ForschungspolitikFörderung von Qualifizierungsmaßnahmen und Forschungsvorhaben im Bereich Maschinelles Lernen

Richtlinie zur Förderung von Qualifizierungsmaßnahmen und Forschungsvorhaben im Bereich Maschinelles Lernen im Rahmen des Förderprogramms „IKT 2020 – Forschung für Innovationen“.

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 Informations- und Kommunikationstechnologien.

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 die Integration digitaler Mess-, Steuer- und Regelsysteme – eingebetteter Systeme – auch in Alltagsgegenstände sowie der Austausch und die Verarbeitung der Daten in „intelligenten Umgebungen“. Die Digitalisierung von Gegenständen erzeugt 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.

In den großen Datenmengen enthalten ist oftmals implizites Wissen von großem Wert und Nutzen. Die Auswertung der wachsenden Datenmengen ist daher eine der bedeutenden Herausforderungen unserer Zeit. Einer der wichtigsten Technologiebausteine in einer komplexen Datenanalyse stellt Maschinelles 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. Das ML als Baustein der Datenanalyse insbesondere bei Big Data ist daher ein Sammelbegriff für verschiedene Methoden, wie unter anderem Neuronale Netze, Support Vector Machines oder Bayessche Netze, die je nach Anwendungsgebiet zum Einsatz kommen.

Aus wissenschaftlicher wie technologischer Sicht wird die erfolgreiche Auswertung großer Datenmengen als notwendiger Beitrag zur Bewältigung gesellschaftlicher Herausforderungen angesehen. Neue Anwendungsbereiche stellen das ML jedoch vor neue Herausforderungen. Diese müssen adressiert werden auf prinzipieller Ebene von induktiven Verfahren (u. a. Nachvollziehbarkeit, Validierbarkeit, Reproduzierbarkeit, Interdeterminismus) als 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 eine fundierte Aus- und Weiterbildung, die die verschiedenen Methoden umfassend vermittelt und anhand von praktischen Beispielen erfahrbar macht. Die dazu notwendigen technischen Infrastrukturen sind jedoch nicht in geeignetem Maße Teil der gegenwärtigen Qualifikationsangebote. Sie sind oftmals nicht auf die jüngsten technischen Entwicklungen im ML abgestimmt. Die Verfügbarkeit von Werkzeugen hat zumeist nicht Schritt gehalten mit dem stark gestiegenen Interesse an einer Aus- oder Weiterbildung im ML. Diese Defizite bei der Verfügbarkeit technischer Werkzeuge erzeugt eine zunehmende Lücke zwischen den Erfordernissen, ML mit den neuesten und zunehmend komplexen Werkzeugen in der Qualifizierungsphase möglichst praxisnah einzuüben und den Möglichkeiten, praktische Übungsphasen in Qualifizierungsangeboten anzubieten.

Die Details zu dieser Fördermaßnahme entnehmen Sie bitte der Seite des BMBF.

Für Rückfragen stehen wir gern zur Verfügung.

Bundesverband der Deutschen Gießerei-Industrie BD Industrieverband Feuerverzinken e.V. Deutsches Kupferinstitut Berufsverband e.V. WVM plus Mars – Metal Alliance for Responsible Sourcing Stifterverband Metalle Die Energieintensiven Industrien in Deutschland Plattform-blei.de | Ein Projekt der WirtschaftsVereinigung Metalle e.V. Metalle Pro