Machine Learning

Maschinelles Lernen (ML) ist eine Schlüsseltechnologie für kognitive Systeme und Künstliche Intelligenz (KI). In Verbindung mit immer preiswerteren und leistungsfähigeren Sensoren und Prozessoren werden ML-Techniken in vielen Bereichen zum Motor der Digitalisierung und zu wettbewerbsentscheidenden Faktoren. Denn es gibt kaum einen Bereich, der nicht von ML- und KI-basierten Technologien entscheidend transformiert wird: von der Produktion über die Logistik bis zur Medizin.

Seit vielen Jahren behaupten wir eine Spitzenposition in der angewandten ML-Forschung. Wir gestalten das Maschinelle Lernen der Zukunft: ein modulares Maschinelles Lernen, das sowohl von Daten als auch von Wissen getrieben wird. Unsere Forscher*innen entwickeln menschenorientierte, nachvollziehbare und vertrauenswürdige Lösungen.

Zudem arbeiten wir an Anwendungen, die ressourceneffizient sind und auf unterschiedlichsten Hardware-Plattformen funktionieren. Wir passen unsere Verfahren an individuelle Einsatzszenarien an, vom verteilten Lernen (Edge Computing) bis zum ML auf Quantencomputern. Unsere Lernalgorithmen erschließen so bislang nicht zugängliche Einsatzgebiete für Wirtschaft und Gesellschaft.

In Studien und wissenschaftlichen Veröffentlichungen berichten wir über die Potenziale und Grenzen dieser Technologien. Wir engagieren uns in zentralen Forschungsprojekten in Deutschland und Europa und begleiten die gesellschaftliche Debatte über die Auswirkungen intelligenter Maschinen.

Zu unseren Publikationen und Studien

Forschungsschwerpunkte

Big Data Analytics

Maschinelles Lernen mit extrem großen Datenmengen, die in Echtzeit auf skalierbaren Plattformen und Infrastrukturen verarbeitet werden

Dezentrales Maschinelles Lernen (Edge ML)

Lernen auf Endgeräten oder in der Cloud ohne Weitergabe sensibler Daten, zur Verkürzung der Antwortzeiten und effizienten Nutzung verteilter Daten

Informed Machine Learning

Kombination von statistischem Lernen mit wissensgetriebenen Ansätzen wie etwa semantischen Methoden, die auf Wissensgraphen basieren, oder mit Simulationen physikalischer Systeme

Text Analytics

Verfahren zur Analyse von Texten aller Art mit dem Ziel der Extraktion und Zusammenfassung von Informationen oder der Erkennung von Stimmungen

Quantum Learning

Umsetzung von Lernalgorithmen auf Quantencomputern zur Lösung rechenintensiver Probleme, an denen heutige, konventionelle Computer scheitern

Visual and interactive Analytics

Verfahren zur explorativen, interaktiven Datenanalyse, die die visuellen Fähigkeiten des Menschen nutzen; Schwerpunkte sind Mobilitätsprognosen und interaktive Modellbildung

Highlights

Lamarr-Institut für Maschinelles Lernen und Künstliche Intelligenz

Das Lamarr-Institut gestaltet eine neue Generation der Künstlichen Intelligenz (KI), die leistungsstark, nachhaltig, vertrauenswürdig und sicher zur Lösung fundamentaler Herausforderungen in Wirtschaft und Gesellschaft beiträgt. Als eines der zentralen KI-Kompetenzzentren Deutschlands steht das Lamarr-Institut für wertebasierte, international wettbewerbsfähige und anwendungsorientierte Spitzenforschung und engagiert sich auf regionaler, nationaler sowie europäischer Ebene in Wissenschaft, Bildung und Technologietransfer.

Technologiekern Maschinelles Lernen im CCIT

Das Fraunhofer-Forschungszentrum bündelt die Kompetenzen von drei Fraunhofer-Instituten, um die Idee des »Informed Machine Learning« weiterzuentwickeln. Dieser Forschungsansatz steht für zuverlässige ML-Technologien, deren Ergebnisse transparent und erklärbar sind. Informed ML eröffnet neue Anwendungsbereiche und erlaubt es, Lernverfahren auch bei wenig Daten oder begrenzten Ressourcen einzusetzen. Dieser Technologiekern ist Teil des Fraunhofer Cluster of Excellence Cognitive Internet Technologies CCIT, hier forschen 13 Institute an sicheren Datenräumen und kognitiven Fähigkeiten für ein industrielles Internet.

Studie »Maschinelles Lernen«

Diese Studie der Fraunhofer-Gesellschaft ordnet die wesentlichen Begriffe des Maschinellen Lernens ein, gibt einen Überblick zu aktuellen Herausforderungen und künftigen Entwicklungen und stellt Deutschlands Position in der Anwendung von Maschinellem Lernen dar. Darüber hinaus bietet sie eine Übersicht zu Akteuren, Anwendungsfeldern und sozioökonomischen Rahmenbedingungen der Forschung mit Fokus auf den Standort Deutschland.