KI-basierte Verfahren ebnen den Weg zum vollautomatisierten Fahren. Bisher erfolgt die Entwicklung der KI-Verfahren rein datenbasiert. Dabei werden für das Training und die Validierung der KI-Funktionen enorme Datenmengen benötigt, deren Erhebung und Aufbereitung sehr aufwendig und teuer sind. Neben der Abhängigkeit von umfangreichen Datenmengen weisen datenbasierte KI-Verfahren eine weitere Schwäche auf: Sie sind nach wie vor in der Regel Black-Box-Modelle, deren Entscheidungsfindung nicht direkt nachvollzogen werden kann.

Im Forschungsprojekt KI Wissen werden Methoden für die Integration von bestehendem Wissen in die datengetriebenen KI-Funktionen autonomer Fahrzeuge entwickelt und untersucht. Das Ziel dabei ist die Erschaffung eines umfassenden Ökosystems für die Einbindung von Wissen in das Training und die Absicherung von KI-Funktionen. Durch die Kombination von herkömmlichen datenbasierten KI-Verfahren mit den im Projekt entwickelten wissens- bzw. regelbasierten Methoden wird die Basis für das Training und die Validierung der KI-Funktionen komplett neu definiert: Diese beinhaltet nun nicht nur Daten, sondern Informationen, d. h.Daten und Wissen. Die im Projekt vollzogene Weiterentwicklung von daten- zu informationsbasierter KI adressiert die zentralen Herausforderungen auf dem Weg zum autonomen Fahren: die Generalisierung der KI auf Phänomene mit geringer Datengrundlage, die Erhöhung der Stabilität der trainierten KI auf Störungen der Daten, die Dateneffizienz, die Plausibilisierung und die Absicherung von KI-gestützten Funktionen sowie die Steigerung der funktionalen Güte.