Vorstellung KI-ProfessorInnen

1. Für welches Lehrgebiet sind Sie berufen?
Cyberphysische Systeme

2. Wie sieht Ihr Werdegang aus und wie kamen Sie dazu, mit KI zu arbeiten?
Ich habe Informationstechnik mit Schwerpunkt Hochfrequenztechnik in Mannheim und in Frankreich studiert. Nach dem Studium war ich mehr als 15 Jahre in der Forschung und Entwicklung medizinischer Geräte aktiv. Bei der senetics healthcare group, einem innovativen Dienstleistungsunternehmen in der Medizintechnikbranche, war ich in europäischen Forschungsprojekten aktiv, welche sich mit dem Einsatz von KI in vernetzten mobilen Systemen beschäftigt haben. Es ging unter anderem um die KI-unterstützte Auswertung verschiedener Biosignale zur Messung von Blutzucker.

3. Welche Vorlesungen halten Sie derzeit und was lernen die Studierenden darin?

• Cyberphysische Systeme: Anwendungen, Entwurf und Modellierung cyberphysischer Systeme am Beispiel
• Projektmanagement: Methoden für agiles Projektmanagement
• Artificial Intelligence: Aufbau von Robotern und der Einsatz von Algorithmen für deren Steuerung
• Webtechnologies & Technical Language: Entwurf von Webseiten und relevante Fachbegriffe und deren Bedeutung
• Informatik: Aufbau von Rechnern, Entwurf von Programmen, Auszüge aus der theoretischen Informatik

4. Welche Bedeutung hat KI in diesem Bereich?
KI ist bei cyberphysischen Systemen eine Technologie. Roboter können autonom werden
und zudem lernen. Dabei ist es auch wichtig verschiedene KI-Techniken zu kennen, welche angepasst an die jeweilige Anwendung ausgewählt und eingesetzt werden müssen. Im Rahmen meiner Lehre wenden Studierende einfach zu verstehende KI-Methoden an und fügen diese in einen Systemkontext ein.

5. Wie schätzen Sie die Berufschancen von Studierenden in unseren KI-Studiengängen ein?
Ich schätze die Berufschancen als sehr gut ein. In der Industrie erscheint KI in allen
Branchen und nahezu alle klassisch ausgebildeten Ingenieure z.B. der Elektrotechnik oder
Maschinenbau, sind hier überfordert. KI-Methoden anzuwenden ist an sich nicht schwierig. Jedoch die richtigen Methoden effizient zu entwerfen und gewinnbringend in bestehende Software zu integrieren ist sehr komplex. Dies wird in Unternehmen immer deutlicher.

6. Neben der Lehre sind Sie auch forschend tätig. Auf welche(s) Forschungsgebiet(e) sind Sie spezialisiert?

Ich forsche im Bereich der Medizintechnik, vorwiegend dem Einsatz von Robotern bzw. der
vernetzten Datenerfassung und -auswertung. Zudem interessiere ich mich für Smart City-
Anwendungen z.B. die Erstellung eines digitalen Zwillings einer Stadt und die Verwendung von OpenData zu Optimierung der täglichen Prozesse einer Stadt.

7. Was fasziniert Sie an diesen Themen?
Antwort: Die Komplexität und die Möglichkeiten. Da alles ineinandergreift und funktionieren muss, ist es sehr komplex, allein ein System innerhalb einer Smart Factory oder einer Smart City auszulegen. Technische Herausforderungen, verschiedene Disziplinen, gesetzliche Vorgaben und offene bzw. definierte Schnittstellen sind erforderlich damit z.B. eine Smart City funktionieren kann. Hier kommen viele Disziplinen von Ingenieurwissenschaften zusammen. Wenn ein Team oder ein Projekt aber erfolgreich ist, dann sind die Möglichkeiten an dieser Stelle, vor allem in Verbindung mit KI, faszinierend.

8. Wie hat KI diese(s) Forschungsgebiet(e) beeinflusst und welche Rolle spielt sie?
Antwort: KI spielt heute dieselbe Rolle wie früher Mikrocontroller. In jeder Maschine tauchten sie plötzlich auf und übernahmen die Steuerung einer Anlage, eines Autos oder einer Kaffeemaschine. KI beeinflusst die Technik auf sehr ähnliche Weise, beeinflusst aber zudem auch reine Software-Systeme. KI ergänzt die Software auf PCs und Mikrocontroller innerhalb dieser Gebiete um Fähigkeiten zum Lernen und zur Prognose. In einer Smart Factory bedeutet dies, das Fahrzeuge alleine fahren können und nicht gesteuert werden müssen. In einer Smart City kann Software auf Basis von historischen und aktuellen Messdaten hunderter Sensoren die Wahrscheinlichkeit für einen Verkehrskollaps oder einer Naturkatastrophe vorhersagen.

