Mit der Einrichtung und dem Ausbau der Kompetenzzentren für KI-Forschung verfolgt das BMBF das Ziel, die bestehende gut aufgestellte KI-Forschung in Deutschland weiter zu stärken und durch die Fokussierung auf herausragende KI-Standorte, diese auf ein internationales Spitzenniveau zu heben. Die KI-Kompetenzzentren sollen dazu beitragen, die KI-Forschung in Deutschland weiter zu vernetzen und international sichtbarer und wettbewerbsfähiger zu machen. Als nationales Forschungskonsortium sollen sie im Verbund die gesamte thematische und methodische Breite der KI-Forschung in höchster Qualität abdecken und sich dabei ergänzen und kooperieren. Sie sollen attraktive Arbeitsbedingungen sowohl für den wissenschaftlichen Nachwuchs als auch für international renommierte Expertinnen und Experten bieten, sodass sich Deutschland im internationalen Wettbewerb um die besten Köpfe in der KI behaupten kann. Zudem sollen die KI-Kompetenzzentren Ausgangspunkt für eine europäische Vernetzung „KI made in Europe“ sein und damit auch die KI-Forschung in Europa vorantreiben.
Ihren Ursprung haben die KI-Kompetenzzentren in den Förderprogrammen zu Big Data und Maschinelles Lernen des Bundesministeriums für Bildung und Forschung (BMBF). Im Zuge der Umsetzung der KI-Strategie der Bundesregierung wurden die bestehenden Big Data Kompetenzzentren und die Kompetenzzentren für Maschinelles Lernen zu Kompetenzzentren zur Erforschung der Künstlichen Intelligenz ausgebaut.
Im Folgenden werden die Profile der sechs KI-Kompetenzzentren, die an den Universitäten in Berlin, Dortmund/Bonn, Dresden/Leipzig, München und Tübingen angesiedelt sind und zu denen auch das DFKI gehört, vorgestellt.
BIFOLD - Berlin Institute for the Foundations of Learning and Data
Durch die Verschmelzung und die Erweiterung der bestehenden Kompetenzzentren Berlin Big Data Center (BBDC) und Berliner Zentrum für Maschinelles Lernen (BZML) zum Berlin Institute for the Foundations of Learning and Data (BIFOLD) ist 2019 das größte deutsche KI-Kompetenzzentren entstanden. Das BIFOLD will weltweit sichtbare Impulse setzen und auch die industrielle Nutzung dieser Technologien unterstützen und voranbringen. Das BIFOLD arbeitet an der Schnittstelle von Maschinellem Lernen und Big Data und treibt jede dieser beiden Säulen der KI-Forschung weiter voran und baut diese aus.
Inhaltlich beschäftigt sich das BIFOLD mit fünf Themenschwerpunkten:
- Theoretische Grundlagen und technische Methoden des Skalierbaren Datenmanagements (Big Data) und des Maschinellen Lernens (z. B. Lern- und Inferenzverfahren, Data Mining, Data Management, Data Security)
- Management von Data Science Prozessen (z. B. Informationsintegration, Big Data Management, Big Data Engineering, Informationsvisualisierung und Visual Analytics, Benchmarking)
- Neue Architekturen und Systeme (z. B. Datenanalyseinfrastrukturen und Informationsmarktplätze, Höchstskalierbare Systeme, Open Source und Open Data)
