BIFOLD: Berlin Institute for the Foundations of Learning and Data
Website
Das „Berlin Institute for the Foundations for Learning and Data“ (BIFOLD) ist 2019 aus der erfolgreichen Evaluierung und Fusion der Kompetenzzentren „Berlin Big Data Center“ (BBDC) und „Berliner Zentrum für Maschinelles Lernen“ (BZML) entstanden:
Das BBDC war dabei ein Ergebnis der BMBF Bekanntmachung „Kompetenzzentren für den intelligenten Umgang mit großen Datenmengen (Big Data)“ vom 20. Februar 2013.
Das BZML war ein Ergebnis der BMBF Bekanntmachung „Kompetenzzentren zur automatisierten Analyse von Daten mittels Maschinellen Lernens“ vom 17. Mai 2017.
BIFOLD ist an der Technischen Universität Berlin (TUB) angesiedelt und ist institutionell mit der Charité – Universitätsmedizin Berlin verpartnert. BIFOLD konzentriert sich auf die wissenschaftlichen Grundlagen von Big Data und Maschinellem Lernen sowie auf deren Überschneidungen zur Förderung von Innovationen in den Naturwissenschaften, Geisteswissenschaften und Unternehmen, insbesondere Start-Ups. Kombiniert wird dabei innovative Forschung zu Systemen und Technologien für die effiziente Verarbeitung großer, schneller und heterogener Datenströmen und Datenmanagement mit der Forschung an erklärungsfähigen Algorithmen und Modellen für Maschinelles Lernen. Mehrere BIFOLD Mitarbeitende und Fellows sind sowohl an den anderen großen Berliner Universitäten als auch in den Konsortien ELLIS und CLAIRE aktiv und steuern beispielsweise neue KI-Methoden für die statistische Mechanik und Quantenchemie bei. Aus BIFOLD sind bereits zahlreiche erfolgreiche Start-Ups hervorgegangen und in BIFOLD entwickelte Software wird u.a. bei führenden Tech-Giganten wie Google, Zalando oder Alibaba eingesetzt.
DFKI: Deutsches Forschungszentrum für Künstliche Intelligenz
Website
Das „Deutsches Forschungszentrum für Künstliche Intelligenz GmbH“ (DFKI) wurde 1988 als gemeinnützige Public-Private-Partnerschaft gegründet. Das Zentrum unterhält Standorte in verschiedenen Regionen Deutschlands, darunter Kaiserslautern, Saarbrücken, Bremen, Niedersachsen und Darmstadt, sowie Labore in Berlin und Lübeck sowie eine Außenstelle in Trier. Das DFKI ist eine führende wirtschaftsnahes Forschungseinrichtung Deutschlands im Bereich innovativer Softwaretechnologien auf der Basis von Methoden der KI.
Das DFKI ist in 29 Forschungsbereichen, zehn Kompetenzzentren und acht Living Labs tätig, in denen anwendungsorientierte Grundlagenforschung durchgeführt wird. Ziel ist die Entwicklung von Produktfunktionen, Prototypen und patentfähigen Lösungen im Bereich der Informations- und Kommunikationstechnologie. Derzeit arbeiten etwa 960 hochqualifizierte Angestellte und rund 600 studentische Mitarbeiterinnen und Mitarbeiter aus über 76 Nationen an über 560 Forschungsprojekten.
MCML: Munich Center for Machine Learning
Website
Nach erfolgreicher Evaluierung ist das „Munich Center for Machine Learning“ (MCML) aus dem „Münchner Kompetenzzentrum für Maschinelles Lernen“ hervorgegangen, das zuvor als zeitlich befristetes Projekt im Rahmen der BMBF Bekanntmachung „Kompetenzzentren zur automatisierten Analyse von Daten mittels Maschinellen Lernens“ vom 17. Mai 2017 gefördert wurde. Das MCML ist ein Zusammenschluss der Ludwigs-Maximilian-Universität München und der Technischen Universität München.
Die Aktivitäten des MCML orientieren sich an den Leitideen einer menschenzentrierten KI, des automatisierten Maschinellen Lernens, der Erklärbarkeit und der Förderung einer Open Science Community. Die daraus resultierende fachliche Ausrichtung gliedert sich in sechs Profilbereiche, die neben generellen Themen der Automation im maschinellen Lernen auch stark praxisrelevante Fragestellungen des Computersehens und der Interpretation raum-zeitlicher Dynamik beinhalten sowie Big Data. Das MCML hat sich dem Transfer von Know-How in Wissenschaft, Industrie und Gesellschaft verschrieben, getragen von einer starken Vernetzung auf nationaler und internationaler Ebene und insbesondere durch eine Vielzahl regionaler Partner aus dem Raum München. So wird der Kompetenzaufbau für Fachkräfte aus den Bereichen wie z.B. Medizin, Gesundheit oder Mobilität gezielt vorangetrieben.
Bildquelle: Munich Center for Machine Learning
Lamarr: Lamarr-Institut für Maschinelles Lernen und Künstliche Intelligenz
Website
Nach erfolgreicher Evaluierung ist das „Lamarr-Institut für Maschinelles Lernen und Künstliche Intelligenz“ (Lamarr) aus dem „Kompetenzzentrum Maschinelles Lernen Rhein-Ruhr“ (ML2R) hervorgegangen, welches als befristetes Projekt im Rahmen der BMBF Bekanntmachung „Kompetenzzentren zur automatisierten Analyse von Daten mittels Maschinellen Lernens“ vom 17. Mai 2017 gefördert wurde. Das Lamarr-Institut setzt sich aus der Technischen Universität Dortmund, der Rheinischen Friedrich-Wilhelms-Universität Bonn und den Fraunhofer-Instituten für Intelligente Analyse- und Informationssysteme (IAIS) und für Materialfluss und Logistik (IML) zusammen.