9. Mit welchen Arten von KI beschäftigen Sie sich?
Antwort: Da ich KI stets im Systemkontext betrachte und selten für sich alleine untersuche oder auslege, werden in der Lehre vor allem Finite State Machines oder Decision Tree-Methoden angewendet. Diese haben den Vorteil, dass sie nicht von umfangreichen Messdaten abhängig sind. Damit können sie schnell entworfen und getestet werden. Zudem beschäftige ich mich mit dem Einsatz einfacher neuronaler Netze, die mit Machine Learning trainiert werden.

10. Welche konkreten Anwendungsfälle von KI finden Sie am beeindruckendsten?
Antwort: Autonomes Fahren und intelligente Roboter in verschiedenen Szenarien

1. Für welches Lehrgebiet sind Sie berufen?
Medieninformatik.

2. Wie sieht Ihr Werdegang aus und wie kamen Sie dazu, mit KI zu arbeiten?
Ich habe hat ein Diplom in Kommunikationsdesign sowie einen Master in Computer Science und einen Doktor in Informatik. Einige Jahre war ich als Mediendesigner, Softwareentwickler und als selbstständiger Unternehmer tätig. Seit 2008 bin ich Professor an der Ostbayerischen Technischen Hochschule Amberg-Weiden und seit einiger Zeit Studiengangsleiter für Medienproduktion und Medientechnik. Im Rahmen von Industrieprojekten habe ich mich in Themen der Künstlichen Intelligenz hineingearbeitet. Zudem unterrichte ich im Bachelor-Studiengang Künstliche Intelligenz.

3. Welche Vorlesungen halten Sie derzeit und was lernen die Studierenden darin?
Ich halte die Fächer Informationsvisualisierung für die Medieninformatiker, Web-Engineering sowie Medienkunst für die Master Medientechnik und Medienproduktion. Zudem halte ich Grundlagenveranstaltungen (Programming und Web Technology) für die Studierenden im internationalen KI-Bachelorstudiengang.

4. Welche Bedeutung hat KI in diesem Bereich?
Programmiergrundlagen sind die Voraussetzung für das Verständnis der Methoden der Künstlichen Intelligenz. Informationsvisualisierung ist wichtig für das Verständnis der Daten, die für das Training der Algorithmen der Künstlichen Intelligenz dienen. Im Fach Computerkunst ist das diesjährige Thema die Künstliche Intelligenz sowie künstliches Leben.

5. Wie schätzen Sie die Berufschancen von Studierenden in unseren KI-Studiengängen ein?
Natürlich sehr gut, KI ist einer der Mega-Zukunftstrends. Aufgrund der geforderten mathematischen Fähigkeiten ist das Studium sehr anspruchsvoll und die Studienanfängerzahlen sind entsprechend gering, so dass man sich keine Sorgen um einen Arbeitsplatz machen muss.

6. Neben der Lehre sind Sie auch forschend tätig. Auf welche(s) Forschungsgebiet(e) sind Sie spezialisiert?
Informationsvisualisierung, Data Science, Machine Learning, Mensch-Maschine-Interaktion, Usability und Accessibility, Interaktionsdesign, Web-Technologien sowie Programmiersprachen für Medien und Computerkunst.

7. Was fasziniert Sie an diesen Themen?
Mich interessiert die Anwendung und Möglichkeiten der KI im Medien-Bereich.

8. Wie hat KI diese(s) Forschungsgebiet(e) beeinflusst und welche Rolle spielt sie?
Im Hinblick auf die Datenanalyse ist sehr viel möglich geworden. Personalisierte Anwendungen mit Sprachinteraktion und Bilderkennung sind ohne die KI nicht möglich.

9. Mit welchen Arten von KI beschäftigen Sie sich?
Mit Machine-Learning in verschiedenen Varianten.

10. Welche konkreten Anwendungsfälle von KI finden Sie am beeindruckendsten?
Generative Algorithmen.

11. Möchten Sie noch etwas sagen, wozu Sie bisher nicht die Gelegenheit hatten?
Wichtig ist auch der verantwortungsvolle Umgang mit KI. Persönliche Assistenten sollten nicht vorgeben, was man zu tun hat. Die Menschen müssen die KI als sinnvolles Werkzeug einsetzen und sich nicht von der KI bevormunden lassen.

