Künstliche Intelligenz

»Künstliche Intelligenz« ist eines der wichtigsten digitalen Zukunftsthemen und erlebt derzeit einen regelrechten Boom in Wissenschaft, Wirtschaft und Medien. KI hat sich inzwischen zu einer Alltagstechnologie entwickelt: Dank SIRI können wir mit unseren Smartphones sprechen, die ersten selbstfahrenden Autos sind bereits auf Kaliforniens Straßen unterwegs und Logistikunternehmen haben autonom fliegende Drohnen im Test-Einsatz. Wenn Maschinen sinnvoll in Fabrikhallen, Krankenhäusern und im Haushalt eingesetzt werden sollen, müssen sie – wie der Mensch – in der Lage sein, nicht nur auf Basis von vorab einprogrammiertem Daten, sondern gleichzeitig durch Beobachtung und Erfahrung zu agieren und zu lernen.

 

Hybride Forschungsansätze

Die Kombination von wissens- und datengetriebenen Vorgehensweisen kann die »semantische Lücke« schließen

Mit seinen Kernkompetenzen in den Bereichen »Multimedia Pattern Recognition« und »Data Science« vereint das Fraunhofer IAIS die wichtigsten Kompetenz- und Forschungsfelder der künstlichen Intelligenz und deren Anwendungen in Robotik, Bild- und Sprachverarbeitung und Prozessoptimierung. Die Forschung am Fraunhofer IAIS zeichnet sich besonders durch »hybride KI-Lösungen« aus: Hier kombinieren wir wissensgetriebene Forschungsansätze der Professoren Dr. Sören Auer und Dr. Jens Lehmann mit den datengetriebenen Ansätzen der Professoren Dr. Stefan Wrobel und Dr. Christian Bauckhage. Die wissensbasierte Vorgehensweise nutzt von Menschen vorgegebenes Weltwissen und leitet daraus Schlussfolgerungen ab – oft wird dies neuerdings unter dem Stichwort »Semantic Web« zusammengefasst. Der datenbasierte Ansatz wiederum analysiert statistische Zusammenhänge und arbeitet mit Methoden des »Machine Learning«. Die Kombination beider Ansätze zielt darauf ab, die »semantische Lücke« zu schließen. Diese entsteht dort, wo intuitives Weltwissen und statistisches Wissen aufeinander treffen und in Zusammenhang gebracht werden müssen, um die menschliche Fähigkeit nachzubilden, Bedeutungen aus dem Kontext heraus zu verstehen.  

Interview »Künstliche Intelligenz«

Prof. Christian Bauckhage über Künstliche Intelligenz, wie sie die Arbeitswelt und die Gesellschaft verändert und welche Potentiale und Risiken er sieht.

Führende Forschungsarbeiten zur Theorie und Ethik der Künstlichen Intelligenz

Unsere Forschung leistet wesentliche Beiträge zur Theorie und Ethik der Künstlichen Intelligenz und des maschinellen Lernens und orientiert sich zugleich eng an praktischen Bedarfen der Wirtschaft und unseren Industrie-Kunden. Das Fraunhofer IAIS ist seit vielen Jahren eines der führenden Europäischen Zentren zur Forschung und Entwicklung im Bereich Machine Learning. Zu den bahnbrechenden Beiträgen zählen etwa Entwicklungen zu »Echo State Netzen« oder »Graph-Kernen«. Machine-Learning-Algorithmen, Systeme und Lösungen des Fraunhofer IAIS werden mit Erfolg zum Beispiel in der Werbebranche, in der Automobilindustrie oder in der Finanzindustrie eingesetzt.

Ausgewählte Publikationen »Künstliche Intelligenz«

  • Christian Bauckhage, Kristian Kersting, Fabian Hadiji: Parameterizing the Distance Distribution of Undirected Networks. UAI 2015
  • Fabian Hadiji, Martin Mladenov, Christian Bauckhage, Kristian Kersting: Computer Science on the Move: Inferring Migration Regularities from the Web via Compressed Label Propagation. IJCAI 2015
  • Christian Bauckhage, Kristian Kersting: Can Computers Learn from the Aesthetic Wisdom of the Crowd? KI 27(1), 2013
  • Christian Bauckhage, Kristian Kersting: Data Mining and Pattern Recognition in Agriculture. KI 27(4), 2013

 

Ausgewählte Publikationen »Maschinelles Lernen«

  • M. Neumann, R. Garnett, C. Bauckhage, K. Kersting, „Propagation Kernels: Efficient Graph Kernels from Propagated Information“, Machine Learning, 102(2), 2016
  • T. von Landesberger, F. Brodkorb, P. Roskosch, N. Andrienko, G. Andrienko, A. Kerren, „Mobility Graphs: Visual Analysis of Mass Mobility Dynamics via Spatio-Temporal Graphs and Clustering “, IEEE Transactions on Visualization and Computer Graphics, 22(1), 2016
  • J.E. Labra Gayo, D. Kontokostas, S. Auer, „Multilingual linked data patterns “, Semantic Web, 6(4), 2015
  • C. Bauckhage, A. Drachen, R. Sifa, „Clustering Game Behavior Data “, IEEE Transactions on Computational Intelligence and AI in Games, 7(3), 2015
  •  D. Oglic, D. Paurat, T. Gärtner, „Interactive Knowledge-based Kernel PCA “, Machine Learning and Knowledge Discovery in Databases, Springer, 2015.