In „Mensch-Maschine-Systemen“ muss sich die technische Lösung den menschlichen Informationsverarbeitungskapazitäten anpassen – und nicht umgekehrt. Sonst kann es gefährlich werden.
Immer wieder kommt es durch Fehler von Piloten zu tragischen Flugzeugunfällen mit vielen Opfern. „Manche Abstürze haben ihre Ursache in der Informationsüberlastung des Flugzeugführers. Er hat beispielsweise durch die Fülle der Anzeigen den Höhenmesser nicht entsprechend berücksichtigt,“ sagt Andrea Salfinger. „Unsere Aufgabe ist es, Benutzeroberfläche und Funktionalität technischer Systeme so zu gestalten, dass menschliche kognitive Fähigkeiten sich bestmöglich auf die aktuelle Situation fokussieren können.“
Die Informatikerin am Institut für Telekooperation der Johannes-Kepler-Universität in Linz hat sich in ihrer Dissertation mit der Bedeutung künstlicher Intelligenz für Kontrollzentren in der Luft- und Seefahrt, im Straßenverkehr und Krisenmanagement befasst. Aktuell arbeitet sie in einem FWF-Projekt an Vorhersagemodellen für den Straßenverkehr. „Vergleicht man etwa das Verhalten eines Fußgängers mit einem autonom fahrenden Fahrzeug, müssen beide die unterschiedlichen Objekte in ihrer Umgebung sowie deren Zusammenhänge und Entwicklungen erkennen, um die Gesamtsituation zu verstehen,“ erklärt Salfinger. Für die künstliche Intelligenz sei es nicht leicht vorherzusehen, wohin der Fußgänger geht und ob er vielleicht den Zebrastreifen nutzt und dadurch das Fahrzeug zwingt abzubremsen. Dieses Bewusstmachen der aktuellen Situation müsse der Computer im selbstfahrenden Auto lernen und automatisch anwenden.
Situationen richtig einschätzen
„Automatisierte Situationserkennung zielt darauf ab, Datenströme automatisiert zu analysieren, fusionieren und interpretieren, um die relevanten Situationen zu erkennen und adäquate Reaktionen zu ermöglichen“, so die Informatikerin. Die großen Mengen an Sensordaten, die in überwachten Bereichen entstehen, können genutzt werden, um mithilfe von Software die Informationsflut so auszuwerten, dass das zugrunde liegende Situationslagebild prägnant zusammengefasst und problematische Entwicklungen aufgezeigt werden können.
Als Datenbasis dienen der Forscherin dabei die Verkehrsaufzeichnungen der Asfinag. Damit entwickelt Salfinger Algorithmen, die entsprechende Situationsmodelle ableiten, beispielsweise das Auftreten eines Unfalls im Baustellenbereich und die folgende Staubildung. Aus diesen Modellen können Mustererkennungsregeln generiert werden, die den Sensordatenstrom automatisiert nach kritischen Situationen durchforsten. In Kombination mit maschinellen Lernverfahren können diese Informationen für Vorhersagemodelle und Konsequenzen in der Verkehrsführung oder zu Warnhinweisen auf der Benutzeroberfläche der Operatoren im Verkehrskontrollzentrum genutzt werden.
Salfinger untersuchte auch, wie Informationen, die sich in der Kommunikation über soziale Medien finden, in bestimmten Krisensituationen – zum Beispiel bei Hurrikans oder anderen Katastrophen – von Rettungskräften genutzt werden können. Um die Gefahr von Fehleinschätzungen einzugrenzen, ist es erforderlich, technische Lösungen so zu konzipieren, dass sie sich an die menschlichen Verarbeitungsfähigkeiten anpassen und Desinformation vermeiden. Dafür sind interdisziplinäre Lösungen von Vorteil.
Lexikon
Kognitives Situationsmanagement bzw. maschinelles Situationsbewusstsein („situation awareness“) ermöglicht, dass Computer Datenströme automatisiert analysieren, fusionieren und relevante Situationen selbstständig erkennen sowie interpretieren. So können die Maschinen Entwicklungen im Voraus berechnen und aktuell wertvolle Entscheidungsunterstützung liefern oder relevante Empfehlungen geben, die in ihrer Treffsicherheit menschlichen entsprechen.
("Die Presse", Print-Ausgabe, 08.08.2020)