1. Für welches Lehrgebiet sind Sie berufen?
Medieninformatik und Mobile Computing

2. Wie sieht Ihr Werdegang aus und wie kamen Sie dazu, mit KI zu arbeiten?
Ich habe Informatik an der Universität des Saarlandes studiert, schon im 2. Semester begann ich als wissenschaftliche Hilfskraft am damals frisch gegründeten Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) zu arbeiten. KI „mache“ ich also quasi seit über 32 Jahren. Nach dem Diplom arbeitete ich fast fünf Jahre bei Dokumenta S.A. (Luxemburg) als Anwendungsentwickler und Consultant. Anschließend war ich 14 Jahre beim DFKI Saarbrücken als Senior Software Engineer und Researcher im Forschungsbereich Sprachtechnologie tätig. 2007 promovierte ich über hybride Architekturen für Sprachtechnologie-Komponenten und war danach noch viele Jahre u.a. Projektleiter von BMBF-geförderten Forschungsprojekten. Seit dem Wintersemester 2014 bin ich Professor an der OTH Amberg-Weiden, seit 2021 baue ich das Innovations- und Kompetenzzentrum Künstliche Intelligenz an der OTH Amberg-Weiden auf.

3. Welche Vorlesungen halten Sie derzeit und was lernen die Studierenden darin?
Wegen meiner Funktion als Dekan konzentriere ich mich im Moment auf meine Kern-Lehrveranstaltungen Mobile & Ubiquitous Computing, App-Programmierung, Natural Language Processing und etwa jedes 2. Semester auch Physical Computing (gemeinsam mit den Kollegen Martin Frey und Gerald Pirkl). Mein Thema sind außer der Sprachtechnologie die Programmierung mobiler Anwendungen auf Mikrocontrollern, Wearables und Smartphones/Tablets, oft in Verbindung mit Sensorik, Displays, und natürlich spielen die verschiedene Kommunikationstechnologien wie WLAN, Bluetooth, NFC und GNSS („GPS“) eine große Rolle. Weil ich nicht nur auf Smartphones festgelegt bin, passt oft auch das Schlagwort „Internet of Things“ (IoT) mit Protokollen wie MQTT.

4. Welche Bedeutung hat KI in diesem Bereich?
Die Sensorik mobiler Geräte und wearables liefert einerseits Daten für maschinelles Lernen (entweder auf den mobilen Geräten selbst oder in der „Edge“ oder „Cloud“), andererseits werden auch mobile Geräte wie Smartphones durch KI-Verfahren selbst intelligent. Sprachdialogsysteme, automatische Fragebeantwortung, Chatbots oder Verfahren der Textzusammenfassung und -extraktion bilden einen weiteren Schwerpunkt. Gerade Interaktion mit gesprochener Sprache gewinnt in Verbindung mit mobilen Anwendungen an Bedeutung. 

5. Wie schätzen Sie die Berufschancen von Studierenden in unseren KI-Studiengängen ein?
Bestens, insbesondere auch weil sie hervorragend betreut, und praxisnah an aktueller Hardwareausstattung ausgebildet werden.

6. Neben der Lehre sind Sie auch forschend tätig. Auf welche(s) Forschungsgebiet(e) sind Sie spezialisiert?
Natural Language Processing, also die (intelligente) Verarbeitung von gesprochener und geschriebener Sprache.

7. Was fasziniert Sie an diesen Themen?
Immer wieder neue Ansätze und Verfahren sowie die Möglichkeit, diese in sogenannten hybriden Ansätzen zu immer leistungsfähigeren Anwendungen zu verbinden. Letztlich können so auch symbolische und auf neuronalen Netzen basierte Verfahren kombiniert werden, um das Beste aus beiden Kernwelten der KI – Logik und Lernen – herauszuholen. Was mich ebenso fasziniert ist, dass moderne Verfahren aus großen Datenmengen, nämlich digital vorliegenden Texten, selbst lernen, ohne dass Menschen noch annotieren müssen. Um damit sinnvolle Anwendungen zu bauen, ist jedoch fundierte Engineering- und Machine-Learning-Expertise vonnöten.

8. Wie hat KI diese(s) Forschungsgebiet(e) beeinflusst und welche Rolle spielt sie?
Die Fähigkeit, menschliche Sprache zu verstehen und zu produzieren wird gemeinhin als das Zeichen von Intelligenz verstanden und entsprechend ist Natural Language Processing einerseits ein wichtiger Bereich innerhalb der KI, andererseits ist NLP selbst eine der frühesten Anwendungen von KI und hat ihrerseits mit formalen Grundlagen und Methoden der Logik- und Wissensrepräsentation die KI insgesamt befruchtet. Auch einige der komplexesten Deep-Learning-Ansätze, die Transformer, gehören in den Bereich des Natural Language Processing, erreichen mitunter jedoch bereits auch allgemeine Intelligenzmerkmale, die über rein sprachliche Fähigkeiten hinausgehen.

