Besuch der Bundesministerin für Bildung und Forschung Anja Karliczek am ML2R

9. Juli 2019, ML2R-Standort Dortmund

Sommer der Künstlichen Intelligenz – Bundesforschungsministerin Karliczek erhielt am Kompetenzzentrum ML2R Einblicke in Anwendungen des Maschinellen Lernens

10. Juli 2019

Anja Karliczek, Bundesministerin für Bildung und Forschung, besuchte am 9. Juli gemeinsam mit Journalistinnen und Journalisten das Kompetenzzentrum Maschi­­nelles Lernen Rhein-Ruhr (ML2R). Die Ministerin nutzte die Gelegenheit, praktische Anwendungen der Künstlichen Intelligenz (KI) und des Maschinellen Lernens (ML) live zu erleben und selbst auszu­pro­bieren: Sie begegnete Robo­tern, die KI und ML spielerisch begreifbar machen, entdeckte KI-Systeme, die gesproche­ne Sprache analysieren, Satelliten­bilder verbessern und autonomes Fahren sicherer machen, über ihr summte ein Drohnenschwarm. Damit ver­schaffte sich die Ministerin Eindrücke von herausragenden Projekten, die im Rahmen des ML2R durch das Bundesministerium für Bildung und Forschung (BMBF) gefördert werden.

Es ist der Sommer der Künstlichen Intelligenz: Mit ihrer Schlüs­sel­technologie, dem Maschi­nellen Lernen, ist sie der wesentliche Treiber der aktuellen Digi­ta­lisierung unserer Wirtschaft und Gesellschaft. Die deutsche KI-Forschung blüht auf und viele Unterneh­men erkennen die großen Chancen, die intelligente Technologien mit sich bringen. Nicht zuletzt hat das BMBF 2019 zum »Wissenschaftsjahr Künstliche Intelligenz« erklärt. Was wäre ein Sommer ohne das Reisen: Gestern reiste Bundes­forschungsministerin Anja Karliczek nach Dortmund und besuchte dort das Kompetenzzentrum Maschinelles Lernen Rhein-Ruhr (ML2R), um sich über aktuelle Projekte und die Zukunftspläne des Zentrums zu informieren. Das ML2R, angesiedelt in Bonn, Sankt Augustin und Dortmund, ist einer von vier bundesweiten Knoten­punkten für ML-Spitzenforschung, Nachwuchsförderung und Trans­fer, initiiert und geför­dert durch das BMBF.

Begrüßt wurde Anja Karliczek von den beiden Sprechern des ML2R, Prof. Dr. Katharina Morik und Prof. Dr. Stefan Wrobel, die das Kompetenzzentrum vorstellten. »Unser Ziel ist es, die Forschung zum Maschinellen Lernen aus NRW auf ein weltweit führendes Niveau zu bringen und Deutschland damit für die digitale Zukunft optimal aufzustellen«, sagte Prof. Morik, Professorin an der TU Dortmund. Das ML2R verbindet grundlagen­orien­tierte mit anwendungsnaher Forschung und konzen­triert sich auf drei Forschungs­schwerpunkte: Maschinelles Lernen, das sich am Menschen orien­tiert, ML mit beschränk­ten Ressourcen und ML-Technologien, die komplexes Wissen einbinden können.

 

Forschung für die praktische Anwendung – Highlights aus dem ML2R

Wie diese Forschungsschwerpunkte ihren Weg in wirtschafts- und gesellschaftsrelevante Anwendungen finden, zeigten die ML2R-Wissenschaftlerinnen und -Wissenschaftler anhand von sechs konkreten Projekten. Den Auftakt machte die kleine Roboterdame »Roberta«, die demonstrierte, wie Anwendungen der Künstlichen Intelligenz funktio­nieren und ganz einfach selbst programmiert werden können. »Mit unserer ‚Roberta-Initiative‘ zeigen wir am Fraunhofer IAIS bereits seit über 15 Jahren, wie einfach es ist, Technik nicht nur zu nutzen, sondern selbst zu gestalten – schon mehr als 450.000 Kinder und Jugendliche haben wir mit ‚Roberta‘ für Technik begeistert und ans Program­mieren herangeführt«, betonte Prof. Wrobel, Leiter des Fraunhofer-Instituts für Intelli­gente Analyse- und Informationssysteme IAIS in Sankt Augustin und Professor an der Universität Bonn. »Im Kontext des ML2R zeigen wir, wie auch komplexe Themen wie KI und Maschinelles Lernen spielerisch begreifbar werden.«

Wie beim Maschinellen Lernen Energie gespart werden kann, erläuterten die Forscher vom ML2R-Standort Dortmund am Beispiel der Hardware »EQO«. KI-Systeme benötigen oft große Rechenanlagen, um schnell zu lernen – neueste Erkenntnisse ermöglichen sogar das Lernen auf »Quantencomputern«, um Probleme zu lösen, die für klassische Computer »zu schwer« sind. Da Quantencomputer sehr viel Energie verbrauchen, hat das ML2R-Team einen neuartigen Ansatz entwickelt, der sich an der Funktionsweise von Quantencomputern orientiert und sich dazu evolutionäre Mechanismen der Natur zunutze macht. Die neue Hardware kommt mit einem Bruchteil der Energie aus, die von Quantencomputern oder klassischen Großrechnern benötigt wird.

