ForschungspolitikBMBF: Förderung von Kompetenzzentren zur automatisierten Analyse von Daten mittels Maschinellen Lernens
Informations- und Kommunikationstechnologien (IKT) sind Treiber für Innovationen und damit Grundlage für neue ¬Produkte, Verfahren und Dienstleistungen. Die "Digitale Wirtschaft und Gesellschaft" voranzubringen ist eine der sechs prioritären Zukunftsaufgaben der "Neuen Hightech-Strategie – Innovationen für Deutschland" der Bundesregierung. Mit dem Förderprogramm "IKT 2020 – Forschung für Innovationen" setzt die Bundesregierung einen Schwerpunkt ihrer Innovationspolitik auf IKT.
Die Menge der produzierten Daten wächst ungebrochen. Die Gründe für diesen rapiden Zuwachs sind neben der Digitalisierung von Inhalten und dem Austausch von Daten vor allem auch die Integration digitaler Mess-, Steuer- und Regelsysteme – eingebetteter Systeme – in Alltagsgegenstände sowie der Austausch und die Verarbeitung der Daten in "intelligenten Umgebungen". Die Digitalisierung von Gegenständen erzeugt verschiedenste Daten für vielfältigste Zwecke und erfasst alle Bereiche des Lebens. Der Motor für Industrie 4.0 ist die Verarbeitung einer zunehmend unüberschaubar werdenden Menge von Daten aus einzelnen Geschäftsvorfällen und deren Verknüpfung mit Daten aus anderen Bereichen eines Unternehmens zur weiteren Optimierung von Unternehmensprozessen. Auch in der Wissenschaft nimmt die Menge der produzierten Daten unaufhörlich zu; sei es in der Klimaforschung, der Experimentalphysik oder in den Sozialwissenschaften.
Die Analyse und Auswertung von großen Datenmengen ist eine der bedeutendsten Herausforderungen unserer Zeit. Einer der wichtigsten Technologiebausteine im Bereich der komplexen Datenanalysen stellt das Maschinelle Lernen (ML) dar. Das ML dient dazu, Muster in Daten zu erkennen oder Daten erst auf eine Weise zu segmentieren, die eine weitere Bearbeitung ermöglicht. Dabei kann ML nicht isoliert betrachtet werden, vielmehr ist es eingebettet in eine neue Wissenschaft der Datenanalyse, die das Lernen aus Beispielen mit Analysemethoden in Logik und Statistik verbindet.
Aus wissenschaftlicher wie technologischer Sicht wird die erfolgreiche Auswertung extrem großer Datenmengen als notwendiger Beitrag zur Bewältigung gesellschaftlicher Herausforderungen angesehen. Neue Anwendungsbereiche stellen das ML jedoch vor neue Herausforderungen. Diese Herausforderungen müssen adressiert werden, einerseits auf prinzipieller Ebene von induktiven Verfahren (u. a. Nachvollziehbarkeit, Validierbarkeit, Reproduzierbarkeit, Interdeterminismus) anderseits auch bei den Grenzen des ML (u. a. bei minimalen oder sehr großen Datenmengen, bei Lernen mit unsicheren Daten, bei exponentiell wachsendem Rechenaufwand). Weiterhin müssen Anforderungen verschiedener neuer Anwendungen hinsichtlich der Beweisbarkeit, Zuverlässigkeit, Zertifizierbarkeit und Transparenz untersucht werden. Große Herausforderungen und Potenziale ergeben sich auch für verschiedene Wissenschaftsdisziplinen, die sich mit einer immer größer werdenden Menge verwertbarer Daten für ihre Forschung konfrontiert sehen.
Eine Grundvoraussetzung für den erfolgreichen Einsatz von ML ist ein fundiertes Verständnis über die verschiedenen ML-Verfahren. In vielen Bereichen der Wissenschaft und in der deutschen Wirtschaft wurde das große Potenzial von ML erkannt, allerdings werden entsprechende Verfahren nur selten konsequent angewandt. Um das enorme Potenzial des ML zu heben, sollen Kooperationen zwischen verschiedenen Disziplinen der Wissenschaft und Kooperationen zwischen grundlagenorientierten Theoretikern und praxisnahen Anwendern gefördert werden.
Die Details zu dieser Fördermaßnahme entnehmen Sie bitte der Seite des BMBF.
Für Rückfragen stehen wir gern zur Verfügung.