9. Mit welchen Arten von KI beschäftigen Sie sich?
Sowohl klassische Ansätze in (semantischer) Wissensrepräsentation, Parsing (Syntaxanalyse) und Informations- und Ontologieextraktion aus Texten, als auch Deep Learning-Verfahren.

10. Welche konkreten Anwendungsfälle von KI finden Sie am beeindruckendsten?
Neural Style Transfer, Deep Fake (auf Bildern, Audio, Video) und natürlich Transformer-basierte Ansätze für automatische Fragebeantwortung und Textgenerierung.

11. Möchten Sie noch etwas sagen, wozu Sie bisher nicht die Gelegenheit hatten?
Es bleibt spannend. Was mich etwas beunruhigt ist die Digitalisierungs-Lahmheit und KI-Angst in Deutschland, die können wir uns einfach nicht leisten, wenn wir eine führende Industrienation bleiben wollen. Mehr KI und Automatisierung sind der einzige Weg, bei sinkender Bevölkerungszahl den Wohlstand zu sichern und gegen Konkurrenz aus USA und China bestehen zu können. Dazu brauchen wir mehr Leute, die Künstliche Intelligenz nicht nur anwenden, sondern weiter entwickeln können.

1. Für welches Lehrgebiet sind Sie berufen?
Elektrotechnik, Elektrische Messtechnik, Nachrichtentechnik

2. Wie sieht Ihr Werdegang aus und wie kamen Sie dazu, mit KI zu arbeiten?
Durch nationale und europäische Forschungsprojekte. Seit mindestens 5 Jahren beschäftigen wir uns hier mit Methoden der KI.

3. Welche Vorlesungen halten Sie derzeit und was lernen die Studierenden darin?
El. Messtechnik, Hochfrequenztechnik, Angewandte Systemtechnik. KI wird hier zwar erwähnt, ist aber nicht Teil der Vorlesungen. Statistik wird nur im Rahmen der el. Messtechnik für die Genauigkeit/Auflösung/Fehlerbetrachtung gestreift.

4. Welche Bedeutung hat KI in diesem Bereich?
Es gibt einen großen Einfluss bei den Forschungsprojekten, aber keinen Einfluss in meinen Vorlesungen.

5. Wie schätzen Sie die Berufschancen von Studierenden in unseren KI-Studiengängen ein?
Kann ich nicht sagen, da ich im Studiengang KI nicht lehre.

6. Neben der Lehre sind Sie auch forschend tätig. Auf welche(s) Forschungsgebiet(e) sind Sie spezialisiert?
Automotive, Elektromobilität (energieoptimale Routenberechnung, Ladestopps etc.). Automatisiertes Fahren (Radar, Kamera, Lidar-Sensorik, Fusion …). Intelligente Infrastruktureinheiten für die Unterstützung autonomer Fahrzeuge, dabei liegt der Fokus auf vorgenannter Sensorik, der Datenabstraktion und der sicheren Kommunikation über Mobilfunk (einschließlich der Beurteilung der Quality of Service).

7. Was fasziniert Sie an diesen Themen?
Es ist die logische Fortsetzung von dem, was ich in meiner Industriezeit gemacht habe. Autos sicherer (Unfallzahlen reduzieren), effizienter, umweltfreundlicher und komfortabler zu machen, war schon immer mein Ziel.

8. Wie hat KI diese(s) Forschungsgebiet(e) beeinflusst und welche Rolle spielt sie?
Automatisiertes Fahren geht ohne KI bestenfalls auf der Autobahn, also in sehr gut strukturiertem Gebiet. Und auch hier funktionieren die Systeme mit KI besser.

9. Mit welchen Arten von KI beschäftigen Sie sich?
Entscheidungsbäume (Entscheidungen nachvollziehbar, deswegen in Fahrzeugen zugelassen), Neuronale Netze (nicht für zum Beispiel Längs-/Querführung zugelassen, da die Entscheidungen nicht nachvollziehbar sind), Spiking Neural Networks / Neuromorphe Signalverarbeitung als hoffentlich geeignetes Mittel zum Reduzieren des Leistungsbedarfs.

