1,6 Millionen Euro für KI-Nachwuchsforschungsgruppe

Die Chemnitzer Mathematikerin Dr. Franziska Nestler warb BMBF-Fördermittel zur Einrichtung einer Nachwuchsforschungsgruppe an der TU Chemnitz im Bereich “Künstliche Intelligenz” ein

Beitrag der TU Chemnitz

Dr. Franziska Nestler, Wissenschaftliche Mitarbeiterin an der Professur für Angewandte Funktionalanalysis (Prof. Dr. Daniel Potts) der Technischen Universität Chemnitz, hat erfolgreich  Fördermittel für den Aufbau einer Nachwuchsgruppe im Bereich „Künstliche Intelligenz“ eingeworben. Die Förderung für das Projekt „Schnelle Algorithmen für transparente Empfehlungssysteme“ (SAlE) mit einem Volumen von 1,6 Millionen Euro wird vom Bundesministerium für Bildung und Forschung (BMBF) im Rahmen der „Richtlinie zur Förderung von KI-Nachwuchswissenschaftlerinnen“ über einen Zeitrahmen von vier Jahren zur Verfügung gestellt. Förderbeginn ist der 1. Oktober 2020. Der erste Schritt wird der Aufbau einer Nachwuchsforschungsgruppe durch Franziska Nestler sein.

Damit gehört das Projekt der Mathematikerin von der TU Chemnitz zu den 20 bundesweit exzellenten Vorhaben, die nach einem zweistufigen und hoch kompetitiven Verfahren ausgewählt wurden und gefördert werden.

Im Fokus des Vorhabens werden Fragestellungen zur effizienten Behandlung großer hochdimensionaler Datenmengen (Big Data) stehen.

Enge Vernetzung zwischen Chemnitz, Berlin und Anwendungspartnerinnen sowie -partnern

Das geförderte Projekt besteht aus drei Teilprojekten. In diesen wird die Nachwuchsforschungsgruppe eng mit den TU-Professuren für Angewandte Funktionalanalysis und Wissenschaftliches Rechnen (Prof. Dr. Martin Stoll) sowie für Angewandte Mathematik (Prof. Dr. Gabriele Steidl) von der TU Berlin zusammenarbeiten. Zudem ist für den Aufbau dieser interdisziplinären Forschergruppe eine enge Vernetzung mit Anwendungspartnerinnen und -partnern aus der Industrie geplant. So sollen die entwickelten Verfahren direkt in anwendungsrelevanten Szenarien getestet werden.

Hintergrund: Relevanz der Analyse von Big Data

Im Zuge der Digitalisierung unserer Gesellschaft werden Datenmengen enormen Ausmaßes generiert. Diese Daten zu analysieren und gewünschte Informationen effizient herauszufiltern, ist von großer Bedeutung.

Aufgrund der Komplexität dieser Aufgabe bei riesigen Datenmengen ist der Einsatz künstlicher Intelligenz nahezu alternativlos. Eine große Herausforderung liegt darin, Verfahren zu entwickeln, die eine Nachvollziehbarkeit der Analyse-Ergebnisse ermöglichen. Denn die meisten gängigen Verfahren im KI-Bereich sind nur zu einem gewissen Grad transparent und erlauben eine Nachvollziehbarkeit von Datenanalyse-Prozessen nur eingeschränkt. Das Phänomen der Nichtnachvollziehbarkeit von KI-Prozessen wird zum Beispiel dann relevant, wenn KI-gestützte Entscheidungen getroffen werden, deren Hintergrund für Betroffene nicht einsichtig ist, etwa bei der Kredit-Vergabe. 

Genau hier setzt das Projekt „SAlE“ an. Um geeignete Verfahren zur Datenanalyse zu entwickeln, die interpretierbare Rückschlüsse auf deren Entscheidungsfindung zulassen, sollen insbesondere Methoden zur hochdimensionalen Fourier-Analysis zum Einsatz kommen. Bei der sogenannten Fourier-Analyse werden vor allem Signale in Frequenzanteile zerlegt, was unter anderem in der Signalverarbeitung und Datenübertragung von zentraler Bedeutung ist.

Des Weiteren sollen in das Projekt Verfahren zum maschinellen Lernen sowie aus dem Gebiet der Bildverarbeitung einfließen.

Weitere Informationen erteilt Dr. Franziska Nestler, Tel. +49 (0)371 531 32839, E-Mail franziska.nestler@mathematik.tu-chemnitz.de

Zum Originalbeitrag vom 03.09.2020

 

Ähnliche Beiträge