KI-gestützte Signalanalyse (ELINT/SIGINT): Grundkurs

Von I/Q-Daten zu belastbaren Hinweisen: Detektion, Klassifikation, Attribution. Zu den Schwerpunkten gehören Signalgrundlagen für ELINT/SIGINT, Vorverarbeitung und Feature Engineering, Detektion und Ereignisbildung, ML-Modelle für Klassifikation, Anomalien, neue Emitters, Drift und Operationalisierung und Nachvollziehbarkeit.

Die Schulung richtet sich an SIGINT- und ELINT-Analystinnen und Analysten, Data-Science- und ML-Engineers in Sensorprojekten, Systemingenieurinnen und Systemingenieure für Funkaufklärung und Monitoring und Produktverantwortliche und Technical Leads für Auswerteplattformen sowie alle, die KI-gestützte Signalanalyse von der Datenbasis bis zur operativen Entscheidung aufbauen wollen.

Grundverständnis von Statistik und ML-Begriffen (Train/Test, Overfitting, Metriken). Basiswissen zu Signalen oder Funk ist hilfreich, aber nicht zwingend.

Zu den Schwerpunkten gehören Signalgrundlagen für ELINT/SIGINT, Vorverarbeitung und Feature Engineering, Detektion und Ereignisbildung, ML-Modelle für Klassifikation, Anomalien, neue Emitters, Drift und Operationalisierung und Nachvollziehbarkeit.

Die Inhalte werden bis zu konkreten Arbeitsschritten zu ML-Modelle für Klassifikation, Anomalien, neue Emitters, Drift und Operationalisierung und Nachvollziehbarkeit geführt. Dadurch lässt sich das Gelernte gezielt auf eigene Aufgaben übertragen.

Zu den angestrebten Ergebnissen gehören: Dieses Seminar richtet sich an alle, die ELINT/SIGINT-Analysen mit KI so aufsetzen wollen, dass sie unter realen Bedingungen funktionieren; Statt Modell-Demos steht die Frage im Mittelpunkt: Welche Verarbeitungsschritte und Qualitätskontrollen brauchst du, damit Detektion und Klassifikation auch bei wechselnder …; Du arbeitest entlang einer klaren Prozesskette: Rohdaten verstehen, Daten aufbereiten, Ereignisse definieren, Modelle trainieren,; Du beginnst mit I/Q- und Zeit-Frequenz-Darstellungen und leitest daraus Features ab, die für Funk-Emissionen typisch sind, etwa spektrale Signaturen,; Anschließend setzt du Detektoren auf, die nicht nur „etwas“ finden, sondern kontrollierbare Fehlalarme liefern.

Ja. „ML-Modelle für Klassifikation“ ist ein eigener Bestandteil der Schulung. Dazu gehören Baseline: kNN, SVM, Random Forest, Deep Learning: CNN auf Spektrogrammen und Bewertung: Confusion Matrix, ROC, PR.