Die Forschung im Bereich Künstlicher Intelligenz (KI) und Maschinelles Lernen (ML) hat in den letzten Jahren eine Reihe an Innovationen und neue Anwendungen hervorgebracht. Die hierfür notwendigen hochwertigen Trainingsdaten stehen nicht immer in ausreichendem Umfang und ausreichender Qualität zur Verfügung. Dies kann beispielsweise daran liegen, dass die Daten an Einzelpersonen gebunden sind und somit dem Datenschutz unterliegen oder die Daten konnten bisher in der Realität noch nicht beobachtet werden. Algorithmen der KI und ML sind jedoch maßgeblich auf die Existenz von solchen Trainingsdaten angewiesen, aus denen sie zunächst Sachverhalte lernen, um später selbständig aus anderen Daten Schlüsse ziehen zu können. Damit KI- und ML-Algorithmen dennoch eingesetzt werden können, ist die synthetische Erzeugung der fehlenden Trainingsdaten eine Lösungsoption. Ziel des Projekts „DaFne“ ist es, eine erweiterbare und offene Plattform zu entwickeln, die Trainingsdaten für KI- und ML-Algorithmen synthetisch generiert. Zur Umsetzung sollen im Projekt flexible Methoden entwickelt werden, um Daten zu generieren, auf deren Basis robuste Kl-Modelle erzeugt werden können, die sich in unterschiedlichen Anwendungsszenarien einsetzen lassen. Damit können beispielsweise Datensätze mit Randfällen angereichert werden, um KI-/ML-Algorithmen für spezielle Anwendungsszenarien zu trainieren oder auch um das Verhalten von KI-/ML-Algorithmen für bestimmte Zusammensetzungen der Trainingssets zu validieren. Weiterhin sollen überprüfbare Qualitätskriterien für die Generierungsmethoden und für die generierten Daten erarbeitet werden. Die Plattform soll zudem auch auf existierende Trainingsdaten zurückgreifen können.