- Verantwortungsvolles Datenmanagement und erklärbare KI (z. B. Nachvollziehbares ML, Computersicherheit, Sicherung der informationellen Selbstbestimmung, Datenethik)
- Zukünftige wissenschaftliche und kommerzielle KI-Anwendungen (Bioinformatik, Simulation, Computer Vision, Medizin, Physik/Chemie, Kommunikation)
Projektpartner:
Technische Universität Berlin, Konrad-Zuse-Zentrum für Informationstechnik Berlin (ZIB), Max-Planck-Gesellschaft zur Förderung der Wissenschaften e.V., Beuth Hochschule für Technik Berlin (seit 2018 ausgeschieden), DFKI - Standort Berlin, Technische Universität Braunschweig, Humboldt-Universität zu Berlin, Freie Universität Berlin, Universität Potsdam, Forschungsverbund Berlin e.V., Deutsches Herzzentrum Berlin, Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V., Charité Berlin
Kontakt:
Technische Universität Berlin
Institut für Softwaretechnik und Theoretische Informatik
Marchstr. 23, 10587 Berlin
MCML - Münchner Kompetenzzentrum für Maschinelles Lernen -
Munich Center for Machine Learning
Ziel des MCML ist es, die KI-Kompetenzen Deutschlands im Bereich des Maschinellen Lernens in fünf Aspekten zu fördern. Zunächst soll die eigene Kompetenz des Zentrums durch Grundlagenforschung weiter gestärkt werden. Die Forschung erfolgt dabei sowohl in individuellen Teams, wie auch in Kooperation innerhalb des Zentrums. Die wissenschaftliche Zusammenarbeit erstreckt sich dabei über das Münchner Umfeld, das Netzwerk aller Kompetenzzentren sowie auf internationale Partner. Über gemeinsame Forschungsaktivitäten in den Bereichen Medizin, Gesundheitswesen und Mobilität sollen die Kompetenzen von Kooperationspartnern in Wissenschaft und Wirtschaft weiter ausgebaut werden.
Eine tragende Säule des MCML ist die Förderung des wissenschaftlichen Nachwuchses und der Studierenden. So werden ML-Kompetenzen in der Wissenschaft vertieft und den Transfer in Richtung Industrie weiter vorangetrieben. Neben den klassischen Studiengängen der Informatik und Statistik an LMU und TUM wurden weitere Masterstudiengänge in den Datenwissenschaften eingerichtet. Das MCML beteiligt sich über spezielle Vorlesungsreihen an diesen neuen Studiengängen. Zur Förderung des wissenschaftlichen Nachwuchses bietet das MCML zudem ein strukturiertes Doktorandenprogramm an und ermöglicht es Studierenden ihr Wissen und ihre Erfahrungen in Praktika weiter zu vertiefen. Über gezielte Weiterbildungsprogramme für Fachkräfte aus der Industrie werden praktisch ML-Kenntnisse vermittelt. Hierzu engagieren sich viele Wissenschaftlerinnen und Wissenschaftler des MCML als Dozentinnen und Dozenten im Zertifikatskurs „Data Science“ und in weiteren Angeboten. Um diese Weiterbildungsprogramme in enger Zusammenarbeit mit der Industrie sowohl quantitativ als auch qualitativ weiterzuentwickeln, wurden im MCML eigene Koordinationsstellen geschaffen. Letztlich sollen über Öffentlichkeitsarbeit, d. h. über Workshops, Podiumsdiskussionen, öffentliche Vorträge, Kommunikation mit Journalisten und den Medien im Allgemeinen auch ML-Kompetenzen in der Gesellschaft gestärkt werden.