Auch die Erdwissenschaft profitiert vom Maschinellen Lernen, was gerade in Zeiten des Klimawandels besonders wichtig ist. Daten aus Satelliten können uns helfen, die Vegeta­tion unseres Planeten besser zu verstehen und dem weltweiten Nahrungsmangel ent­gegenzuwirken. »Allerdings kann eine Messung bereits durch einen bewölkten Himmel unbrauchbar werden«, so Prof. Morik. Deshalb haben die Forscher am ML2R neue Metho­den entwickelt, die lernen, wie sich die Vegetation verändert, und es so ermög­lichen, Wolken zu »durch­­leuch­ten«, die Satellitenbilder sonst unbrauchbar machen.

Wie der Transfer in wirtschaftliche Anwendungen gelingteigte das ML2R-Team anhand mehrerer Projekte, die bei Unternehmen im praktischen Einsatz sind: Die ML2R-Experten des Standortes Sankt Augustin/Bonn stellten etwa semantische Sprachtechnologien vor, die Videobeiträge live untertiteln, audiovisuelle Medienarchive erschließen und Sprach­assis­tenten zum Leben erwecken. Auch um Sicherheit und Transparenz ging es beim Rund­gang der Ministerin – am Beispiel des autonomen Fahrens zeigten Wissenschaftler des Fraunhofer IAIS, wie KI-basierte Objekterkennung sicherer gemacht werden kann. Den Schlusspunkt setzte eine Vorführung des Fraunhofer IML zum Einsatz von ML in der Logistik: Ein Drohnenschwarm stieg auf und löste anhand von biointelligenten Verhal­tens­weisen komplexe logistische Aufgaben.

Zum Ausklang bot sich der Ministerin sowie den mitreisenden Journalistinnen und Jour­na­listen die Gelegenheit zu vertiefenden Gesprächen mit den ML2R-Expertinnen und -Experten sowie zum Experimentieren und Ausprobieren der interaktiven Exponate.

 

Über das Kompetenzzentrum Maschinelles Lernen Rhein-Ruhr (ML2R)

Das Kompetenzzentrum ML2R betreibt ML-Spitzenforschung, fördert den wissenschaft­lichen Nachwuchs und stärkt den Technologietransfer in Unternehmen. Das ML2R wird als einer von vier bundesweiten Knotenpunkten zum Maschinellen Lernen durch das Bundesministerium für Bildung und Forschung (BMBF) gefördert. Beteiligt sind die Technische Universität Dortmund, die Universität Bonn, das Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS in Sankt Augustin sowie das Fraunhofer-Institut für Materialfluss und Logistik IML in Dortmund. Sprecher des Zentrums sind Prof. Dr. Katharina Morik (TU Dortmund) und Prof. Dr. Stefan Wrobel (Fraunhofer IAIS/Universität Bonn).

Pressekontakt:

Katrin Berkler
Leiterin Presse und Öffentlichkeitsarbeit
Kompetenzzentrum Maschinelles Lernen Rhein-Ruhr
Telefon: 02241 14-2252
E-Mail: ml2r-pr@iais.fraunhofer.de

Download
Mehr laden

KI und Maschinelles Lernen kinderleicht – mit »Roberta« & »NEPO«

Die Roberta-Initiative des Fraunhofer IAIS stellt im Kontext des ML2R ein Experiment mit Robotern vor, das die Funktionsweisen des Maschinellen Lernens spielerisch begreifbar macht.

Die Bildungsinitiative »Roberta« des Fraunhofer IAIS vermittelt spielerisch Programmier- und Robotik-Kenntnisse und fördert dabei auch das Verständnis für Technologien, die hinter Künstlicher Intelligenz und Maschinellem Lernen stehen. Thorsten Leimbach zeigt ein Experiment zur Programmierung von EV3-Robotern von LEGO Mindstorms. Für die Programmierung wird die eigens von Fraunhofer IAIS entwickelte grafische Programmiersprache »NEPO« verwendet. Die Demonstration veranschaulicht, wie Programme und Maschinen lernen und intelligent agieren können.

Die Roberta-Initiative hat das Ziel, insbesondere Kindern und Jugendlichen, aber auch Erwachsenen hands-on digitale Kompetenzen zu vermitteln. Mit ihrem Bildungskonzept und der Programmier­sprache NEPO, die im Open Roberta Lab (https://lab.open-roberta.org) frei zugänglich ist, hat die Initiative seit 2002 schon mehr als 2000 Lehrkräfte geschult und mehr als 450 000 Schülerinnen und Schüler in Deutschland und über die Grenzen hinaus erreicht.

 

Betreuer des Exponats:
Thorsten Leimbach, Leiter der Roberta-Initiative am Fraunhofer IAIS

Rekonstruktion von Satellitenbildern

Wir zeigen, wie Maschinelles Lernen dabei hilft, die Qualität von Satellitenbildern zu verbessern, indem Störungen, beispielweise durch Wolken, beseitigt werden.

In der heutigen Zeit erweisen sich Satellitendaten als äußerst aufschlussreich, um Einblicke in weitläufige Entwicklungen wie etwa Erderwärmung, Urbanisierung oder Flächennutzung zu erhalten.

Die aktuelle Technik liefert hoch aufgelöste Bilder, allerdings existieren bei der Fernerkundung auch viele Störfaktoren. Eines der größten Probleme sind Wolken am Himmel, die oft zu großen Mengen an unbrauchbaren Daten führen.

Raphael Fischer erforscht daher Möglichkeiten, um Wolken und die resultierenden Lücken in Datensätzen zu entfernen. Sein räumlich-zeitliches Modell ist in der Lage, basierend auf den verfügbaren Daten vielversprechende Vorhersagen für die bewölkten Teile zu machen. Im Rahmen der Ausstellung wird er das Verfahren genauer erläutern und anhand einiger Beispielbilder die Qualität der Methode belegen.

