Stefanie Jegelka und Suvrit Sra erhalten Spitzenprofessuren für Künstliche Intelligenz

Die Technische Universität München (TUM) hat im Wettbewerb um den höchstdotierten Forschungspreis Deutschlands zwei weitere Erfolge erzielt: Prof. Stefanie Jegelka und Prof. Suvrit Sra werden jeweils mit einer Alexander von Humboldt-Professur für Künstliche Intelligenz (KI) ausgezeichnet. Beide forschen bislang am Massachusetts Institute of Technology (MIT). Die TUM hat damit als einzige deutsche Universität zehn Humboldt-Professuren eingeworben.

Stefanie Jegelka wurde 2012 an der Universität Tübingen und an der ETH Zürich promoviert. Danach forschte sie zunächst an der University of California in Berkeley und wurde dann an das MIT in Cambridge als Professorin berufen. Die Informatikerin ist Expertin für künstliche Neuronale Netzwerke, mit denen sich u.a. zuverlässige Voraussagen über die Eigenschaften von bestimmten Molekülen, medizinischen Wirkstoffkombinationen und deren Nebenwirkungen treffen lassen.

Der Mathematiker Suvrit Sra wurde 2007 an der University of Texas promoviert und forschte bis 2015 in Tübingen am Max-Planck-Institut für Intelligente Systeme. Auch er ist derzeit am MIT als Professor tätig. Suvrit Sra hat mit seinen grundlegenden methodischen Arbeiten zu unterschiedlichen Optimierungsproblemen zu den großen Fortschritten der letzten Jahre auf dem Gebiet des Maschinellen Lernens beigetragen.

Stefanie Jegelka wird in die Fakultät für Informatik und Suvrit Sra in die Fakultät Mathematik berufen. Beide werden künftig Mitglied der im Rahmen der TUM Agenda 2030 aus der Informatik, der Mathematik und der Elektro- und Informationstechnik entstehenden TUM School of Computation, Information and Technology und bilden strategische Brückenköpfe zu dem im Jahr 2020 im Zuge der Exzellenzstrategie eingerichteten Munich Data Science Institute (MDSI) sowie dem BMBF-geförderten Munich Center for Machine Learning (MCML). Damit verstärkt die TUM strategisch ihre international führenden Kernkompetenzen zu Maschinellem Lernen und Künstlicher Intelligenz.

TU Technische Universität München

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige