Intelligente autonome Systeme (IASs), zu denen autonome Fahrzeuge, Drohnen und Robotikplattformen gehören, haben mehrere Bereiche von Transport bis Verteidigung grundlegend verändert. Durch den Einsatz von Künstlicher Intelligenz (KI) zeichnen sich diese Systeme durch datengetriebene Lernparadigmen, integrierte Architekturen und adaptive Entscheidungsfindung aus. Diese neuen Fähigkeiten bringen jedoch auch einzigartige Ausfallherausforderungen mit sich, darunter durch Daten verursachte Verzerrungen, eingeschränkte Erklärbarkeit und Anfälligkeit für adversariale Störungsangriffe. Diese Eigenschaften erfordern von den Systemen eine höhere Zuverlässigkeit, um einen zuverlässigen Betrieb in dynamischen und sicherheitskritischen Umgebungen zu gewährleisten. Dieser Artikel bietet einen systematischen Überblick über den aktuellen Stand der Zuverlässigkeitstechnik intelligenter autonomer Systeme aus vier miteinander verbundenen Dimensionen: Genauigkeit, Generalisierungsfähigkeit, Robustheit und Erklärbarkeit. Wir ziehen interdisziplinäre Ergebnisse aus den Bereichen maschinelles Lernen, Künstliche Intelligenz und Zuverlässigkeit heran und untersuchen Methoden wie Multisensorsensorfusion, Meta-Learning, adversariales Training und a priori erklärbare Einschränkungen anhand empirischer Daten aus realen Einsätzen. Die wichtigsten Schlussfolgerungen zeigen bedeutende Fortschritte bei der Verringerung der Verwundbarkeit intelligenter autonomer Systeme, aber anhaltende Herausforderungen wie das Verhältnis von Leistung und Zuverlässigkeit, Leistungsverlust unter extremen Bedingungen und Skalierbarkeitsbeschränkungen behindern weiterhin deren breite Anwendung. Wir schlagen vor, dass zukünftige Forschung sich auf hybride Rahmenwerke, kausales Schließen und leichtgewichtige Modelle konzentriert, um hochzuverlässige intelligente autonome Systeme zu fördern. Durch die Verbindung theoretischer Grundlagen mit ingenieurwissenschaftlicher Praxis bietet dieser Artikel eine umfassende technische Roadmap zur Entwicklung zuverlässiger, vertrauenswürdiger, sicherer, effizienter und gesellschaftlich wohlfahrtsorientierter autonomer Systeme.

autonome Systeme;Zuverlässigkeitstechnik;Künstliche Intelligenz