Betreuer des Exponats:
Raphael Fischer, Wissenschaftlicher Mitarbeiter der TU Dortmund

Evolutionäre Optimierung

Wir erklären, wie Maschinen in einem evolutionären Prozess lernen und so immer bessere Ergebnisse liefern – und was das mit Quantencomputern zu tun hat.

Viele schwierige Probleme des Maschinellen Lernens lassen sich auf die Optimierung von Bit-Vektoren reduzieren. Vereinfacht bedeutet das: Für eine Reihe von Schaltern, die entweder „an“ oder „aus“ sein können, soll die eine Kombination gefunden werden, die bezüglich eines bestimmten Kriteriums am besten ist. Dies ist für einige wenige Schalter sehr einfach, aber bereits für 32 Schalter reicht ein Menschenleben nicht mehr aus, um alle Kombinationen durchzuprobieren – geschweige denn für tausende von Schaltern.

Im Rahmen dieses Exponats soll ein Optimierer vorgestellt werden, der genau dieses Problem löst, indem er sich Mechanismen der natürlichen Evolution zum Vorbild nimmt. Durch die Verwendung moderner Hardware ist es dadurch möglich, selbst schwierigste Probleme des Maschinellen Lernens in wenigen Sekunden oder gar Millisekunden zu lösen, wie in einer Live-Demo mit Hardware und Visualisierungen vor Ort gezeigt werden soll.

Das Problem der Optimierung von Bit-Vektoren soll zudem mithilfe einer interaktiven Demo anhand der Analogie mit „Schaltern“ greifbar veranschaulicht werden, bei der besagte Schalter an- und ausgeschaltet und die Güte jeder Kombination live angezeigt werden kann. Dadurch sollen einerseits die unerwartete Schwierigkeit dieses scheinbar einfachen Problems und andererseits automatisierbare Lösungsansätze leicht verständlich demonstriert werden.

Außerdem wird die Parallele zur Welt des Quantencomputings aufgezeigt, in der genau das gleiche Problem gelöst wird, nur mit einem ganz anderen Ansatz.

Betreuer des Exponats:
Sascha Mücke, Wissenschaftlicher Mitarbeiter der TU Dortmund

Semantische Sprachtechnologien

Sprachtechnologien auf Basis von Maschinellem Lernen ermöglichen die intuitive Interaktion mit Technik – aktuelle Entwicklungen werden anhand von praktischen Anwendungen präsentiert.

Sprachassistenten erobern immer mehr Lebensbereiche und ermöglichen eine intuitive Interaktion mit Technik. Sie sind nicht nur im Alltag nützliche Helfer, sondern bieten Unternehmen auch ein großes Potenzial, die Interaktion zwischen Mensch und Maschine zu erleichtern und Kunden völlig neue Dienstleistungen anzubieten.

Besonders gewinnbringend für Unternehmen sind intelligente Sprachtechnologien auf Basis von Maschinellem Lernen, die auf domänenspezifisches Wissen fokussieren und für bestimmte Anwendungsfelder trainiert werden können. Es werden konkrete Anwendungsprojekte vorgestellt, die zeigen, wie neueste Methoden der Spracherkennung etwa zur Live-Untertitelung von Reden und Interviews verwendet werden können oder das Finden von Beiträgen in Medienarchiven vereinfachen. Zudem wird ein Prototyp eines Dialogsystems präsentiert, das domänenspezifisches Wissen aus Wissensgraphen nutzt, um Autofahrer*innen interaktiv Informationen zu bestimmten Points of Interest in einer Stadt zu geben.

 

Betreuer des Exponats:
Oliver Walter, Wissenschaftlicher Mitarbeiter am Fraunhofer IAIS

Vertrauen und Transparenz schaffen – mit KI-Absicherung und -Zertifizierung

Unsere Wissenschaftler*innen präsentieren neueste Forschungsansätze zum verantwortungsvollen Design von KI-Lösungen und ihrer technisch zuverlässigen Umsetzung.

Künstliche Intelligenz übernimmt immer komplexere Aufgaben im Alltags- und Geschäftsleben und agiert dabei zunehmend autonom. Zudem beruhen KI-Anwendungen oft auf riesigen Datenmengen und dem Einsatz hochkomplexer mathematischer Verfahren. Für Anwender ist es in der Praxis meist schwierig zu überprüfen, inwiefern die zugesicherten Eigenschaften erfüllt werden. Wissenschaftler*innen des Fraunhofer IAIS entwickeln daher Verfahren, um KI-Technologien schon im Design sicher und verlässlich zu gestalten sowie aus ethischen, rechtlichen und technologischen Perspektiven abzusichern.

So können mathematische Verfahren und Beweise verwendet werden, um die Genauigkeit von KI-Anwendungen zu messen. Das Exponat illustriert ein Kooperationsprojekt mit der Volkswagen AG aus dem Bereich autonomes Fahren. Wir zeigen anhand eines Videos, wie Personen und Objekte, die am Straßenverkehr teilnehmen (z. B. Fahrzeuge, Radfahrer, Fußgänger), anhand von Technologien des Maschinellen Lernens auf sichere Art erkannt werden.

Darüber hinaus entwickelt ein interdisziplinäres Team von Wissenschaftler*innen aus NRW aktuell einen Prüfkatalog für KI-Anwendungen. Eine KI-Zertifizierung, die auf einer sachkundigen und neutralen Prüfung beruht, schafft Vertrauen und Akzeptanz – sowohl bei Unternehmen als auch bei Nutzerinnen und Nutzern sowie gesellschaftlichen Akteuren. Der interdisziplinäre Ansatz berücksichtigt philosophisch-ethische, rechtliche und technologische Aspekte. Die konkreten Handlungsfelder der Zertifizierung sind in einem Anfang Juli veröffentlichten Whitepaper erläutert, das bei Interesse ausgehändigt werden kann.

