idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
Die Technische Universität Ilmenau ist an einer Forschungsgruppe der Deutschen Forschungsgemeinschaft beteiligt, die maschinelles Lernen sicherer, leistungsfähiger und dateneffizienter machen will. Die ambitionierte Aufgabe: Die Herausforderungen speziell bei selbst lernenden komplexen Regelungssystemen und sicherheitskritischen Anwendungen zu meistern, zum Beispiel in elektrischen Energiesystemen, beim autonomen Fahren und in der Robotik. Das von der Leibniz Universität Hannover koordinierte und Ende April gestartete Forschungsprojekt wird von der Deutschen Forschungsgemeinschaft für vier Jahre mit knapp 3,5 Millionen Euro, davon 486.400 Euro für die TU Ilmenau, gefördert.
Maschinelles Lernen ist das Herzstück der Künstlichen Intelligenz. Robotik, Energietechnik und zahlreiche weitere Anwendungen könnten nicht funktionieren, ohne ständig hinzuzulernen. Aber wenn es um größtmögliche Sicherheit während des laufenden Betriebs geht, stoßen herkömmliche Systeme noch an ihre Grenzen, zum Beispiel beim autonomen Fahren oder im Zusammenspiel von Mensch und Maschine – mit möglicherweise fatalen Folgen.
Die DFG-Forschungsgruppe „Aktives Lernen für dynamische Systeme und Regelung – Dateninformativität, Unsicherheiten und Garantien (ALeSCo)“ will maschinelles Lernen komplexer dynamischer Systeme und deren Regelung dateneffizienter und zuverlässiger gestalten. Das Ziel der Wissenschaftlerinnen und Wissenschaftler: grundlegend neue Ansätze des aktiven Lernens zu entwickeln, bei denen der Lernprozess fortwährend beeinflusst wird: Was muss wann wie gelernt werden?
Professor Karl Worthmann, Leiter des Fachgebiets Optimization-based Control der TU Ilmenau, ist im Projekt ALeSCo dafür verantwortlich, maschinelles Lernen mit mathematischer Präzision zu verbinden: Aus der Analyse des Informationsgehalts vorhandener Daten will Prof. Worthmann Garantien über die Regelgüte komplexer Systeme verifizierbar herleiten. Er ist überzeugt davon, dass innovative Ansätze von aktivem Lernen die Anwendung Künstlicher Intelligenz in komplexen dynamischen Systemen künftig nicht nur sicherer, sondern auch deren Leistungsfähigkeit weiter erhöhen werden: „Aktives Lernen und dessen theoretische Fundierung sind entscheidend, wenn wir die Dateneffizienz steigern möchten. So machen wir den Einsatz maschineller Lernverfahren flexibel und zuverlässig, auch und gerade in sicherkritischen Bereichen wie Energiesystemen und Robotik“
Prof. Karl Worthmann
Leiter Fachgebiet
Optimization-based Control
+49 3677 69-3624
karl.worthmann@tu-ilmenau.de
Professor Karl Worthmann, Leiter des Fachgebiets Optimization-based Control am Institut für Mathemat ...
Copyright: AnLi Fotografie Ilmenau
Merkmale dieser Pressemitteilung:
Journalisten, Studierende, Wirtschaftsvertreter, Wissenschaftler, jedermann
Informationstechnik, Mathematik
überregional
Forschungsprojekte
Deutsch
Professor Karl Worthmann, Leiter des Fachgebiets Optimization-based Control am Institut für Mathemat ...
Copyright: AnLi Fotografie Ilmenau
Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.
Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).
Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.
Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).
Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).
