Die Deutsche Forschungsgemeinschaft (DFG) hat eine bedeutende Neuerung im Bereich des maschinellen Lernens angekündigt. Sie richtet fünf neue Forschungsgruppen ein, darunter eine an der Leibniz Universität Hannover (LUH). Die neuen Gruppen erhalten insgesamt etwa 19 Millionen Euro für ihre Forschung. Dies unterstreicht die zunehmende Bedeutung von maschinellem Lernen in verschiedenen Anwendungsbereichen, insbesondere in dynamischen Systemen.
Die Forschungsgruppe an der LUH ist am Institut für Regelungstechnik angesiedelt und trägt den Titel „Aktives Lernen für dynamische Systeme und Regelung – Dateninformativität, Unsicherheiten und Garantien“. Der Fokus liegt auf der Entwicklung innovativer Ansätze zur Anwendung des maschinellen Lernens, wobei besondere Herausforderungen berücksichtigt werden, wie etwa die Sicherheitsgarantien beim autonomen Fahren und die Mensch-Maschine-Interaktion. Herkömmliche Verfahren bieten oft keine derartigen Garantien, was die Dringlichkeit dieser Forschung verdeutlicht. Kooperationspartner sind renommierte Institutionen, darunter die Universität Freiburg sowie verschiedene Technische Universitäten in Hamburg, Ilmenau und München.
Forschungsschwerpunkte und Anwendungsfelder
Maschinelles Lernen hat vielfältige Anwendungen in Bereichen wie autonomes Fahren und medizinische Diagnostik. Die Forschungsgruppe zielt darauf ab, den Lernprozess aktiv zu beeinflussen und dadurch neue Lösungen zu finden. Diese Ergebnisse könnten breitere Anwendungen in der Robotik und Energietechnik finden. Die DFG sieht ihre Forschungsgruppen als Möglichkeit, Wissenschaftler dazu zu ermutigen, sich aktuellen Fragen zu widmen und innovative Ansätze zu entwickeln, wobei jede Gruppe zunächst für vier Jahre eingerichtet wird. Es besteht die Option auf eine zweite Förderperiode von ebenfalls vier Jahren.
Ein zentraler Bestandteil der Forschung an der LUH sind neuronale Netze, die als Untergruppe des maschinellen Lernens tätig sind. Diese Netze sind von den Nervenzellen im menschlichen Gehirn inspiriert und bestehen aus mehreren Reihen von Datenknoten, die durch gewichtete Verbindungen miteinander verknüpft sind. Das Training dieser neuronalen Netze erfolgt durch eine wiederholte Präsentation von Daten, wodurch sie lernen, die Informationen genauer zu verarbeiten. Tiefenlernverfahren, bekannt als „Deep Learning“, nutzen neuronale Netze mit vielen versteckten Schichten, um komplexere Probleme zu lösen.
Gesellschaftliche Relevanz und Herausforderungen
Die Debatte über maschinelles Lernen und künstliche Intelligenz (KI) ist von wachsendem gesellschaftlichem Interesse geprägt. Studien wie die vom Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS durchgeführte Untersuchung „Maschinelles Lernen – Kompetenzen, Anwendungen und Forschungsbedarf“ unterstreichen die Notwendigkeit einer fundierten Auseinandersetzung mit diesen Technologien. Solche Studien helfen dabei, Mythen und Halbwissen in der öffentlichen Diskussion zu überwinden und die gesellschaftliche Akzeptanz zu fördern, die für den Erfolg von KI-Technologien entscheidend ist.
Die neue Forschungsgruppe an der LUH wird nicht nur zur Entwicklung neuer Technologien beitragen, sondern auch zur wissenschaftlichen Auseinandersetzung mit den gesellschaftlichen Herausforderungen und Ermöglichungsbedingungen des maschinellen Lernens in Deutschland und Europa. In einer Welt, die zunehmend von kognitiven Systemen geprägt ist, wird maschinelles Lernen eine Schlüsselrolle in der wirtschaftlichen und technologischen Entwicklung spielen.
Für weitere Informationen über diese Entwicklungen und die Themen im Bereich KI und maschinelles Lernen besuchen Sie bitte die Leibniz Universität Hannover, das Fraunhofer-Institut sowie die Studie des Fraunhofer-Zentrum.