 

Betreuer des Exponats:
Dr. Stefan Rüping, Abteilungsleiter am Fraunhofer IAIS

Website
Download

Drohnenschwarm im Einsatz in der Logistik

Das Exponat zeigt, wie ein Drohnenschwarm biointelligente Verhaltensweisen anwendet, um komplexe logistische Aufgaben zu lösen.

Im Rahmen des Kompetenzzentrums ML2R werden maschinelle Lernverfahren zur Verbesserung der Schwarmintelligenz entwickelt. Die Drohnen imitieren das Verhalten eines Vogelschwarms und es lassen sich Handlungsweisen erkennen, die man auch bei Vögeln in der Natur beobachten kann. Die einzelnen Drohnen orientieren sich am Verhalten ihrer Nachbarn und passen ihre Flugrichtung und Geschwindigkeit laufend an. Kollisionen werden vermieden, Gruppen gebildet und aus den Wechselwirkungen der individuellen Entscheidungen entsteht eine emergente Schwarmintelligenz, die keine zentrale Koordination benötigt.

Die Koordination der Drohnen untereinander wird per Laserprojektion visualisiert, so dass die Zuschauer anschaulich die internen, algorithmischen Verhaltensweisen nachvollziehen können. Die logistischen Aufgaben erscheinen per Laserprojektion am Boden und werden den Drohnen als virtuelles Baumaterial oder Futter angeboten, das zum Nest (Warenausgang) transportiert werden muss. Einzelne Drohen lösen sich aus dem Schwarm und übernehmen den Transport.

Betreuer des Exponats:
Anike Murrenhoff, Wissenschaftliche Mitarbeiterin am Fraunhofer IML
Moritz Roidl, Oberingenieur an der TU Dortmund

Sprecher und Gastgeber

Prof. Dr. Katharina Morik, Sprecherin des ML2R, Standort Dortmund
Prof. Dr. Stefan Wrobel, Sprecher des ML2R, Standorte Bonn und Sankt Augustin
Prof. Dr. Dr. h.c. Michael ten Hompel, Institutsleiter des Fraunhofer IML
Prof. Dr. Dr. h.c. Ursula Gather, Rektorin der TU Dortmund
Prof. Dr. Gabriele Sadowski, Prorektorin Forschung der TU Dortmund

Organisation und Öffentlichkeitsarbeit:

Jens Björn Buß, TU Dortmund, Veranstaltungsorganisation
Vanessa Faber, TU Dortmund, Veranstaltungsorganisation
Katrin Berkler, Presse und Öffentlichkeitsarbeit ML2R
Inga Daase, Presse und Öffentlichkeitsarbeit ML2R

Betreuerinnen und Betreuer der Exponate und Demonstratoren:

Thorsten Leimbach, Leiter der Roberta-Initiative am Fraunhofer IAIS
Oliver Walter, Wissenschaftlicher Mitarbeiter am Fraunhofer IAIS
Dr. Stefan Rüping, Abteilungsleiter am Fraunhofer IAIS
Sascha Mücke, Wissenschaftlicher Mitarbeiter der TU Dortmund
Raphael Fischer, Wissenschaftlicher Mitarbeiter der TU Dortmund
Anike Murrenhoff, Wissenschaftliche Mitarbeiterin am Fraunhofer IML
Moritz Roidl, Oberingenieur an der TU Dortmund

Die ML2R-Mission: Transfer in Wissenschaft und Praxis

Eingebettet in ein starkes Partnernetzwerk steht das ML2R für den Transfer seiner wissenschaftlichen Exzellenz in die Wirtschaft. Dazu arbeitet das ML2R-Team intensiv mit seinen assoziierten Partnern zusammen und vernetzt sich darüber hinaus mit einer Vielzahl regionaler und internationaler Unternehmen – von regionalen Mittelständlern bis hin zu führenden Konzernen.

Starke Standorte mit starkem Netzwerk

Die beiden leitenden ML2R-Partner, TU Dortmund und Fraunhofer IAIS, sind führende KI-Standorte mit langjähriger Reputation im Maschinellen Lernen, einem innovativen Forschungsumfeld und einem starken wissenschaftlichen Netzwerk.

Weitere Partnerinstitute


Lehrstuhl für Künstliche Intelligenz TU Dortmund

Der Lehrstuhl 8 der Fakultät für Informatik beschäftigt sich mit dem Maschinellen Lernen. Insbesondere steht dabei die praktische Umsetzung von Lernverfahren, die Entwicklung von Algorithmen für herausfordernde Probleme, im Vordergrund.

Website

Sonderforschungsbereich 876 – Verfügbarkeit von Information durch Analyse unter Ressourcenbeschränkung

Die starken Beschränkungen eingebetteter Systeme in Bezug auf Rechenkapazität, Speicher und Energie erfordern neue Algorithmen für Lernverfahren. Diese Lernverfahren lassen sich ebenso für sehr große Datenmengen auf Servern einsetzen.

Website

Dortmund Data Science Center

Das Dortmund Data Science Center (DoDSc) ist ein interdisziplinäres Zentrum der TU Dortmund, an dem die datenwissenschaftliche Forschung innerhalb der TU Dortmund und in ihrem Umfeld gebündelt wird.

Website

Plattform Lernende Systeme

Lernende Systeme im Sinne der Gesellschaft zu gestalten – diesen Anspruch verfolgt die Plattform Lernende Systeme, die das Bundesministerium für Bildung und Forschung (BMBF) im Jahr 2017 initiiert hat.

