Einen Lernvorgang für Algorithmen, der von menschlichen Lernfähigkeiten inspiriert ist, nachzubilden und sinnvoll in Wirtschaft, Industrie, Gesundheitswesen sowie in unserem gesellschaftlichen Alltag zu integrieren, ist eine der größten wissenschaftlichen Herausforderungen unserer Zeit.
Mit über acht KI-Professuren und einem starken Team wissenschaftlicher Mitarbeiterinnen und Mitarbeiter mit umfangreichen Kompetenzen im Forschungsschwerpunkt Intelligent Systems trägt die TH Aschaffenburg maßgeblich zur Weiterentwicklung des KI Standorts Bayern und Deutschland bei.
Das Kompetenzzentrum Künstliche Intelligenz trägt mit der zielgerichteten Bündelung von Schlüsselqualifikationen zur Weiterentwicklung der KI Technologien bei. In erstklassig ausgestatteten Laboren arbeiten interdisziplinäre Teams an zukunftsweisenden Forschungsprojekten und ermöglichen so gleichzeitig einzigartige Ausbildungschancen für Nachwuchswissenschaftlerinnen und -wissenschaftler.
-
Arbeitsgruppe Prof. Dr. Stark
Thema der Arbeitsgruppe von Prof. Dr. Stark ist die Signalverarbeitung. Hierunter versteht man die Analyse, Manipulation und Synthese von Signalen mit dem Ziel der Extraktion bestimmter Merkmale aus den gemessenen Signalen, um Informationen über das Verhalten von Prozessen zu gewinnen, Daten zu reduzieren und für die Visualisierung vorzubereiten. Künstliche Intelligenz dient dabei als Werkzeug, um die vorhandenen Daten für die weitere Analyse und Bearbeitung vorzubereiten.
Mit verschiedene Kooperationspartnern setze das Team um Prof. Dr. Stark in mehreren Verbundprojekten Lernverfahren der Künstlichen Intelligenz ein. Dabei reichten die vielfältige Einsatzgebiete von der medizinischen Bildgebung über die Prognose des Energiebedarfs bis hin zur Logistiknetze für Transportfahrzeugen.
Um die vorliegende Datenqualität und damit die Genauigkeit der Prognosen zu erhöhen, liegt der Schwerpunkt der Forschungsarbeit in Aschaffenburg vor allem auf der Entwicklung von Methoden, die beim Vorliegen unvollständiger Daten, diese so simulieren können, dass Experten nicht zwischen echten und synthetisch erzeugten Daten unterscheiden können. Dabei kommen vor allem Generative Adversariale Netze (GAN) sowie die Phasenraumdarstellung zum Einsatz. -
Arbeitsgruppe Prof. Dr.-Ing. Biedermann
Die Arbeitsgruppe um Prof. Dr. Biedermann beschäftigt sich mit der Analyse und Prädiktion des Fahrerzustands und -verhaltens. Ziel ist es dabei, gefährliche Situationen aufgrund mangelnder Aufmerksamkeit des Fahrers, beispielsweise durch Ablenkung oder Müdigkeit, zu identifizieren und durch optische, akustische und / oder haptische Warnsignale anzuzeigen. Neben den unmittelbar erlebbaren Assistenzfunktionen im Auto, wie beispielsweise der Notbremsung oder dem Spurwechselassistent, kann die Analyse und Klassifikation des Nutzerzustands auch für die Auswahl des Infotainments oder als Informationen für Versicherungsunternehmen eingesetzt werden. Da regelbasierte Methoden die große interindividuelle Varianz von Verhaltensmustern bei der Nutzerzustandsmodellierung nur schwer beschreiben können, ist der Einsatz von künstlicher Intelligenz auf diesem Forschungsgebiet von besonderer Bedeutung.
Aufgrund seiner langjährigen Tätigkeit in der Automobilindustrie besitzt Prof. Dr.-Ing. Biedermann viel Erfahrung in der multisensorischen Mensch- / Fahrermodellierung, der Interpretation und Analyse von Mensch-Maschine-Interaktionsmustern sowie der Algorithmik und maschinellen Lernverfahren zur Verhaltensklassifikation. Im KI-Bereich verfügt Prof. Dr.-Ing. Biedermann darüber hinaus vor allem über Kompetenzen im Labeling von Daten sowie Validierungsstrategien und der Auswertung der Performance der programmierten Systeme. -
Arbeitsgruppe Prof. Dr. von Jouanne-Diedrich
Einer der Forschungsschwerpunkte der Arbeitsgruppe um Prof. Dr. Jouanne-Diedrich ist Explainable AI, auch X-AI genannt. In seiner langjährigen Forschungstätigkeit zum Thema künstliche Intelligenz stieß Prof. Dr. Jouanne-Diedrich immer wieder auf die Herausforderung, dass die Verwendung künstlicher neuronaler Netze zwar häufig hervorragende Ergebnisse liefert, die Art und Weise, wie diese Technologien allerdings ihre Entscheidungen treffen, nicht erklärbar ist.
Da das Verständnis über die Entscheidungsfindung jedoch in einigen Anwendungsbereichen, wie der Medizin oder der Finanzbranche, von hoher Relevanz ist, setzte sich das Team zum Ziel, Methoden zu entwickeln, die mehr Transparenz über den Lernmechanismus neuronaler Netze herstellen sollen. Um eine bessere Erklärbarkeit ohne Verlust von Genauigkeit zu erreichen, kombiniert die Arbeitsgruppe hierfür auf geschickte Art und Weise mehrere lineare Funktionen in klassischen Verfahren, wie beispielsweise Decision Trees oder Random Forests.
Weitere Informationen und Ausführungen über künstliche Intelligenz finden Interessierte auf Prof. Dr. Jouanne-Diedrichs Blog Learning Machines. A blog about data, science, and learning machines – like us
-
Arbeitsgruppe Prof. Dr. Radke
Die Arbeitsgruppe um Herrn Prof. Dr. Radke beschäftigt sich mit Datenanalyse im Allgemeinen. In der Handhabung von Realdaten ergeben sich oft diverse Schwierigkeiten und Fallstricke, die es zu umgehen gilt. Herr Radke besitzt langjährige Erfahrung in der Anwendung von KI-Modellen auf industrielle Daten und möchte diese den Studierenden in Form von Studien-, Bachelor oder Masterarbeiten weitergeben. Ein weiterer Schwerpunkt liegt in der Anwendung tiefer neuronaler Netze. Wissenschaftliche Arbeiten sind nach Absprache auch in Kooperation mit anderen Laboren möglich.
Das Kompetenzzentrum KI fördert im Rahmen der Hightech Strategy 2025 der Bundesregierung sowie der Hightech Agenda Bayern die Ausbildung des wissenschaftlichen Nachwuchses und trägt durch zukunftsweisende Forschungsprojekte zur Stärkung Deutschlands und Bayerns als führende KI Standorte bei. Dabei werden Projekte mit zahlreichen Partnern aus der Industrie durchgeführt.
-
Vizepräsident Forschung
Prof. Dr.-Ing. Klaus Zindler
Vizepräsident-
Würzburger Straße 45
Raum C1/22/104
63743 Aschaffenburg - Klaus.Zindler(at)th-ab.de
- (0 60 21) 4206 - 910
-
Würzburger Straße 45