10. Welche konkreten Anwendungsfälle von KI finden Sie am beeindruckendsten?
Kameraverarbeitung in Echtzeit.

1. Für welches Lehrgebiet sind Sie berufen?
Big Data und Cloud Computing für KI
 

2. Wie sieht Ihr Werdegang aus und wie kamen Sie dazu, mit KI zu arbeiten?
Bereits in meiner Diplomarbeit im Studiengang Informatik, vor 17 Jahren, beschäftigte ich mich mit KI-nahen Fragestellungen, indem ich für die AUDI AG ein System zur heuristischen Optimierung der Verteilung von Hardware- und Software-Komponenten in Fahrzeugen entwarf. Dabei kamen maschinelles Lernen und genetische Programmierung zum Einsatz.

Meinen Lebenslauf kann man auf meiner Homepage genauer nachlesen, dabei ergeben sich zu allen drei Fachwörtern meines vielschichtigen Lehrgebiets eine Vielzahl von Bezugspunkten aus meinem Werdegang. Die KI begleitete meine Dissertation sowie meine weiteren Tätigkeiten in der Industrie.
 

3. Welche Vorlesungen halten Sie derzeit und was lernen die Studierenden darin?
Neben verschiedenen Grundlagenfächern wie Datenbanksysteme, Algorithmen und Datenstrukturen und Programmieren 3: Java halte ich fortgeschrittene Bachelormodule wie Big Data, Cloud & NoSQL oder Web-Anwendungsentwicklung sowie Mastermodule wie Semantic Web Technologien oder Big Data und Cloud-basiertes Computing. Die Studierenden lernen darin Software-Bausteine für Big Data Processing wie bspw. Hadoop/Spark, MongoDB, Neo4j, Exasol und Snowflake kennen sowie moderne Web-Anwendungsentwicklung und den praktischen Einsatz von Cloud-basierten Infrastrukturen.
 

4. Welche Bedeutung hat KI in diesem Bereich?
Massendaten dienen als Ausgangsbasis für das Training von moderner künstlicher Intelligenz, daher benötigen Studierende Techniken für die Datenhaltung und -analyse. Außerdem kann man auf den Big-Data-Rechnerverbünden massiv-parallele Programmierung von KI-Verfahren betreiben. Spannend ist auch integriertes maschinelles Lernen in Datenbanksystemen. KI spielt im Bereich Cloud Computing verschiedene Rollen, u.a. bietet die Cloud etliche Plattformen für KI-Anwendungsentwicklung.
 

5. Wie schätzen Sie die Berufschancen von Studierenden in unseren KI-Studiengängen ein?
Sie haben exzellente Berufschancen. Unsere KI-Studierenden, die sich für Ihr Praxissemester bei Unternehmen um ein Praktikum bewerben, erleben schon heute echte Begeisterung der Unternehmen darüber, dass wir ihnen zu diesem Zeitpunkt bereits die Kompetenzen zu KI aber auch Big Data und Cloud Computing beigebracht haben.

6. Neben der Lehre sind Sie auch forschend tätig. Auf welche(s) Forschungsgebiet(e) sind Sie spezialisiert?
Mein primäres Forschungsfeld ist Big Data Curation. Dabei geht es um KI-gestützte Verfahren um sicherzustellen, dass relevante Daten auch in Zukunft zuverlässig verfügbar sind, für Forschung und zur Wiederverwendung. Denn „Löschen ist leicht. Bewahren ist hart!“

Darüber hinaus habe ich Forschungsinteresse an Green Big Processing, also nach Kosten optimierte Verfahren, zur Sicherstellung von Relevanz und Ökonomie für die Massendatenverarbeitung in der Cloud. Auch die folgenden, derzeit in der internationalen DB-Community populären Forschungsfelder verfolge ich: Massiv-parallele Programmierung von KI-Verfahren; integriertes maschinelles Lernen in Datenbanksystemen; intelligente Algorithmen und agile Datenintegration mit NewSQL- und NoSQL-Systemen; skalierbare Datenarchitekturen in der Cloud auf modernen und sich weiterentwickelnden Hardware-Infrastrukturen.

7. Was fasziniert Sie an diesen Themen?
Big Data Curation benötigt einen ganzen Blumenstrauß von Kompetenzen, um die Datenrelevanz-Frage mit hoher Konfidenz beantworten zu können. Spannend für mich ist es, wie wir diese Disziplinen verheiraten und wie wir die Hürden für den Einsatz in praktischen Anwendungen senken können. Bei allen Forschungsinteressen und Lehraufgaben treibt mich eine tiefe Liebe und Leidenschaft für die Informatik.

8. Wie hat KI diese(s) Forschungsgebiet(e) beeinflusst und welche Rolle spielt sie?
Datenmanagement und künstliche Intelligenz bilden seit Jahrzehnten eine Symbiose. Moderne KI ist in die Big Data Welt und in das Cloud Computing hineingewachsen. Getrieben durch die zunehmende Bedeutung der KI für Anwendungen in allen fachlichen Bereichen existiert heute eine gefestigte interdisziplinäre Partnerschaft zwischen Big Data, Cloud Computing und KI.