Website
Bericht

Sommer der Künstlichen Intelligenz – Bundesforschungsministerin Karliczek erhielt am Kompetenzzentrum ML2R Einblicke in Anwendungen des Maschinellen Lernens

10. Juli 2019

Anja Karliczek, Bundesministerin für Bildung und Forschung, besuchte am 9. Juli gemeinsam mit Journalistinnen und Journalisten das Kompetenzzentrum Maschi­­nelles Lernen Rhein-Ruhr (ML2R). Die Ministerin nutzte die Gelegenheit, praktische Anwendungen der Künstlichen Intelligenz (KI) und des Maschinellen Lernens (ML) live zu erleben und selbst auszu­pro­bieren: Sie begegnete Robo­tern, die KI und ML spielerisch begreifbar machen, entdeckte KI-Systeme, die gesproche­ne Sprache analysieren, Satelliten­bilder verbessern und autonomes Fahren sicherer machen, über ihr summte ein Drohnenschwarm. Damit ver­schaffte sich die Ministerin Eindrücke von herausragenden Projekten, die im Rahmen des ML2R durch das Bundesministerium für Bildung und Forschung (BMBF) gefördert werden.

Es ist der Sommer der Künstlichen Intelligenz: Mit ihrer Schlüs­sel­technologie, dem Maschi­nellen Lernen, ist sie der wesentliche Treiber der aktuellen Digi­ta­lisierung unserer Wirtschaft und Gesellschaft. Die deutsche KI-Forschung blüht auf und viele Unterneh­men erkennen die großen Chancen, die intelligente Technologien mit sich bringen. Nicht zuletzt hat das BMBF 2019 zum »Wissenschaftsjahr Künstliche Intelligenz« erklärt. Was wäre ein Sommer ohne das Reisen: Gestern reiste Bundes­forschungsministerin Anja Karliczek nach Dortmund und besuchte dort das Kompetenzzentrum Maschinelles Lernen Rhein-Ruhr (ML2R), um sich über aktuelle Projekte und die Zukunftspläne des Zentrums zu informieren. Das ML2R, angesiedelt in Bonn, Sankt Augustin und Dortmund, ist einer von vier bundesweiten Knoten­punkten für ML-Spitzenforschung, Nachwuchsförderung und Trans­fer, initiiert und geför­dert durch das BMBF.

Begrüßt wurde Anja Karliczek von den beiden Sprechern des ML2R, Prof. Dr. Katharina Morik und Prof. Dr. Stefan Wrobel, die das Kompetenzzentrum vorstellten. »Unser Ziel ist es, die Forschung zum Maschinellen Lernen aus NRW auf ein weltweit führendes Niveau zu bringen und Deutschland damit für die digitale Zukunft optimal aufzustellen«, sagte Prof. Morik, Professorin an der TU Dortmund. Das ML2R verbindet grundlagen­orien­tierte mit anwendungsnaher Forschung und konzen­triert sich auf drei Forschungs­schwerpunkte: Maschinelles Lernen, das sich am Menschen orien­tiert, ML mit beschränk­ten Ressourcen und ML-Technologien, die komplexes Wissen einbinden können.

 

Forschung für die praktische Anwendung – Highlights aus dem ML2R

Wie diese Forschungsschwerpunkte ihren Weg in wirtschafts- und gesellschaftsrelevante Anwendungen finden, zeigten die ML2R-Wissenschaftlerinnen und -Wissenschaftler anhand von sechs konkreten Projekten. Den Auftakt machte die kleine Roboterdame »Roberta«, die demonstrierte, wie Anwendungen der Künstlichen Intelligenz funktio­nieren und ganz einfach selbst programmiert werden können. »Mit unserer ‚Roberta-Initiative‘ zeigen wir am Fraunhofer IAIS bereits seit über 15 Jahren, wie einfach es ist, Technik nicht nur zu nutzen, sondern selbst zu gestalten – schon mehr als 450.000 Kinder und Jugendliche haben wir mit ‚Roberta‘ für Technik begeistert und ans Program­mieren herangeführt«, betonte Prof. Wrobel, Leiter des Fraunhofer-Instituts für Intelli­gente Analyse- und Informationssysteme IAIS in Sankt Augustin und Professor an der Universität Bonn. »Im Kontext des ML2R zeigen wir, wie auch komplexe Themen wie KI und Maschinelles Lernen spielerisch begreifbar werden.«

Wie beim Maschinellen Lernen Energie gespart werden kann, erläuterten die Forscher vom ML2R-Standort Dortmund am Beispiel der Hardware »EQO«. KI-Systeme benötigen oft große Rechenanlagen, um schnell zu lernen – neueste Erkenntnisse ermöglichen sogar das Lernen auf »Quantencomputern«, um Probleme zu lösen, die für klassische Computer »zu schwer« sind. Da Quantencomputer sehr viel Energie verbrauchen, hat das ML2R-Team einen neuartigen Ansatz entwickelt, der sich an der Funktionsweise von Quantencomputern orientiert und sich dazu evolutionäre Mechanismen der Natur zunutze macht. Die neue Hardware kommt mit einem Bruchteil der Energie aus, die von Quantencomputern oder klassischen Großrechnern benötigt wird.

Auch die Erdwissenschaft profitiert vom Maschinellen Lernen, was gerade in Zeiten des Klimawandels besonders wichtig ist. Daten aus Satelliten können uns helfen, die Vegeta­tion unseres Planeten besser zu verstehen und dem weltweiten Nahrungsmangel ent­gegenzuwirken. »Allerdings kann eine Messung bereits durch einen bewölkten Himmel unbrauchbar werden«, so Prof. Morik. Deshalb haben die Forscher am ML2R neue Metho­den entwickelt, die lernen, wie sich die Vegetation verändert, und es so ermög­lichen, Wolken zu »durch­­leuch­ten«, die Satellitenbilder sonst unbrauchbar machen.