Schwerpunkte der Forschung am MCML:
- Künstliche Intelligenz für die Menschen -- Human-Centric AI
- Automatisierung von maschinellem Lernen -- AutoML
- Erklärbare Modellierung und Inferenz
- Dienste für die Fachcommunity
Projektpartner:
Ludwig-Maximilians-Universität München, Technische Universität München
Kontakt:
Ludwig-Maximilians-Universität München
Lehrstuhl für Datenbanksysteme und Data Mining
Oettingenstr. 67, 80538 München
ML2R - Kompetenzzentrum Maschinelles Lernen Rhein-Ruhr -
Modulares Maschinelles Lernen
Das ML2R hat sich zum Ziel gesetzt, die Entwicklung der Künstlichen Intelligenz und des Maschinellen Lernens in Deutschland auf ein weltweit führendes Niveau zu bringen und Spitzenforschung am Standort zu etabliert. Hierfür soll der wissenschaftliche Nachwuchs gefördert und der Technologietransfer in Unternehmen gestärkt werden. Seit seinem Start im Jahr 2018 hat das ML2R seine Sichtbarkeit deutlich ausbauen können. Das Zentrum bringt regelmäßig renommierte Fachleute aus der deutschen und internationalen ML-Gemeinschaft zusammen. Aktuell arbeiten 32 Mitarbeiterinnen und Mitarbeiter standortübergreifend zusammen. Um den Transfer der Forschung in die praktische Anwendung zu beschleunigen, werden die Forschungsergebnisse der Wissenschaftlerinnen und Wissenschaftler für praxisorientierte Anwendungen genutzt und dienen als Basis für die Entwicklung neuer datenbasierter Dienstleistungen und Geschäftsmodelle. Das Zentrum möchte vor allem kleine und mittelständische Unternehmen den Zugang zu Strategien, Wissen und Daten ermöglichen, damit diese KMU die ML-Technologien erfolgreich einsetzen können. Das Kompetenzzentrum sieht sich in der Rolle eines aktiven Begleiters der gesellschaftlichen Debatte über die Auswirkungen der Künstlichen Intelligenz und des Maschinellen Lernens.
Aktuelle und neue Anwendungsbereiche stellen das Maschinelle Lernen insbesondere vor drei große Herausforderungen. Dies ist zum einen die Kombination von logischem Wissen und Daten in Lernverfahren, um die Qualität und Verlässlichkeit der Verfahren auch bei kleinen oder unsicheren Daten zu erhöhen. Eine weitere Herausforderung besteht darin, das Lernen bei beschränkter Rechenkapazität zu ermöglichen. Schließlich sollten die Lernverfahren nutzerorientiert, also möglichst verständlich, nachvollziehbar und validierbar gestaltet werden. Das Forschungsprofil des Kompetenzzentrums ML2R adressiert diese drei Herausforderungen auf Basis einer gemeinsamen Arbeitshypothese, welche das modulare Maschinellen Lernen in den Mittelpunkt stellt. Dabei können unterschiedliche Modellbestandteile durch Lernen auf einer höheren Ebene zu komplexeren Modellen verknüpft werden.
Projektpartner:
Technische Universität Dortmund, Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme (IAIS), Rheinische Friedrich-Wilhelms-Universität Bonn, Bonn-Aachen International Center for Information Technology (B-IT)
Kontakt:
Technische Universität Dortmund
Fakultät für Informatik, Lehrstuhl für Künstliche Intelligenz
Otto-Hahn-Str. 12, 44227 Dortmund
ScaDS.AI – Center for Scalable Data Analytics and Artificial Intelligence
Im Rahmen der Strategie Künstliche Intelligenz (KI) der Bundesregierung wurde das sächsische Kompetenzzentrum für Big Data an den beiden Standorten Dresden und Leipzig (ScaDS Dresden/Leipzig) zu einem der fünf deutschen KI-Kompetenzzentren ausgebaut. In der Grundlagenforschung zu KI-Methoden strebt das Zentrum an, die Lücke zwischen der effizienten Nutzung von Massendaten, fortschrittlichen KI-Methoden und der Verwaltung von Wissen zu schließen.
Neben neuen KI-Themen wird ScaDS.AI die bisherige Arbeit des seit 2014 bestehenden Big Data-Zentrums – welches sich mit dem effizienten und intelligenten Umgang mit sehr großen, oft verteilt vorliegenden und vielfach heterogenen Datenbeständen beschäftigt – fortführen und erweitern. Um den datengetriebenen Herausforderungen zu begegnen, die sich oftmals zwischen den Anwendungen unterscheiden, wird ein intensiver und kollaborativer Austausch zwischen Domänenwissenschaftlern und Datenanalyseexperten umgesetzt. Ein wesentlicher Erfolgsfaktor von ScaDS.AI Dresden/Leipzig ist neben der Domänen- und Informatikmethode ein Service-Zentrum, das interdisziplinäre Forschungsaktivitäten bündelt und in andere Bereiche transferiert. Zusätzlich startet ScaDS.AI ein Demo- und Living-Lab, in dem aktuelle Forschungsansätze und -ergebnisse mit potenziellen Benutzern und praktischen Problemstellungen zusammengeführt werden.
