Author profile picture

Künstliche Intelligenz ist weltweit auf dem Vormarsch, auch in Deutschland. In einem Ranking des britischen Magazins „Times Higher Education (THE)“ liegt die Technische Universität München bei der Forschung auf diesem Gebiet weltweit auf Platz 6. Vor Deutschland liegen die Schweiz, Singapur, Hongkong, USA, Italien, Niederlande und Australien.

Ein zentrales Gebiet in der Forschung rund um Künstliche Intelligenz ist „Wissen aus Erfahrung“, d. h., wie Menschen sollen auch Maschinen immer mehr aus Erfahrungen lernen können, damit sie nicht für jede Aufgabe extra programmiert werden müssen. Je mehr sie üben, desto mehr und desto sicherer können sie Daten Muster und Gesetzmäßigkeiten erkennen und in Zusammenhang bringen und sogar Rückschlüsse ziehen und Vorhersagen treffen – der Übergang zu künstlicher Intelligenz.

Praktische Anwendungen diese maschinellen Lernens gibt es bereits in Sprachassistenzsystemen, Gesichtserkennung oder auch Bildverarbeitung. In nicht allzu fernen Zukunft soll Künstliche Intelligenz auch in Diagnosesystemen in der Medizin Einzug haltenwie auch für selbststeuernde Systeme in Logistik oder industrieller Fertigung. Das Potenzial solcher Anwendungen gilt als gewaltig.

In München haben sich nun 15 Teams von Wissenschaftlern aus den Fachgebieten Data Science, Informatik und Statistik der Ludwig-Maximilians-Universität (LMU) und der Technischen Universität (TU) zum neuen Munich Center for Machine Learning (MCML) zusammengetan. Das MCML ist eines von vier vom Bundesministerium für Bildung und Forschung (BMBF) über vier Jahre mit 7,5 Millionen Euro geförderten Kompetenzzentren. Projektträger der BMBF-Initiative ist das Deutsche Zentrum für Luft- und Raumfahrt (DLR).

„Potenzial auch Anwendern aus Wissenschaft und Wirtschaft eröffnen“

„Das Ziel ist nicht nur, die Grundlagenforschung im Bereich des Maschinellen Lernens voranzutreiben, sondern das Potenzial auch Anwendern aus Wissenschaft und Wirtschaft zu eröffnen“, sagt Professor Thomas Seidl, Inhaber des Lehrstuhls für Datenbanksysteme und Data Mining an der LMU und Koordinator des MCML.

Die Forscher des MCML beziehen auch andere Wissenschaftseinrichtungen und Unternehmen mit ein. So wollen sie Fragen praxisnaher Forschung und Methodenentwicklung lösen und für innovative Konzepte des Maschinellen Lernens den Weg in die Wirtschaft bereiten. Dabei stehen insbesondere „Industrie 4.0“, Mobilität, Gesundheitswesen und Lebenswissenschaften im Vordergrund.

„Die Palette gesellschaftlich relevanter Anwendungen für neue Methoden des maschinellen Lernens ist riesig“, sagt Professor Daniel Cremers, Inhaber des Lehrstuhls für Bildverarbeitung und Künstliche Intelligenz der TUM und Co-Koordinator des MCML. Das neue Kompetenzzentrum widmet sich der Aufarbeitung verschiedenster Datentypen wie Wetterdaten, Aktienkurse, Sprachaufnahmen oder Videosequenzen. Die Deep-Learning-Methoden für solche Datenreihen zu verbessern, bringt zum Beispiel das Fachgebiet der Computer Vision voran – ein wichtiger Bestandteil des autonomen Fahrens.

Aus- und Weiterbildungskonzepte

„Automatisierte Modellierung, offene Software und Erklärbarkeit sind Schlüsseleigenschaften für den erfolgreichen Transfer von Machine-Learning-Methoden in die Praxis. Dazu braucht Deutschland aber auch die Sicherstellung einer grundlegenden, kompetenten Ausbildung in Statistik, Datenanalyse und Algorithmik. Das MCML strebt genau diese Ziele an“, erklärt Professor Bernd Bischl, Professor für Computationale Statistik an der LMU und ebenfalls Co-Koordinator des MCML.

Die grundlegende, kompetente Ausbildung soll erreicht werden, indem nicht nur die neu erarbeiteten Methoden in die Anwendungswissenschaften und in unternehmerische Prozesse eingespeist werden. Studenten sollen ebenfalls entsprechend ausgebildet und Mitarbeiter Viñales Unternehmen weitergebildet werden.

Bilder: Pixabay

Das könnte Sie auch interessieren:
Künstliche Intelligenz weiter auf dem Vormarsch
Retorio trainiert die Rhetorik
Karlsruhe bekommt Forschungsfabrik
Massgeschneiderte Roboter für Jedermann