Wie der Transfer in wirtschaftliche Anwendungen gelingteigte das ML2R-Team anhand mehrerer Projekte, die bei Unternehmen im praktischen Einsatz sind: Die ML2R-Experten des Standortes Sankt Augustin/Bonn stellten etwa semantische Sprachtechnologien vor, die Videobeiträge live untertiteln, audiovisuelle Medienarchive erschließen und Sprach­assis­tenten zum Leben erwecken. Auch um Sicherheit und Transparenz ging es beim Rund­gang der Ministerin – am Beispiel des autonomen Fahrens zeigten Wissenschaftler des Fraunhofer IAIS, wie KI-basierte Objekterkennung sicherer gemacht werden kann. Den Schlusspunkt setzte eine Vorführung des Fraunhofer IML zum Einsatz von ML in der Logistik: Ein Drohnenschwarm stieg auf und löste anhand von biointelligenten Verhal­tens­weisen komplexe logistische Aufgaben.

Zum Ausklang bot sich der Ministerin sowie den mitreisenden Journalistinnen und Jour­na­listen die Gelegenheit zu vertiefenden Gesprächen mit den ML2R-Expertinnen und -Experten sowie zum Experimentieren und Ausprobieren der interaktiven Exponate.

 

Über das Kompetenzzentrum Maschinelles Lernen Rhein-Ruhr (ML2R)

Das Kompetenzzentrum ML2R betreibt ML-Spitzenforschung, fördert den wissenschaft­lichen Nachwuchs und stärkt den Technologietransfer in Unternehmen. Das ML2R wird als einer von vier bundesweiten Knotenpunkten zum Maschinellen Lernen durch das Bundesministerium für Bildung und Forschung (BMBF) gefördert. Beteiligt sind die Technische Universität Dortmund, die Universität Bonn, das Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS in Sankt Augustin sowie das Fraunhofer-Institut für Materialfluss und Logistik IML in Dortmund. Sprecher des Zentrums sind Prof. Dr. Katharina Morik (TU Dortmund) und Prof. Dr. Stefan Wrobel (Fraunhofer IAIS/Universität Bonn).

Pressekontakt:

Katrin Berkler
Leiterin Presse und Öffentlichkeitsarbeit
Kompetenzzentrum Maschinelles Lernen Rhein-Ruhr
Telefon: 02241 14-2252
E-Mail: ml2r-pr@iais.fraunhofer.de

Download
Fotos (20)
Mehr laden
Exponate (6)

KI und Maschinelles Lernen kinderleicht – mit »Roberta« & »NEPO«

Die Roberta-Initiative des Fraunhofer IAIS stellt im Kontext des ML2R ein Experiment mit Robotern vor, das die Funktionsweisen des Maschinellen Lernens spielerisch begreifbar macht.

Die Bildungsinitiative »Roberta« des Fraunhofer IAIS vermittelt spielerisch Programmier- und Robotik-Kenntnisse und fördert dabei auch das Verständnis für Technologien, die hinter Künstlicher Intelligenz und Maschinellem Lernen stehen. Thorsten Leimbach zeigt ein Experiment zur Programmierung von EV3-Robotern von LEGO Mindstorms. Für die Programmierung wird die eigens von Fraunhofer IAIS entwickelte grafische Programmiersprache »NEPO« verwendet. Die Demonstration veranschaulicht, wie Programme und Maschinen lernen und intelligent agieren können.

Die Roberta-Initiative hat das Ziel, insbesondere Kindern und Jugendlichen, aber auch Erwachsenen hands-on digitale Kompetenzen zu vermitteln. Mit ihrem Bildungskonzept und der Programmier­sprache NEPO, die im Open Roberta Lab (https://lab.open-roberta.org) frei zugänglich ist, hat die Initiative seit 2002 schon mehr als 2000 Lehrkräfte geschult und mehr als 450 000 Schülerinnen und Schüler in Deutschland und über die Grenzen hinaus erreicht.

 

Betreuer des Exponats:
Thorsten Leimbach, Leiter der Roberta-Initiative am Fraunhofer IAIS

Rekonstruktion von Satellitenbildern

Wir zeigen, wie Maschinelles Lernen dabei hilft, die Qualität von Satellitenbildern zu verbessern, indem Störungen, beispielweise durch Wolken, beseitigt werden.

In der heutigen Zeit erweisen sich Satellitendaten als äußerst aufschlussreich, um Einblicke in weitläufige Entwicklungen wie etwa Erderwärmung, Urbanisierung oder Flächennutzung zu erhalten.

Die aktuelle Technik liefert hoch aufgelöste Bilder, allerdings existieren bei der Fernerkundung auch viele Störfaktoren. Eines der größten Probleme sind Wolken am Himmel, die oft zu großen Mengen an unbrauchbaren Daten führen.

Raphael Fischer erforscht daher Möglichkeiten, um Wolken und die resultierenden Lücken in Datensätzen zu entfernen. Sein räumlich-zeitliches Modell ist in der Lage, basierend auf den verfügbaren Daten vielversprechende Vorhersagen für die bewölkten Teile zu machen. Im Rahmen der Ausstellung wird er das Verfahren genauer erläutern und anhand einiger Beispielbilder die Qualität der Methode belegen.