Der große Fortschritt von KI-Technologien in den letzten Jahren führte zu einer inhaltlichen Erweiterung des Themenspektrums des sächsischen KI-Kompetenzzentrums. Dabei wurde der Fortschritt hauptsächlich durch zwei Faktoren bestimmt: Erstens nutzt das Maschinelle Lernen – und insbesondere das „tiefe Lernen“ (Deep Learning) – Massendaten (Big Data), um Modelle für die Klassifizierung und Vorhersage zu entwickeln. Damit werden mittlerweile so genaue Rekonstruktionen erzielt, die menschlichen Fähigkeiten in einzelnen Disziplinen gleichkommen oder in Spezialfällen sogar übertreffen. Die zweite treibende Kraft der Entwicklung ist die immer noch exponentielle Zunahme der effektiven Rechenleistung, angetrieben durch die Entwicklung spezialisierter Hardware, die für KI-Anwendungen zur Verfügung steht.
Mit der Kombination aus Forschung zur Wissensakquisition, dessen Repräsentation sowie der Grundlagenforschung zu KI-Methoden arbeitet ScaDS.AI Dresden/Leipzig an Fortschritten bei wissensbasierten Methoden der Künstlichen Intelligenz. Da auch die Wahrung des Rechts auf Privatsphäre und die informationelle Selbstbestimmung der Bürger noch immer ein weitgehend ungelöstes Thema ist, forscht das sächsische Kompetenzzentrums auch hieran.
Projektpartner:
Technische Universität Dresden, Universität Leipzig, Max-Planck-Institut für Molekulare Zellbiologie und Genetik, Leibniz-Institut für ökologische Raumentwicklung e. V., Helmholtz-Zentrum Dresden - Rossendorf e. V., Helmholtz-Zentrum für Umweltforschung GmbH
Kontakt:
Technische Universität Dresden
Zentrum für Informationsdienste und Hochleistungsrechnen
01062 Dresden
TUEAI – Tübingen AI Center
Das zentrale Ziel des Kompetenzzentrums „TUEAI – Tübingen AI Center“ ist es, robuste intelligente lernende Systeme zu entwickeln. Die fehlende Robustheit des Maschinellen Lernens ist ein zentrales Defizit heutiger Algorithmen. Es ist daher zu erwarten, dass die Entwicklung robuster Lernalgorithmen, also von Algorithmen, die auch unter ungünstigen Bedingungen noch zuverlässig funktionieren, in den kommenden Jahren zum Innovationsmotor für Künstliche Intelligenz wird.
Um die Forschung in Tübingen noch zielgerichteter auf dieses Thema zu konzentrieren, werden Forschungsschwerpunkte im Wettbewerb um die besten Ideen bearbeitet. Wissenschaftliche Problemstellungen werden genau definiert und von Forschergruppen im prestigeträchtigen Wettbewerb auf der Suche nach der besten Lösung bearbeitet. Diese Wettbewerbe haben sich in der Vergangenheit als effektives Instrument zur Weiterentwicklung des Maschinellen Lernens erwiesen.
Im Bereich des Lernens sind Menschen, aber auch Tiere, den besten Maschinen noch weit voraus. Die fehlende Robustheit spiegelt die geringe Generalisierungsfähigkeit heutiger Algorithmen wider und limitiert die Anwendung von Maschinellem Lernen auf eng umgrenzte Einsatzgebiete. Diese Limitierungen aufzuheben und Maschinen zu befähigen, selbstständig geeignete Modelle von der Welt zu entwickeln, ist daher von überragender Bedeutung und verspricht einen großen Gewinn für die Gesellschaft.