9. Mit welchen Arten von KI beschäftigen Sie sich?
Ich beschäftige mich im Bereich Data Science mit maschinellem Lernen, also subsymbolischer KI. Im Bereich Web-Anwendungsentwicklung auch mit semantischer Wissensrepräsentation und symbolischer KI.

10. Welche konkreten Anwendungsfälle von KI finden Sie am beeindruckendsten?
Ich finde einfach jede KI-im-Alltag beeindruckend. Angefangen mit E-Mail Spam-Filtern, die schon so selbstverständlich geworden sind, dass dabei wahrscheinlich niemand mehr an KI denkt. Darüber hinaus Sprachassistenten wie Alexa und Siri. Sprachübersetzer wie DeepL. Die Empfehlungssysteme mit denen mich Feeds wie Flipboard und TikTok bei Laune halten. Und schon heute das assistierte Fahren sowie hoffentlich irgendwann autonomes Fahren.

11. Möchten Sie noch etwas sagen, wozu Sie bisher nicht die Gelegenheit hatten?
In unserer Zeit sind innovative Techniken für die Massendatenhaltung und -auswertung neu im Entstehen und diese Daten dienen als Rohstoff für künstliche Intelligenz. Ich freue mich darauf diese Entwicklung aktiv mitzugestalten.

1. Für welches Lehrgebiet sind Sie berufen?
Intelligente mobile Systeme

2. Wie sieht Ihr Werdegang aus und wie kamen Sie dazu, mit KI zu arbeiten?
Längere Geschichte, ich bin eigentlich „Robotiker“ mit Elektrotechnikhintergrund und war nach meiner Promotion mehrere Jahre bei Bosch tätig, zuerst im Bereich vollautomatisierte Parksysteme und zuletzt für die weltweite Weiterbildung der Mitarbeiter im Bereich maschinelles Lernen. Parallel zum Job bzw. zwischen meinen zwei Stationen bei Bosch habe ich auch noch Mathematik und Informatik studiert. KI hat mich schon immer fasziniert, zum Glück ist man in der Robotik recht nah dran, weshalb es ein fließender Übergang war.

3. Welche Vorlesungen halten Sie derzeit und was lernen die Studierenden darin?

• Programmieren I (Python): Grundlagen des Programmierens
• Internet technologies: Was passiert im Hintergrund, wenn ich in meinem Browser eine Seite aufrufe?
• Echtzeitbetriebssysteme: Alles rund um die Mikrocontrollerprogrammierung wenn Echtzeit eine Rolle spielt
• Mobile Robotik mit ROS: Wie finden fahrende/fliegende Roboter von A nach B?

4. Welche Bedeutung hat KI in diesem Bereich?
Kommt drauf an, in der Robotik nimmt KI einen immer höheren Stellenwert ein, bei Echtzeitbetriebssystemen vermutlich eher weniger.

5. Wie schätzen Sie die Berufschancen von Studierenden in unseren KI-Studiengängen ein?
Sehr gut, da die Studierenden stark im Programmieren sind und gleichzeitig die Theorie mitvermittelt bekommen.

6. Neben der Lehre sind Sie auch forschend tätig. Auf welche(s) Forschungsgebiet(e) sind Sie spezialisiert?
Meine letzte Publikation war im Bereich Reinforcement Learning.

7. Was fasziniert Sie an diesen Themen?
Reinforcement Learning ist faktisch die einzige Technik, bei denen Roboter selbstständig lernen, d.h. bei Null starten und sich durch trial and error verbessern. Das finde ich persönlcih wesentlich faszinierender als klassisches supervised learning, bei denen die Daten „hart“ vorgegeben werden.

8. Wie hat KI diese(s) Forschungsgebiet(e) beeinflusst und welche Rolle spielt sie?
Reinforcement Learning hat insbesondere in den letzten 10 Jahren einen massiven Schub durch Deep Learning erfahren, wodurch man mittlerweile wesentlich komplexere Probleme lösen kann.

9. Mit welchen Arten von KI beschäftigen Sie sich?
Zuletzt viel mit explainable AI. Das betrifft alle Arten von KI, bei denen man als Mensch nachvollziehen will wieso die KI zu ihrem Ergebnis gekommen ist. Das Ganze wird insbesondere im Kontext des autonomen Fahrens und der Medizin immer wichtiger: Stellen Sie sich vor, eine KI sagt Ihnen nach Analyse eines MRT Scans, dass Sie einen Tumor haben. Dann wollen Sie schon wissen, basierend auf welchen Informationen die KI zu der Schlussfolgerung kam.

