vermeiden. Dies wurde über die Normungsprojekte DIN EN ISO/IEC12792 und ISO/IEC TS 8200 realisiert. Ebenso gefragt war eine Definition von Metriken und Methoden, um die Datenqualität u.a. in Machine-Learning-Datenmodellen bewerten zu können. Denn die Datenqualität ist ein entscheidender Faktor, sobald Transaktionen über Datenmodelle ausgeführt werden. Umgesetzt wurde dies über die Norm ISO/IEC5259 ‚Künstliche Intelligenz – Datenqualität für Analytik und maschinelles Lernen (ML) – Teil 2: Datenqualitätsmaßnahmen‘. Weitere KI-Normungsprojekte im Bereich Industrielle Automation sind noch in Umsetzung oder wurden teilweise umgesetzt. Zwei Projekte sind noch unbehandelt, eines ist in Vorbereitung: der Aufbau einer standardisierten Metadatenbeschreibung von KI-Methoden.
