Die Deutsche Forschungsgemeinschaft (DFG) fördert eine Forschungsgruppe zur Künstlichen Intelligenz der Universität Siegen.
Im Rahmen ihrer strategischen Förderinitiative im Bereich der Künstlichen Intelligenz (KI) fördert die Deutsche Forschungsgemeinschaft (DFG) acht neue Forschungsgruppen - eine davon an der Universität Siegen. Hier ist das Projekt "Learning to Sense" ("Lernen optimaler Bilddatensensorik") angesiedelt, Sprecher ist Prof. Dr. Michael Möller von der Professur für Computer Vision. Die Förderung läuft zunächst über die nächsten vier Jahre mit einer Option zur Verlängerung um weitere vier Jahre. "Ich freue mich sehr über diesen Erfolg, der die Universität Siegen zu einem sichtbaren Standort der KI-Forschung macht", sagt Professor Dr. Thomas Mannel, Prorektor für Forschung und wissenschaftlichen Nachwuchs. "Insbesondere die Verknüpfung von Künstlicher Intelligenz mit der Sensorik, die bereits eine lange Tradition in Siegen hat, eröffnet neue Perspektiven." Die neuen Verbünde erhalten insgesamt rund 31,4 Millionen Euro. Die Uni Siegen hatte 3,2 Mio. Euro beantragt.
Um das Forschungsthema besser zu verstehen, hilft ein Selbstversuch mit der eigenen Smartphone-Kamera. Wenn man einen Gegenstand - zum Beispiel einen Schreibtisch - vor einem hellen Fenster fotografiert, sind Innen- und Außenraum nie gleich gut belichtet. Fokussiert man auf den Schreibtisch, kann man auf dem Foto die Bäume vor dem Fenster meist nicht gut erkennen. Der Außenraum ist völlig überbelichtet. Fokussiert man auf das Fenster, sind die Bäume draußen gut zu sehen, der Innenraum aber ist viel zu dunkel - man sieht den Schreibtisch kaum. Stellt man sich nun vor, dass nicht ein menschliches Auge, sondern ein maschineller Algorithmus den Bildinhalt identifizieren soll, so ist das in beiden Versionen nicht vollumfänglich möglich. Wie aber kann künstliche Intelligenz genutzt werden, um gleichzeitige die Sensorik und die Auswertung der Bilddaten zu steuern, um derartige Probleme zu lösen? Und wie müssen das maschinelle Lernverfahren sowie der zugehörige Bildsensor der Kamera gestaltet sein, damit das Maximum an Informationen aus den Daten extrahiert werden kann?
Das Siegener Team arbeitet daran, die Sensortechnik sowie das maschinelle Lernen zu verknüpfen und anwendungsspezifisch zu optimieren - wie im Beispiel vereinfacht dargestellt. "Diese beiden Schritte sollten zusammen geschehen, und nicht - wie bisher in der Praxis - getrennt voneinander", sagt Prof. Dr. Michael Möller. Eine gemeinsame, interdisziplinäre Entwicklung von Sensorsystemen, deren Simulation und maschinellen Lernverfahren habe großes Potential in unterschiedlichen Bereichen des maschinellen Sehens ("Computer Vision"). Hierzu ist aber sowohl in der Entwicklung neuer Bildsensoren als auch im Bereich des maschinellen Lernens Grundlagenforschung nötig.
Ein mögliches Anwendungsgebiet ist die 3D-Mikroskopie von Zellen. Diese Bildgebung ist zum Beispiel wichtig, um ein besseres Verständnis darüber zu bekommen, wie sich Krebszellen entwickeln. Die Siegener ForscherInnen um Prof. Dr. Ivo Ihrke arbeiten daran, wie das Sensorsystem und ein maschinelles Lernverfahren so gestaltet werden können, dass besonders gute Bildqualität für diesen biologische Einsatzfall entsteht. Ein anderes Anwendungsgebiet ist die Materialanalyse. Prof. Dr. Peter Haring Bolívar und sein Team bauen Sensoren im Bereich der Terrahertzfrequenz, um optimal unter Oberflächen in die Struktur von Bauteilen schauen zu können. In einem dritten Anwendungsbereich der Sensorik konstruiert Prof. Dr. Bhaskar Choubey und sein Team optimal auf maschinelle Lernverfahren abgestimmte CMOS Sensoren für Kameras im Frequenzbereich sichtbaren Lichtes. Ein Großteil der für das gemeinsame Optimieren von Sensorsystemen und maschineller Lernverfahren nötigen Simulation wird vom Team um Prof. Dr. Andreas Kolb erforscht. Prof. Dr. Margret Keuper, Prof. Dr. Volker Blanz und Prof. Dr. Michael Möller arbeiten mit ihren Teams an neuen maschinellen Lern- und Optimierungsverfahren, welche Freiheitsgrade der Sensorsysteme und für die Daten verwendeten neuronalen Netzwerke gemeinsam optimieren. Alle ProfessorInnen der Forschungsgruppe sind Teil des Zentrums für Sensorsysteme (ZESS) und der Fakultät IV der Universität Siegen.
Neben der Universität Siegen werden auch die HU Berlin, die TU Kaiserslautern, die Universitäten Bonn (zwei Projekte), Bremen, Frankfurt/a.M. und Karlsruhe gefördert.