10. Welche konkreten Anwendungsfälle von KI finden Sie am beeindruckendsten?
Ist zwar schon zwei Jahre alt, aber die Proteinfaltung durch AlphaFold fasziniert mich immer noch. Jahrzehntelang tüfteln Biologen an Lösungen und kommen nicht voran. Und plötzlich nehmen sich (überspitzt formuliert) ein paar KI-Experten ohne Vorkenntnisse in der Proteinfaltung des Problems an und lösen es in ein paar Jahren

11. Möchten Sie noch etwas sagen, wozu Sie bisher nicht die Gelegenheit hatten?
Amberg ist schön! :-)

1. Für welches Lehrgebiet sind Sie berufen?
Data Analytics.

2. Wie sieht Ihr Werdegang aus und wie kamen Sie dazu, mit KI zu arbeiten?
Nach meinem Studium und der anschließenden Promotion in angewandter Mathematik wollte ich in einem Bereich arbeiten, in dem Mathematik und Informatik ineinandergreifen und einen realen Nutzen generieren. Zu diesem Zeitpunkt erkannten immer mehr Unternehmen das Potential in der Nutzung ihrer vorhandenen Datenbestände, und so entschied ich mich für einen Einstieg als Data Scientist bei einem großen deutschen Versicherungsunternehmen. Da das Geschäftsmodell von Versicherungen seit jeher auf Daten basiert, war in diesem Umfeld bereits eine hohe „Daten-Kompetenz“ vorhanden. Neben dem Einsatz klassischer statistischer Methoden, beispielsweise zur Tarifgestaltung, kamen im Laufe der Zeit immer mehr neue und spannende Use Cases und Projekte dazu, für die KI-Methoden gewinnbringend eingesetzt werden konnten. Neben den fachlichen Aspekten machte es mir Spaß, am Aufbau eines Data Science-Teams mitzuwirken und dieses als Scrum Master zu begleiten. An einer Hochschulprofessur reizte mich vor allem die Möglichkeit, in Projekten und Abschlussarbeiten den Einsatz von KI-Methoden in verschiedenen Anwendungsbereichen und Unternehmen zu erleben und begleiten zu können. Außerdem hatte ich schon während meiner Zeit an der Universität sehr viel Freude an der Lehre, weshalb ich nicht zögerte, als sich im Sommersemester 2019 die Möglichkeit ergab, auf die Professur für „Data Analytics“ an der OTH Amberg-Weiden zu wechseln.

3. Welche Vorlesungen halten Sie derzeit und was lernen die Studierenden darin?
In meinen Modulen „Data Analytics“, „Machine Learning“ und „Deep Learning“ lernen die Studierenden, wie sie Methoden des maschinellen Lernens richtig und zielführend in der Praxis einsetzen können. Das erfordert einerseits handwerkliches bzw. programmiertechnisches Geschick, z.B. bei der Vor- und Aufbereitung der Daten, andererseits fundierte Kenntnisse über die eingesetzten Algorithmen und das methodische Vorgehen bei der Modellbildung. Da man beim Einsatz von KI-Methoden leider auch einiges falsch machen kann, ist es mir - neben der Vermittlung praktischer Kompetenzen – als Mathematiker auch ein Anliegen, die mathematischen Zusammenhänge und Grundlagen der Methoden zu vermitteln, damit die Studierenden ein ganzheitliches Bild und ein fundiertes Verständnis für deren Funktionsweise entwickeln.
 

4. Wie schätzen Sie die Berufschancen von Studierenden in unseren KI-Studiengängen ein?
Unsere KI-Absolventen haben hervorragende berufliche Einstiegs- und Entwicklungsperspektiven. Da KI-Methoden universell einsetzbar sind, sind sie in vielen Branchen gefragt und können im Laufe des Berufslebens problemlos die Branche wechseln. Während meiner Tätigkeit als Data Scientist durfte ich selbst erfahren, wie abwechslungsreich und vielseitig eine Tätigkeit im KI-Umfeld ist. Vor allem das interdisziplinäre Arbeiten an zukunftsorientierten Themen bereitete mir sehr viel Freude. Ein KI-Studium lohnt sich also!

