AG 1: Technologische Wegbereiter und Data Science

Die größten Fortschritte im Bereich der Künstlichen Intelligenz beruhen aktuell auf Methoden des maschinellen Lernens. Deren Nutzung ist – in Verbindung mit umfangreichen Datensätzen und hohen Rechenkapazitäten – in zahlreichen Bereichen von Wissenschaft und Wirtschaft zu einem entscheidenden Wettbewerbsfaktor geworden. Data Science umfasst den gesamten Prozess des Datenmanagements – von der Kuratierung über die Bereinigung und Analyse der Daten bis hin zum Speichern, Validieren und Anwenden der gelernten Modelle. Die Entwicklung führte in den vergangenen Jahren dabei von wissensbasierten Systemen über die Analyse gegebener Datenbanken (z.B. für Empfehlungssysteme) bis hin zum Lernen aus großen Datenströmen und der Anwendung des Gelernten in Echtzeit.

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.

Ute Schmid

Volker Tresp

Mitglieder der Arbeitsgruppe

Prof. Dr. Ulf Brefeld
Leuphana Universität Lüneburg

Dr. Aljoscha Burchardt
Deutsches Institut 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 Constanze Hufenbecher)

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. Ulrike von Luxburg
Eberhard Karls Universität Tübingen

Prof. Dr. Volker Markl
Technische Universität Berlin

Prof. Dr. Katharina Morik
Technische Universität Dortmund

Prof. Dr. Klaus-Robert Müller
Technische Universität Berlin

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

Prof. Dr. Kai-Uwe Sattler
Technische Universität Ilmenau

Philipp Schlunder
daibe UG

Dr. Harald Schöning
Software AG

Dr. Joachim Tödter
KION Group

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?