Im Rahmen ihrer strategischen F\u00f6rderinitiative im Bereich der K\u00fcnstlichen Intelligenz (KI) f\u00f6rdert die Deutsche Forschungsgemeinschaft (DFG) acht neue Forschungsgruppen \u2013 eine davon an der Universit\u00e4t Siegen. Hier ist das Projekt \u201eLearning to Sense\u201c (\u201eLernen optimaler Bilddatensensorik\u201c) angesiedelt, Sprecher ist Prof. Dr. Michael M\u00f6ller von der Professur f\u00fcr Computer Vision. Die F\u00f6rderung l\u00e4uft zun\u00e4chst \u00fcber die n\u00e4chsten vier Jahre mit einer Option zur Verl\u00e4ngerung um weitere vier Jahre. \u201eIch freue mich sehr \u00fcber diesen Erfolg, der die Universit\u00e4t Siegen zu einem sichtbaren Standort der KI-Forschung macht\u201c, sagt Professor Dr. Thomas Mannel, Prorektor f\u00fcr Forschung und wissenschaftlichen Nachwuchs. \u201eInsbesondere die Verkn\u00fcpfung von K\u00fcnstlicher Intelligenz mit der Sensorik, die bereits eine lange Tradition in Siegen hat, er\u00f6ffnet neue Perspektiven.\u201c Die neuen Verb\u00fcnde erhalten insgesamt rund 31,4 Millionen Euro. Die Uni Siegen hatte 3,2 Mio. Euro beantragt.<\/p>\n
Um das Forschungsthema besser zu verstehen, hilft ein Selbstversuch mit der eigenen Smartphone-Kamera. Wenn man einen Gegenstand \u2013 zum Beispiel einen Schreibtisch \u2013 vor einem hellen Fenster fotografiert, sind Innen- und Au\u00dfenraum nie gleich gut belichtet. Fokussiert man auf den Schreibtisch, kann man auf dem Foto die B\u00e4ume vor dem Fenster meist nicht gut erkennen. Der Au\u00dfenraum ist v\u00f6llig \u00fcberbelichtet. Fokussiert man auf das Fenster, sind die B\u00e4ume drau\u00dfen gut zu sehen, der Innenraum aber ist viel zu dunkel \u2013 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 vollumf\u00e4nglich m\u00f6glich. Wie aber kann k\u00fcnstliche Intelligenz genutzt werden, um gleichzeitige die Sensorik und die Auswertung der Bilddaten zu steuern, um derartige Probleme zu l\u00f6sen? Und wie m\u00fcssen das maschinelle Lernverfahren sowie der zugeh\u00f6rige Bildsensor der Kamera gestaltet sein, damit das Maximum an Informationen aus den Daten extrahiert werden kann?<\/p>\n
Das Siegener Team arbeitet daran, die Sensortechnik sowie das maschinelle Lernen zu verkn\u00fcpfen und anwendungsspezifisch zu optimieren \u2013 wie im Beispiel vereinfacht dargestellt. \u201eDiese beiden Schritte sollten zusammen geschehen, und nicht \u2013 wie bisher in der Praxis \u2013 getrennt voneinander\u201c, sagt Prof. Dr. Michael M\u00f6ller. Eine gemeinsame, interdisziplin\u00e4re Entwicklung von Sensorsystemen, deren Simulation und maschinellen Lernverfahren habe gro\u00dfes Potential in unterschiedlichen Bereichen des maschinellen Sehens (\u201eComputer Vision\u201c). Hierzu ist aber sowohl in der Entwicklung neuer Bildsensoren als auch im Bereich des maschinellen Lernens Grundlagenforschung n\u00f6tig.<\/p>\n
Ein m\u00f6gliches Anwendungsgebiet ist die 3D-Mikroskopie von Zellen. Diese Bildgebung ist zum Beispiel wichtig, um ein besseres Verst\u00e4ndnis dar\u00fcber 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 k\u00f6nnen, dass besonders gute Bildqualit\u00e4t f\u00fcr diesen biologische Einsatzfall entsteht. Ein anderes Anwendungsgebiet ist die Materialanalyse. Prof. Dr. Peter Haring Bol\u00edvar und sein Team bauen Sensoren im Bereich der Terrahertzfrequenz, um optimal unter Oberfl\u00e4chen in die Struktur von Bauteilen schauen zu k\u00f6nnen. In einem dritten Anwendungsbereich der Sensorik konstruiert Prof. Dr. Bhaskar Choubey und sein Team optimal auf maschinelle Lernverfahren abgestimmte CMOS Sensoren f\u00fcr Kameras im Frequenzbereich sichtbaren Lichtes. Ein Gro\u00dfteil der f\u00fcr das gemeinsame Optimieren von Sensorsystemen und maschineller Lernverfahren n\u00f6tigen Simulation wird vom Team um Prof. Dr. Andreas Kolb erforscht. Prof. Dr. Margret Keuper, Prof. Dr. Volker Blanz und Prof. Dr. Michael M\u00f6ller arbeiten mit ihren Teams an neuen maschinellen Lern- und Optimierungsverfahren, welche Freiheitsgrade der Sensorsysteme und f\u00fcr die Daten verwendeten neuronalen Netzwerke gemeinsam optimieren. Alle ProfessorInnen der Forschungsgruppe sind Teil des Zentrums f\u00fcr Sensorsysteme (ZESS) und der Fakult\u00e4t IV der Universit\u00e4t Siegen.<\/p>\n
Neben der Universit\u00e4t Siegen werden auch die HU Berlin, die TU Kaiserslautern, die Universit\u00e4ten Bonn (zwei Projekte), Bremen, Frankfurt\/a.M. und Karlsruhe gef\u00f6rdert.<\/p>\n