Maschinelles Lernen

Beim Maschinellen Lernen (ML) erzeugen Algorithmen aus Beispieldaten Prognosemodelle. Sie repräsentieren das erworbene Wissen und lassen sich auf neue, unbekannte Daten desselben Typs anwenden. Besonders hilfreich ist Maschinelles Lernen für Zusammenhänge, die sich analytisch schwer beschreiben lassen, aber über viele Beispieldaten wie Sensordaten, Bilder oder Texte verfügen.

Für Unternehmen bietet Maschinelles Lernen den Vorteil, auch in großen Datenmengen komplexe Zusammenhänge automatisch zu erkennen und daraus wertvolle Erkenntnisse zu gewinnen. Das ermöglicht bessere Prognosen, individuelle Empfehlungen und datenbasierte Entscheidungen. 

Seit vielen Jahren behaupten wir eine Spitzenposition in der angewandten ML-Forschung. Von nachvollziehbaren merkmalsbasierten Modellen über Deep Learning aus unstrukturierten Daten bis zu Foundation-Modellen der generativen KI. Wir beherrschen und kombinieren die passendsten Ansätze für die Gestaltung menschenorientierter, nachvollziehbarer und vertrauenswürdiger 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. Unsere Lösungen werden z. B. in der Finanz- und Versicherungswirtschaft genutzt, steuern industrielle Produktion und Qualitätskontrolle und optimieren Verwaltungsprozesse und -abläufe.

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.