idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
Egal ob man Roboter durch Fabrikhallen lotst oder komplexe Logistikabläufe steuert: KI-Systeme aus dem Bereich der Handlungsplanung können solche Probleme lösen. Zu Beginn arbeiteten Planungssysteme hauptsächlich auf Basis symbolischer Techniken, wie etwa der Logik. Um sie zu verbessern, wurden in den letzten Jahren jedoch immer mehr Techniken aus dem maschinellen Lernen integriert. Informatiker Daniel Höller will nun KI-Planungssysteme schaffen, die die Vorteile beider Ansätze vereinen. Dafür wird er mit bis zu 1,8 Millionen Euro aus dem Emmy-Noether-Programm der Deutschen Forschungsgemeinschaft gefördert.
Bei der Planung komplexer Abläufe ist es von Vorteil, wenn die dafür verwendeten Systeme flexibel auf Veränderungen in der Umgebung reagieren können. „Der Vorteil bei Systemen aus der Handlungsplanung ist, dass sie verschiedene Probleme lösen können, ohne dass das System verändert werden muss. Sie arbeiten auf Basis eines Modells, einer vereinfachten Beschreibung des Problems“, erklärt Daniel Höller, wissenschaftlicher Mitarbeiter an der Universität des Saarlandes. Das Verhalten dieser modellbasierten Systeme ist mathematisch beweisbar und damit sicher. Man kann zudem genau erklären, warum ein bestimmtes Verhalten auftritt. „Die Systeme haben allerdings auch einige Nachteile, insbesondere kann es sein, dass sie zwar kleine Probleme lösen, aber sehr viel Rechenzeit benötigen, sobald die Probleme größer werden. Außerdem muss das Modell auch an kleinere Änderungen angepasst werden, ist deshalb also relativ unflexibel“, erklärt Daniel Höller.
Aus diesem Grund werden auch in der Handlungsplanung verstärkt Algorithmen des maschinellen Lernens eingesetzt. Solche Computerprogramme haben den Vorteil, dass sie sich flexibel anpassen können und besser skalierbar sind. Sie können also auf kleinen Szenarien trainiert werden und funktionieren dann auch für große Anwendungen. „Verglichen mit den Systemen aus der klassischen Handlungsplanung ist das Verhalten rein auf Basis von maschinellem Lernen allerdings schwer zu interpretieren oder einem Menschen zu erklären. Warum macht zum Beispiel der Roboter, was er macht?“, sagt der promovierte Informatiker.
Sein Ziel ist daher, Planungssysteme zu entwickeln, in denen die traditionellen, erklärbaren Techniken mit maschinellem Lernen kombiniert werden. „Diese Kombination ist dabei nicht nur beim Lösen der Planungsprobleme sinnvoll, sondern auch schon bei der Erstellung des Modells. Wenn man sich beispielsweise das Straßennetz einer Stadt anschaut und vorhersagen will, wie lange man für eine bestimmte Wegstrecke benötigt, dann spielen Faktoren wie Wochentag, Uhrzeit oder die Wetterbedingungen eine Rolle. Mit Techniken des maschinellen Lernens können diese Faktoren in das Modell und somit in die Planung einbezogen werden“, erläutert Daniel Höller.
Maschinelles Lernen wird in der Handlungsplanung vor allem eingesetzt, um die Systeme zu beschleunigen und schneller Lösungen zu finden. „Hier werden wir insbesondere an Systemen arbeiten, die trotz der Integration von maschinellem Lernen Garantien liefern können, wie zum Beispiel die Optimalität des resultierenden Verhaltens“, erläutert der Informatiker. Neben dieser Integration von Techniken des maschinellen Lernens in Planungssysteme wird auch an der umgekehrten Richtung gearbeitet. „Wir wollen Techniken aus der klassischen Handlungsplanung einsetzen, um zu beweisen, dass beim Befolgen einer erlernten Strategie niemals unsichere Zustände auftreten können“, erklärt Daniel Höller, der bisher im Team von Professor Jörg Hoffmann an der Universität des Saarlandes die Grundlagen der KI erforscht.
Mit seinem Forschungsvorhaben zum Thema „Neuro-Symbolische Methoden zur Sequentiellen Entscheidungsfindung“ war Daniel Höller bei einer Sonderausschreibung zum Thema „Methoden der Künstlichen Intelligenz“ im Emmy-Noether-Programm erfolgreich. Ein international ausgewiesenes Expertengremium wählte aus 178 Projektskizzen 36 aus, die einen Vollantrag einreichen durften. Von diesen wiederum wurden nur 15 für die Förderung ausgewählt. Daniel Höller erhält nun – bei erfolgreicher Zwischenevaluation – insgesamt 1,8 Millionen Euro für die Gründung einer Emmy-Noether-Gruppe. Die Deutsche Forschungsgemeinschaft fördert mit dem Emmy-Noether-Programm herausragend qualifizierte Wissenschaftlerinnen und Wissenschaftler in frühen Karrierephasen, deren Promotion maximal vier Jahre zurückliegt und die über internationale Erfahrung verfügen sowie eine Postdoc-Phase durchlaufen haben.
Dr. Daniel Höller
Wissenschaftlicher Mitarbeiter
Foundations of Artificial Intelligence (FAI) Group
Mail: hoeller@cs.uni-saarland.de
https://www.dfg.de/de/aktuelles/neuigkeiten-themen/pressemitteilungen/2026/press...
https://www.dfg.de/de/foerderung/foerdermoeglichkeiten/programme/einzelfoerderun...
https://fai.cs.uni-saarland.de/hoeller/
Informatiker Daniel Höller wird aus dem Emmy-Noether-Programm der Deutschen Forschungsgemeinschaft g ...
Source: Tobias Höller
Copyright: Universität des Saarlandes
Criteria of this press release:
Business and commerce, Journalists, Scientists and scholars
Economics / business administration, Information technology
transregional, national
Contests / awards, Research projects
German
Informatiker Daniel Höller wird aus dem Emmy-Noether-Programm der Deutschen Forschungsgemeinschaft g ...
Source: Tobias Höller
Copyright: Universität des Saarlandes
You can combine search terms with and, or and/or not, e.g. Philo not logy.
You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).
Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.
You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).
If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).