Betreuer des Exponats:
Raphael Fischer, Wissenschaftlicher Mitarbeiter der TU Dortmund

Evolutionäre Optimierung

Wir erklären, wie Maschinen in einem evolutionären Prozess lernen und so immer bessere Ergebnisse liefern – und was das mit Quantencomputern zu tun hat.

Viele schwierige Probleme des Maschinellen Lernens lassen sich auf die Optimierung von Bit-Vektoren reduzieren. Vereinfacht bedeutet das: Für eine Reihe von Schaltern, die entweder „an“ oder „aus“ sein können, soll die eine Kombination gefunden werden, die bezüglich eines bestimmten Kriteriums am besten ist. Dies ist für einige wenige Schalter sehr einfach, aber bereits für 32 Schalter reicht ein Menschenleben nicht mehr aus, um alle Kombinationen durchzuprobieren – geschweige denn für tausende von Schaltern.

Im Rahmen dieses Exponats soll ein Optimierer vorgestellt werden, der genau dieses Problem löst, indem er sich Mechanismen der natürlichen Evolution zum Vorbild nimmt. Durch die Verwendung moderner Hardware ist es dadurch möglich, selbst schwierigste Probleme des Maschinellen Lernens in wenigen Sekunden oder gar Millisekunden zu lösen, wie in einer Live-Demo mit Hardware und Visualisierungen vor Ort gezeigt werden soll.

Das Problem der Optimierung von Bit-Vektoren soll zudem mithilfe einer interaktiven Demo anhand der Analogie mit „Schaltern“ greifbar veranschaulicht werden, bei der besagte Schalter an- und ausgeschaltet und die Güte jeder Kombination live angezeigt werden kann. Dadurch sollen einerseits die unerwartete Schwierigkeit dieses scheinbar einfachen Problems und andererseits automatisierbare Lösungsansätze leicht verständlich demonstriert werden.

Außerdem wird die Parallele zur Welt des Quantencomputings aufgezeigt, in der genau das gleiche Problem gelöst wird, nur mit einem ganz anderen Ansatz.

Betreuer des Exponats:
Sascha Mücke, Wissenschaftlicher Mitarbeiter der TU Dortmund

Semantische Sprachtechnologien

Sprachtechnologien auf Basis von Maschinellem Lernen ermöglichen die intuitive Interaktion mit Technik – aktuelle Entwicklungen werden anhand von praktischen Anwendungen präsentiert.

Sprachassistenten erobern immer mehr Lebensbereiche und ermöglichen eine intuitive Interaktion mit Technik. Sie sind nicht nur im Alltag nützliche Helfer, sondern bieten Unternehmen auch ein großes Potenzial, die Interaktion zwischen Mensch und Maschine zu erleichtern und Kunden völlig neue Dienstleistungen anzubieten.

Besonders gewinnbringend für Unternehmen sind intelligente Sprachtechnologien auf Basis von Maschinellem Lernen, die auf domänenspezifisches Wissen fokussieren und für bestimmte Anwendungsfelder trainiert werden können. Es werden konkrete Anwendungsprojekte vorgestellt, die zeigen, wie neueste Methoden der Spracherkennung etwa zur Live-Untertitelung von Reden und Interviews verwendet werden können oder das Finden von Beiträgen in Medienarchiven vereinfachen. Zudem wird ein Prototyp eines Dialogsystems präsentiert, das domänenspezifisches Wissen aus Wissensgraphen nutzt, um Autofahrer*innen interaktiv Informationen zu bestimmten Points of Interest in einer Stadt zu geben.

 

Betreuer des Exponats:
Oliver Walter, Wissenschaftlicher Mitarbeiter am Fraunhofer IAIS

Vertrauen und Transparenz schaffen – mit KI-Absicherung und -Zertifizierung

Unsere Wissenschaftler*innen präsentieren neueste Forschungsansätze zum verantwortungsvollen Design von KI-Lösungen und ihrer technisch zuverlässigen Umsetzung.

Künstliche Intelligenz übernimmt immer komplexere Aufgaben im Alltags- und Geschäftsleben und agiert dabei zunehmend autonom. Zudem beruhen KI-Anwendungen oft auf riesigen Datenmengen und dem Einsatz hochkomplexer mathematischer Verfahren. Für Anwender ist es in der Praxis meist schwierig zu überprüfen, inwiefern die zugesicherten Eigenschaften erfüllt werden. Wissenschaftler*innen des Fraunhofer IAIS entwickeln daher Verfahren, um KI-Technologien schon im Design sicher und verlässlich zu gestalten sowie aus ethischen, rechtlichen und technologischen Perspektiven abzusichern.

So können mathematische Verfahren und Beweise verwendet werden, um die Genauigkeit von KI-Anwendungen zu messen. Das Exponat illustriert ein Kooperationsprojekt mit der Volkswagen AG aus dem Bereich autonomes Fahren. Wir zeigen anhand eines Videos, wie Personen und Objekte, die am Straßenverkehr teilnehmen (z. B. Fahrzeuge, Radfahrer, Fußgänger), anhand von Technologien des Maschinellen Lernens auf sichere Art erkannt werden.

Darüber hinaus entwickelt ein interdisziplinäres Team von Wissenschaftler*innen aus NRW aktuell einen Prüfkatalog für KI-Anwendungen. Eine KI-Zertifizierung, die auf einer sachkundigen und neutralen Prüfung beruht, schafft Vertrauen und Akzeptanz – sowohl bei Unternehmen als auch bei Nutzerinnen und Nutzern sowie gesellschaftlichen Akteuren. Der interdisziplinäre Ansatz berücksichtigt philosophisch-ethische, rechtliche und technologische Aspekte. Die konkreten Handlungsfelder der Zertifizierung sind in einem Anfang Juli veröffentlichten Whitepaper erläutert, das bei Interesse ausgehändigt werden kann.