Die Forschung des Tübingen AI Centers teilt sich in fünf Teilbereiche auf:
- Im Bereich der Prinzipien und Algorithmen wird an den theoretischen Grundlagen des Maschinellen Lernens geforscht.
- Im Bereich der Robusten Wahrnehmung wird untersucht, wie intelligente Systeme robuste Repräsentationen ihrer Welt erlernen können.
- Im Bereich Robustes Verhalten wird robustes Lernen im Kontext von autonomen Agenten untersucht, die mit ihrer Umgebung interagieren können.
- Im Bereich Maschinelles Lernen in der Medizin werden Anwendungen robuster Lernalgorithmen in der Medizin entwickelt.
- Im Bereich Privatsphäre, Fairness und Transparenz wird an Methoden geforscht, die die Entscheidungen von Algorithmen fairer und transparenter machen und dadurch ihren gesellschaftlichen Nutzen stärken und Risiken begrenzen.
Projektpartner:
Eberhard Karls Universität Tübingen, Max-Planck-Institut für Intelligente Systeme
Kontakt:
Eberhard Karls Universität Tübingen
Max-Planck-Ring 4, 72076 Tübingen
DFKI – Deutsches Forschungszentrum für Künstliche Intelligenz
Das Deutsche Forschungszentrum für Künstliche Intelligenz ist eine der weltweit führenden und gleichzeitig, mit über 900 Mitarbeitern, die größte Forschungseinrichtung auf diesem Gebiet [TBD]. Das DFKI wurde 1988 durch die Zusammenarbeit vom Bund, den Ländern Rheinland-Pfalz und Saarland sowie Unternehmen der privaten Wirtschaft als gemeinnützige GmbH gegründet. Die Finanzierung des Zentrums seitens des Bundes geschieht durch Projektfördermittel und war ursprünglich bis Ende 1997 vertraglich geregelt. Nach Ende des ursprünglichen Rahmenvertrags ging die Finanzierung des DFKI in die Prospektive-Projektförderung über, die alle 5 Jahre nach der Evaluation der bisherigen Arbeiten und der künftigen strategischen Ausrichtung des DFKI für eine weitere Pentade bestätigt wurde. Heute unterhält das Deutsche Forschungszentrum für Künstliche Intelligenz neben den ursprünglichen Standorten in Kaiserslautern und Saarbrücken auch einen Forschungsstandort in Bremen, ein Projektbüro in Berlin, ein Labor in Niedersachsen und Außenstellen in St. Wendel und Trier.
Das DFKI deckt thematisch einen großen Teil der KI-Forschungslandschaft ab. Die fachliche Ausrichtung der Forschungsprojekte ist zwar eher grundlagenorientiert, hat jedoch, durch die Beteiligung von privatwirtschaftlichen Unternehmen im Finanzierungsmodell, auch immer Anwendungsperspektiven. In diesem immer präsenten Anwendungsbezug findet man häufig die Ursprünge des DFKI wieder, die Robotik. Durch das DFKI werden Forschungsvorhaben bearbeitet, die eine stärkere Interdisziplinarität und somit das gesammelte Know-how der DKFI-Außenstellen fordert.
Darüber hinaus strebt das DFKI auch internationale Kooperationen an. So wird im laufenden Projekt REACT mit Wissenschaftlern aus Japan zum Themengebiet des autonomen Fahrens geforscht. Die auf nationaler Ebene angestrebte Kooperation zwischen deutschen und französischen KI-Experten wurde ebenfalls vom DFKI aufgegriffen. In 2019 wurde eine Absichtserklärung zwischen dem französischen Forschungsinstitut für Digitalwissenschaften und Technologien INRIA (Institut national de recherche en sciences et technologies du numérique) und dem DFKI unterschrieben, in dem das Bestreben nach Kooperation zwischen beiden Institutionen bekundet wird. Aufbauend darauf sind in 2020 vier Forschungsprojekte mit den französischen Partnern gestartet.