Das Lamarr-Institut konzentriert sich auf die Stärkung und Nachhaltigkeit der drei Säulen: Forschung, Bildung und Transfer. Vorangetrieben werden dabei die Erforschung und Entwicklung leistungsstarker, vertrauenswürdiger und ressourceneffizienter Anwendungen des Maschinellen Lernens und der KI. Im Fokus stehen der Nutzen für die Gesellschaft und Wirtschaft sowie Ethische KI als Engagement für Europäische Werte. Als Innovationspartner gibt das Lamarr-Institut wichtige Impulse für Unternehmen und Technologietransfer zum Beispiel über Beratungsangebote, Weiterbildungen, Zertifizierungen und Industriekooperationen. Hierbei stehen auch insbesondere Start-Ups im Fokus. Neben den bundesweiten und internationalen Vernetzungsaktivitäten forciert das Lamarr-Institut auch die Zusammenarbeit innerhalb des Landes Nordrhein-Westfalen, um den Innovationsstandort im Bereich KI zu stärken. Dies erfolgt unter anderem auch in enger Kooperation mit der zentralen Kompetenzplattform KI.NRW. Aktuell und zukünftig sollen die Vernetzungsaktivitäten mit lokalen, nationalen, europäischen und außer-europäischen Partnern weiter intensiviert werden.
Bildquelle: Lamarr - Institut für Maschinelles Lernen und Künstliche Intelligenz
ScaDS.AI: Center for Scalable Data Services and Solutions Dresden/Leipzig
Website
Das “Center for Scalable Data Analytics and Artificial Intelligence” (ScaDS.AI ) ist eine Erweiterung des „Sächsischen Kompetenzzentrums für Big Data“ (ScaDs Dresden / Leipzig), welches aus der BMBF Bekanntmachung „Kompetenzzentren für den intelligenten Umgang mit großen Datenmengen (Big Data)“ vom 20. Februar 2013 ursprünglich hervorging. Es handelt sich um einen Zusammenschluss der Technischen Universität Dresden und der Universität Leipzig.
An den beiden Standorten untersucht das ScaDS.AI den Bedarf von KI-Anwendungen an qualitativ hochwertigen Daten und formalisiertem Wissen, um valide und zuverlässige Vorhersage- und Analyseergebnisse zu erzielen. Kombiniert wird daher die Forschung an neuen grundlegenden KI-Methoden nicht nur mit Big-Data-Forschung zu Datenintegration und Datenqualität, sondern auch mit neuen Methoden zur Datenerfassung und -visualisierung, um datengetriebene KI zu unterstützen. Darüber hinaus werden am ScaDS.AI neuartig KI-Methoden systematisch in wissenschaftliche Analyseabläufe integriert, was den Forschungsfortschritt in vielen Bereichen beschleunigen kann. Darüber hinaus sind Vertrauen, Transparenz und Nachvollziehbarkeit von KI-gesteuerten Entscheidungen und Prozessen entscheidend. Weiterhin sind der Schutz der Privatsphäre und die informationelle Selbstbestimmung noch weitgehend ungelöste Fragen, die ScaDS.AI mit der Forschung zum datenschutzfreundlichen maschinellen Lernen angehen werden. ScaDS.AI stellt zahlreiche Services und Dienstleistungen für Industrie und Wissenschaft bereit.
Bildquelle: ScaDS.AI Dresden/Leipzig
TUE.AI: Tübingen AI Center
Website
Das „Tübingen AI Center“ (TUE.AI) ist eine Weiterentwicklung des „Tübinger Kompetenzzentrums für Maschinelles Lernen“, einem Ergebnis der BMBF Bekanntmachung „Kompetenzzentren zur automatisierten Analyse von Daten mittels Maschinellen Lernens“ vom 17. Mai 2017. Das TUE.AI wird an der Eberhard-Karls-Universität Tübingen in Zusammenarbeit mit dem Max-Planck-Institut für Intelligente Systeme gehostet.
Das zentrale Ziel des TUE.AI ist es, robuste intelligente lernende Systeme zu entwickeln. Lernalgorithmen sollen dabei weniger Daten benötigen und erfolgreich mit äußeren und unerwarteten Einflüssen umgehen können. Gleichzeitig sollen maschinelle Entscheidungsprozesse besser interpretierbar und fairer werden. Die Verknüpfung von Grundlagenforschung mit Transfer und Ausbildung soll ebenso vorangetrieben werden. Die geforderte Anwendung der Forschungsergebnisse wird dabei mit dem Bereich „Machine Learning in Medicine“ adressiert. Hier wird das Maschinelle Lernen im Bereich der medizinischen Anwendung eingesetzt und Fragestellungen zu Privatsphäre, Fairness und Transparenz erforscht, die von hoher gesellschaftlicher Relevanz sind. Das TUE.AI ist außerdem eingebettet in die württembergischen Cyber-Valley-Initiative, kooperiert mit dem europaweiten Forschungsnetzwerk ELLIS und hat bereits zahlreiche erfolgreiche Start-Ups hervorgebracht.
Bildquelle: Tübingen AI Center
