Anhoren
Teilen
Das Bundesministerium für Bildung und Forschung fördert zwei neue Verbundprojekte an der Ludwig-Maximilians-Universität München zu KI und Robotik.
An der Ludwig-Maximilians-Universität München (LMU) will man in den kommenden drei Jahren eine neue Generation von Maschinellen Lernens auf den Weg bringen. Denn aktuell verfügbare Machine-Learning-Modelle basieren typischerweise auf Korrelationen und nicht auf Kausalität. Anders ausgedrückt: Sie erstellen ihr Ergebnis anhand von Wahrscheinlichkeiten, ohne dabei wirkliche Zusammenhänge erkennen zu können. Das kann zu Fehlern und letztendlich schlechter Performance führen.
Das will man in München mit dem neuen, vom Bundesministerium für Bildung und Forschung (BMBF) mit fast zwei Millionen Euro geförderten, Verbundprojekt CausalNet ändern. „Wir wollen neuartige Methoden zur Integration von Kausalität in Machine-Learning-Modelle entwickeln”, sagt Professor Stefan Feuerriegel. Er ist Leiter des Institute of Artificial Intelligence (AI) in Management der LMU und Sprecher von CausalNet. Um das Prinzip von Ursache und Wirkung in künftige KI-Modelle zu integrieren, arbeitet Feuerriegel im Verbund mit Expertinnen und Experten von Helmholtz AI, der Technischen Universität München (TUM), dem Karlsruher Institut für Technologie sowie der Economic AI GmbH zusammen.
Die praktische Nutzung und Weiterentwicklung will CausalNet weiter fördern, indem es die entwickelten Softwares, Tools und Ergebnisse nach dem Opern-Source-Prinzip öffentlich zugänglich macht. In den nächsten drei Jahren werden wir Maschinelles Lernen auf ein neues Level heben und KI-Anwendungen flexibler, effizienter und robuster machen”, sagt Feuerriegel.
Roboter, die durch KI besser sehen und greifen
CausalNet ist allerdings nicht das einzige vom BMBF geförderte Projekt der LMU. Auch in der Robotik will man neue Maßstäbe setzen. Denn bisher ist das zuverlässige Greifen und Manipulieren beliebiger Objekte eine der zentralen Herausforderungen in der Robotik, von Anwendungen in der Produktion bis hin zum Einsatz in der Medizin. In diesem Kontext sind Regelungsverfahren, die den Griff dynamisch anpassen, noch weitgehend unerforscht.
Eine solche Regelung erfordert nicht nur visuelle und taktile Sensorik, die Kontakt- und Scherkräfte erfassen kann, sondern auch entsprechende multimodale Modelle aus der Künstlichen Intelligenz, die sensorische Informationen aus mehreren komplementären Quellen integrieren und interpretieren können. Genau hier setzt das Forschungsvorhaben GeniusRobot an, an dem LMU-seitig die Arbeitsgruppen von Professorin Gitta Kutyniok, Inhaberin des Lehrstuhls für Mathematische Grundlagen der Künstlichen Intelligenz an der LMU und Björn Ommer vom Lehrstuhl KI für Computer Vision und Digital Humanities/die Künste beteiligt sind. Zu den Projektpartner-Institutionen zählen außerdem die Technische Universität Nürnberg und die Technische Universität Dresden.
„Unser Ziel ist die Entwicklung neuer, interpretierbarer KI-Modelle, mit denen Methoden aus dem Bereich der generativen KI für die Erzeugung von taktilen Informationen aus Bilddaten in der Robotik nutzbar gemacht werden”, erklärt KI-Expertin Kutyniok. Perspektivisch erschließen die Ergebnisse damit auch neue Einsatzszenarien in der automatisierten Fertigung und Mensch-Maschine-Interaktionen und liefern neue wissenschaftliche Erkenntnisse im Bereich sicherer und multimodaler KI.
