Vorgehensmodell für den Einsatz von maschinellem Lernen

Der Fachtext behandelt das Vorgehensmodell für den Einsatz von maschinellem Lernen in der Automobilindustrie, wie es in Automotive SPICE 4.0 definiert ist. Dieses Modell adressiert die Herausforderungen bei der Qualitätssicherung und Verifikation von ML-generierten Softwareartefakten. Es wird ein dreistufiger Prozess beschrieben, der aus Problemdefinition, Training und Implementierung besteht. Besondere Aufmerksamkeit wird der Opazität der ML-Modelle geschenkt, die als Blackbox gelten und somit die Verifikation erschweren. Das Vorgehensmodell für Machine Learning Engineering (MLE) umfasst Anforderungsanalyse, Softwarearchitekturentwurf, Trainings- und Testprozesse sowie Datenmanagement. Es stellt sicher, dass die generierten Modelle den Anforderungen entsprechen und in sicherheitsrelevanten Bereichen funktionieren. Das Modell wird durch Automotive SPICE 4.0 unterstützt und bietet eine strukturierte Methode zur Entwicklung und Verifikation von ML-Software in der Automobilindustrie.