 

Betreuer des Exponats:
Dr. Stefan Rüping, Abteilungsleiter am Fraunhofer IAIS

Website
Download

Drohnenschwarm im Einsatz in der Logistik

Das Exponat zeigt, wie ein Drohnenschwarm biointelligente Verhaltensweisen anwendet, um komplexe logistische Aufgaben zu lösen.

Im Rahmen des Kompetenzzentrums ML2R werden maschinelle Lernverfahren zur Verbesserung der Schwarmintelligenz entwickelt. Die Drohnen imitieren das Verhalten eines Vogelschwarms und es lassen sich Handlungsweisen erkennen, die man auch bei Vögeln in der Natur beobachten kann. Die einzelnen Drohnen orientieren sich am Verhalten ihrer Nachbarn und passen ihre Flugrichtung und Geschwindigkeit laufend an. Kollisionen werden vermieden, Gruppen gebildet und aus den Wechselwirkungen der individuellen Entscheidungen entsteht eine emergente Schwarmintelligenz, die keine zentrale Koordination benötigt.

Die Koordination der Drohnen untereinander wird per Laserprojektion visualisiert, so dass die Zuschauer anschaulich die internen, algorithmischen Verhaltensweisen nachvollziehen können. Die logistischen Aufgaben erscheinen per Laserprojektion am Boden und werden den Drohnen als virtuelles Baumaterial oder Futter angeboten, das zum Nest (Warenausgang) transportiert werden muss. Einzelne Drohen lösen sich aus dem Schwarm und übernehmen den Transport.

Betreuer des Exponats:
Anike Murrenhoff, Wissenschaftliche Mitarbeiterin am Fraunhofer IML
Moritz Roidl, Oberingenieur an der TU Dortmund

Sprecher und Gastgeber

Prof. Dr. Katharina Morik, Sprecherin des ML2R, Standort Dortmund
Prof. Dr. Stefan Wrobel, Sprecher des ML2R, Standorte Bonn und Sankt Augustin
Prof. Dr. Dr. h.c. Michael ten Hompel, Institutsleiter des Fraunhofer IML
Prof. Dr. Dr. h.c. Ursula Gather, Rektorin der TU Dortmund
Prof. Dr. Gabriele Sadowski, Prorektorin Forschung der TU Dortmund

Organisation und Öffentlichkeitsarbeit:

Jens Björn Buß, TU Dortmund, Veranstaltungsorganisation
Vanessa Faber, TU Dortmund, Veranstaltungsorganisation
Katrin Berkler, Presse und Öffentlichkeitsarbeit ML2R
Inga Daase, Presse und Öffentlichkeitsarbeit ML2R

Betreuerinnen und Betreuer der Exponate und Demonstratoren:

Thorsten Leimbach, Leiter der Roberta-Initiative am Fraunhofer IAIS
Oliver Walter, Wissenschaftlicher Mitarbeiter am Fraunhofer IAIS
Dr. Stefan Rüping, Abteilungsleiter am Fraunhofer IAIS
Sascha Mücke, Wissenschaftlicher Mitarbeiter der TU Dortmund
Raphael Fischer, Wissenschaftlicher Mitarbeiter der TU Dortmund
Anike Murrenhoff, Wissenschaftliche Mitarbeiterin am Fraunhofer IML
Moritz Roidl, Oberingenieur an der TU Dortmund

ML2R-Partnernetzwerk

Die ML2R-Mission: Transfer in Wissenschaft und Praxis

Eingebettet in ein starkes Partnernetzwerk steht das ML2R für den Transfer seiner wissenschaftlichen Exzellenz in die Wirtschaft. Dazu arbeitet das ML2R-Team intensiv mit seinen assoziierten Partnern zusammen und vernetzt sich darüber hinaus mit einer Vielzahl regionaler und internationaler Unternehmen – von regionalen Mittelständlern bis hin zu führenden Konzernen.

Starke Standorte mit starkem Netzwerk

Die beiden leitenden ML2R-Partner, TU Dortmund und Fraunhofer IAIS, sind führende KI-Standorte mit langjähriger Reputation im Maschinellen Lernen, einem innovativen Forschungsumfeld und einem starken wissenschaftlichen Netzwerk.

Weitere Partnerinstitute


Lehrstuhl für Künstliche Intelligenz TU Dortmund

Der Lehrstuhl 8 der Fakultät für Informatik beschäftigt sich mit dem Maschinellen Lernen. Insbesondere steht dabei die praktische Umsetzung von Lernverfahren, die Entwicklung von Algorithmen für herausfordernde Probleme, im Vordergrund.

Website

Sonderforschungsbereich 876 – Verfügbarkeit von Information durch Analyse unter Ressourcenbeschränkung

Die starken Beschränkungen eingebetteter Systeme in Bezug auf Rechenkapazität, Speicher und Energie erfordern neue Algorithmen für Lernverfahren. Diese Lernverfahren lassen sich ebenso für sehr große Datenmengen auf Servern einsetzen.

Website

Dortmund Data Science Center

Das Dortmund Data Science Center (DoDSc) ist ein interdisziplinäres Zentrum der TU Dortmund, an dem die datenwissenschaftliche Forschung innerhalb der TU Dortmund und in ihrem Umfeld gebündelt wird.

Website

Plattform Lernende Systeme

Lernende Systeme im Sinne der Gesellschaft zu gestalten – diesen Anspruch verfolgt die Plattform Lernende Systeme, die das Bundesministerium für Bildung und Forschung (BMBF) im Jahr 2017 initiiert hat.

Website