AG 1: Technologische Wegbereiter und Data Science

Maschinelles Lernen ist in Wissenschaft und Wirtschaft zu einem entscheidenden Wettbewerbsfaktor geworden und hat das Arbeiten und den Alltag verändert. Ermöglicht wurde dies durch Fortschritte im maschinellen Lernen und in der Data Science. In der vergangenen Dekade beruhte der Fortschritt im maschinellen Lernen auf einer Kombination aus skalierbaren Algorithmen, steigenden Rechenkapazitäten und umfangreichen Datensätzen (z. B. Text, Bild, Programmcode etc.) und sogar Datenströmen in Echtzeit. Data Science geht über das maschinelle Lernen hinaus und umfasst den gesamten Prozess vom Management, der Kuratierung, Bereinigung und Analyse der Daten bis zum Speichern, Validieren und Anwenden der Modelle, die auf Basis dieser Daten trainiert wurden.

Themen und Organisation der Arbeitsgruppe

Die Arbeitsgruppe „Technologische Wegbereiter und Data Science“ befasst sich mit den technologischen Grundlagen und Enablern von Lernenden Systemen. Sie übernimmt innerhalb der Plattform Lernende Systeme eine Querschnittsfunktion und gibt Impulse an alle weiteren Arbeitsgruppen.

Mitglieder der Arbeitsgruppe

Dr. Aljoscha Burchardt
Deutsches Forschungsinstitut für Künstliche Intelligenz (DFKI) GmbH (für das Lenkungskreis-Mitglied Wolfgang Wahlster)

Dr. Carl-Helmut Coulon
INVITE GmbH

Prof. Dr. Wolfgang Ecker
Infineon Technologies AG

Dr. Tim Gutheit
Infineon Technologies AG (für das Lenkungskreis-Mitglied Elke Reichart)

Dr. Johannes Hinckeldeyn
KION Group

Dr. Johannes Hoffart
SAP SE

Prof. Dr. Kristian Kersting
Technische Universität Darmstadt

Prof. Dr. Stefan Kramer
Johannes-Gutenberg-Universität Mainz

Prof. Dr. Gitta Kutyniok
Ludwig-Maximilians-Universität München

Prof. Dr. Marius Lindauer
Leibniz Universität Hannover, Forschungszentrum L3S

Prof. Dr.-Ing. Alexander Löser
Berliner Hochschule für Technik

Prof. Dr. Volker Markl
Technische Universität Berlin

Prof. Dr. Katharina Morik
Technische Universität Dortmund

Prof. Dr. Klaus-Robert Müller
Technische Universität Berlin

Dr. Michael Overdick
Sick AG

Prof. Dr. Wojciech Samek
TU Berlin, Fraunhofer Heinrich-Hertz-Institut HHI

Prof. Dr. Kai-Uwe Sattler
Technische Universität Ilmenau

Philipp Schlunder
daibe UG

Dr. Jilles Vreeken
Helmholtz-Zentrum für Informationssicherheit (CISPA) / Max-Planck-Institut für Informatik

Prof. Dr.-Ing. Gerhard Weikum
Max-Planck-Institut für Informatik

Prof. Dr. Stefan Wrobel
Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS

Von den aufgeführten Personen liegt uns ein schriftliches Einverständnis zur Veröffentlichung ihrer Daten gemäß DSGVO vor. Diese Mitgliederliste stellt einen Auszug dar und wird laufend vervollständigt.

Leitfragen der Arbeitsgruppe

Was sind die wichtigsten Forschungsfelder bei Künstlicher Intelligenz, maschinellem Lernen und Data Science? Welches Potenzial haben sie für disruptive Anwendungen?
Wo liegen die Stärken und Schwächen der KI-Forschung in Deutschland?
Wie kann die Ausbildung von Forscherinnen, Forschern und Fachkräften für maschinelles Lernen und Data Science an Hochschulen weiter verbessert werden?
Welche Kompetenzen aus der KI-Forschung werden in der Anwendung nachgefragt?
Welche Faktoren begünstigen bzw. hemmen die schnelle und erfolgreiche Anwendung von maschinellem Lernen und Data Science?