Das Ministerium für Kultur und Wissenschaft treibt die Nachwuchsförderung im Bereich der künstlichen Intelligenz voran. Im Rahmen der Förderlinie „Künstliche Intelligenz / Maschinelles Lernen“ (kurz: KI/ML) hat eine Expertenjury nun für das standortübergreifende Graduiertenkolleg „Trustworthy AI for Seamless Problem Solving: Next Generation Intelligence Joins Robust Data Analysis“ (kurz: „Data NInJA“) an der Universität Bielefeld sieben der 35 mit dem Gesamtantrag der Universität eingereichten Promotionstandems zur Förderung empfohlen. Für ein Tandem konnten sich jeweils zwei erfahrene Forschende von Hochschulen aus Nordrhein-Westfalen zusammenschließen, um sich mit einem gemeinsamen Promotionsthema zu bewerben. Mit der Förderempfehlung können die Betreuerinnen und Betreuer nun in einem nächsten Schritt Doktorandinnen und Doktoranden dafür auswählen. Neben Universitäten sind an vier der sieben Promotionstandems auch Hochschulen für Angewandte Wissenschaften aus Nordrhein-Westfalen beteiligt. Insgesamt stellt das Ministerium für Kultur und Wissenschaft in den nächsten fünf Jahren mehr als fünf Millionen Euro Fördermittel dafür zur Verfügung. Die Gesamtkoordination übernimmt die Universität Bielefeld.
„Auf künstliche Intelligenz und maschinelles Lernen treffen wir in praktisch allen Lebens- und Arbeitsbereichen. Die Förderung junger KI-Forscherinnen und -Forscher ist für den Wissenschaftsstandort Nordrhein-Westfalen von besonderer Bedeutung. Im standortübergreifenden Graduiertenkolleg erhalten die Nachwuchswissenschaftlerinnen und -wissenschaftler die Gelegenheit, mit ihrer Promotion einen Beitrag zum Forschungsbereich KI zu leisten und sich bereits frühzeitig zu vernetzen. Ich danke der Universität Bielefeld und insbesondere der Leiterin des Graduiertenkollegs, Professorin Barbara Hammer, für die Koordination und das Engagement und wünsche allen Beteiligten interessante Forschungsergebnisse“, sagt Wissenschaftsministerin Isabel Pfeiffer-Poensgen.
„Wir freuen uns über die Förderung des neuen Graduiertenkollegs mit zukunftsweisender Ausrichtung. Die sieben Forschungsvorhaben des neuen Graduiertenkollegs gehen allesamt Fragestellungen an, die hochrelevant für den verantwortungsvollen Einsatz von künstlicher Intelligenz sind“, sagt Professor Dr.-Ing. Gerhard Sagerer, Rektor der Universität Bielefeld. „Das Kolleg wird wichtige Impulse und Innovationen für künstliche Intelligenz hervorbringen, durch die bisher umständliche Abläufe im privaten und beruflichen Alltag vereinfacht werden. Die Universität Bielefeld wird dafür unter anderem ihre langjährige Expertise zu kognitiver Interaktionstechnologie beitragen. Auch wird das jüngst gegründete Joint Artificial Intelligence Institute der Universitäten Bielefeld und Paderborn eine wichtige Rolle dabei spielen, die Erkenntnisse aus dem Kolleg in die Praxis zu tragen.“
Das Graduiertenkolleg im Rahmen der Förderlinie KI/ML zielt auf die Ausbildung von Doktorandinnen und Doktoranden und die Vernetzung der beteiligten Hochschulen im Bereich der KI-Grundlagenforschung. Durch das Kolleg soll es den Promovierenden ermöglicht werden, neben der technologischen Qualifizierung auch Kenntnisse und Kompetenzen zu gesellschaftlichen, sozioökonomischen und politischen Effekten der künstlichen Intelligenz zu erwerben.
Am Graduiertenkolleg „Data-NInJa“ sind beteiligt:
Vorhaben | Beteiligte Partner |
EKAmBa Echtzeit-Konfiguration von Algorithmen mit mehrarmigen Banditen |
Universität Paderborn |
Prof. Dr. Eyke Hüllermeier | |
Universität Bielefeld | |
Prof. Dr. Kevin Tierney | |
GAIA Gaußprozesse für automatische und interpretierbare Anomalie-Erkennung |
Universität Münster |
Prof. Dr. Christian Beecks | |
Technische Hochschule Ostwestfalen-Lippe | |
Prof. Dr. Markus Lange-Hegermann | |
ML4ProM Maschinelle Lernverfahren zur Detektion von Drift für die Realisierung prädiktiver Präventionstechnologien im Prozess Mining |
RWTH Aachen |
Univ.-Prof. Dr. Dr. Wil van der Aalst | |
Universität Bielefeld | |
Prof. Dr. Barbara Hammer | |
NireHApS Neuro-inspirierte ressourcen-effiziente Hardware-Architekturen für plastische SNNs |
Fachhochschule Bielefeld |
Prof. Dr. Thorsten Jungeblut | |
Universität Bielefeld | |
Prof. Dr. Ulrich Rückert | |
(RL)3 Repräsentations- Reinforcement- und Regel-Lernen |
Ruhr Universität Bochum |
Prof. Dr. Laurenz Wiskott | |
Technische Hochschule Köln | |
Prof. Dr. Wolfgang Konen | |
RoSe Robuste Individualisierung smarter Sensorik durch transferlernenbasierte Merkmalsauswahl |
Universität Bielefeld |
Prof. Dr. Barbara Hammer | |
Fachhochschule Bielefeld | |
Prof. Dr. rer. nat. Axel Schneider | |
X-FI Explainable Feature Importance: Interpretierbares maschinelles Lernen durch spieltheoretische Analyse von Einflussgrößen und Interaktionseffekten |
Universität Paderborn |
Prof. Dr. Eyke Hüllermeier | |
Technische Universität Dortmund | |
Prof. Dr. Emmanuel Müller |