TU Ilmenau treibt sichere KI-Entwicklung voran

MÜNCHEN (IT BOLTWISE) – Die Technische Universität Ilmenau engagiert sich in einem bedeutenden Forschungsprojekt zur Verbesserung der Sicherheit und Effizienz von maschinellem Lernen. In Zusammenarbeit mit der Deutschen Forschungsgemeinschaft (DFG) zielt das Projekt darauf ab, selbstlernende Systeme insbesondere in sicherheitskritischen Bereichen wie der Robotik und dem autonomen Fahren zu optimieren.

Die Technische Universität Ilmenau ist Teil einer von der Deutschen Forschungsgemeinschaft geförderten Forschungsgruppe, die sich der Aufgabe widmet, maschinelles Lernen sicherer und effizienter zu gestalten. Diese Initiative ist besonders relevant für Anwendungen in sicherheitskritischen Bereichen wie der Robotik und dem autonomen Fahren, wo herkömmliche Systeme oft an ihre Grenzen stoßen.

Unter der Leitung der Leibniz Universität Hannover und mit einem Budget von knapp 3,5 Millionen Euro, von denen 486.400 Euro an die TU Ilmenau gehen, zielt das Projekt darauf ab, neue Ansätze des aktiven Lernens zu entwickeln. Diese sollen den Lernprozess kontinuierlich beeinflussen und so die Dateneffizienz und Zuverlässigkeit komplexer dynamischer Systeme verbessern.

Professor Karl Worthmann von der TU Ilmenau spielt eine zentrale Rolle in diesem Projekt. Er ist verantwortlich dafür, maschinelles Lernen mit mathematischer Präzision zu verbinden, um die Regelgüte komplexer Systeme zu gewährleisten. Worthmann ist überzeugt, dass innovative Ansätze des aktiven Lernens die Leistungsfähigkeit und Sicherheit von KI-Anwendungen in dynamischen Systemen erheblich steigern werden.

Maschinelles Lernen ist das Herzstück der Künstlichen Intelligenz und unerlässlich für die kontinuierliche Verbesserung von Technologien wie Robotik und Energiesystemen. Doch gerade in sicherheitskritischen Anwendungen, wie dem autonomen Fahren, sind die Anforderungen an die Sicherheit besonders hoch. Hier setzt das Forschungsprojekt an, um durch aktives Lernen die Grenzen herkömmlicher Systeme zu überwinden.

Die DFG-Forschungsgruppe „Aktives Lernen für dynamische Systeme und Regelung – Dateninformativität, Unsicherheiten und Garantien (ALeSCo)“ verfolgt das Ziel, maschinelles Lernen dateneffizienter und zuverlässiger zu gestalten. Dabei wird der Lernprozess so gestaltet, dass er fortwährend angepasst wird, um die bestmöglichen Ergebnisse zu erzielen.

Die Verbindung von maschinellem Lernen mit mathematischer Präzision ist ein entscheidender Schritt, um die Dateneffizienz zu steigern und den Einsatz maschineller Lernverfahren flexibel und zuverlässig zu machen. Dies ist besonders wichtig in sicherheitskritischen Bereichen wie Energiesystemen und der Robotik, wo Fehler fatale Folgen haben können.

Insgesamt zeigt das Engagement der TU Ilmenau und ihrer Partner, wie wichtig die Weiterentwicklung von KI-Technologien für die Zukunft ist. Durch die Kombination von mathematischer Präzision und innovativen Lernansätzen wird die Grundlage für sicherere und leistungsfähigere KI-Anwendungen gelegt.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!