5. Neben der Lehre sind Sie auch forschend tätig. Auf welche(s) Forschungsgebiet(e) sind Sie spezialisiert?

Mein primäres Interesse gilt dem Gebiet „Advanced Analytics“ unter Verwendung prädiktiver Algorithmen aus den Bereichen „Machine Learning“ bzw. „Deep Learning“. Es geht also ganz allgemein um die Frage, wie – d.h. mit welchen Methoden und Vorgehensweisen - man aus Daten relevante Erkenntnisse gewinnen kann, um diese dann zielführend einzusetzen. Mit Hilfe von „Predictive Analytics“ bzw. „Prescriptive Analytics“ können komplexe Muster und Zusammenhänge in Daten modelliert werden, um Vorhersagen über ein zukünftiges Verhalten zu treffen und auf dieser Basis Prozesse zu optimieren oder zu steuern. Ein Beispiel, das jeder aus dem Alltag kennt, ist personalisierte Werbung. Die Anbieter sammeln große Mengen an Kundendaten, bilden Modelle für die Affinität der Kunden zu bestimmten Produkten in Abhängigkeit der kundenspezifischen Eigenschaften und setzen diese dann dazu ein, um zielgerichtete bzw. personalisierte Werbung auszuspielen.

Während sich die Ansätze häufig ähneln, kann die konkrete Zielsetzung von „Advanced Analytics“ vielfältig sein, z.B. Optimierung und Steuerung von (Produktions-)Prozessen, Steigerung der Produktqualität, der Sicherheit, der Nachhaltigkeit, der Kundenzufriedenheit u.v.m.

6. Was fasziniert Sie an diesen Themen?
„Machine Learning“ und „Deep Learning“ begeistern mich einerseits wegen der vielfältigen Anwendungen und dem resultierenden praktischen Nutzen, der auch in unserem Alltag sichtbar wird, andererseits auf Grund der hohen Dynamik als Forschungsgebiet. Es vergeht kaum ein Jahr, in dem es keinen neuen Meilenstein oder beeindruckenden Erfolg zu vermelden gibt. Als Mathematiker fasziniert mich darüber hinaus, wie beim Deep Learning verschiedene mathematische Disziplinen wie die  Analysis, Optimierung, Lineare Algebra und Statistik ineinander greifen und durch diese Verzahnung großartige Ergebnisse entstehen.

7. Wie hat KI diese(s) Forschungsgebiet(e) beeinflusst und welche Rolle spielt sie?
Der Einsatz KI-basierter Modelle ergänzt die Methoden aus dem Bereich der klassischen Statistik, um Erkenntnisse aus Daten zu gewinnen. Dies ist nur im richtigen Zusammenspiel zwischen Technologie und Algorithmen bzw. zwischen Informatik und Mathematik möglich, die sich gegenseitig befruchten. Entsprechend sind an dieser Schnittstelle neue interdisziplinäre Berufsbilder, wie das des Data Scientists, entstanden.

8. Mit welchen Arten von KI beschäftigen Sie sich?
Ich beschäftige mich primär mit datengetriebenen Ansätzen aus dem Bereich des überwachten und unüberwachten Lernens.

9. Welche konkreten Anwendungsfälle von KI finden Sie am beeindruckendsten?
Besonders beeindruckend finde ich generative KI-Modelle, die Content wie Bilder, Texte, Musik oder Videos erzeugen, die für uns Menschen kaum mehr von realen bzw. menschlich generierten Inhalten unterscheidbar sind. Außerdem sprachbasierte Dienste wie virtuelle Assistenten und Chatbots. Hier hat es mit der Veröffentlichung von ChatGPT erst kürzlich wieder einen beeindruckenden Fortschritt gegeben, nicht zuletzt was die Verarbeitung deutscher Sprache betrifft.

10. Möchten Sie noch etwas sagen, wozu Sie bisher nicht die Gelegenheit hatten?
Ich hoffe, die weitere Entwicklung noch einige Jahre verfolgen und mitgestalten zu können und bin gespannt, wohin sie uns führt. Bei aller Euphorie sollten - wie bei jeder Technologie - auch die Risiken nicht außer Acht gelassen werden. Deshalb ist ein verantwortungsvoller Umgang wichtig, und ich hoffe, dass wir in einigen Jahren behaupten können, dass und dieser gelungen ist.

1. Für welches Lehrgebiet sind Sie berufen?
Künstliche visuelle Intelligenz

2. Wie sieht Ihr Werdegang aus und wie kamen Sie dazu, mit KI zu arbeiten?
Schon beim Bachelor- und Masterstudium (Angewandte Mathematik und Informatik, Karazin Universität, Kharkov, Ukraine) war ich von KI-Algorithmen fasziniert. Ich habe mit den
klassischen Methoden der symbolischen KI angefangen, und es war schon wirklich interessant. In meinem Promotionsstudium (Jacobs University Bremen, Deutschland) habe ich vor allem mit visuellen Daten gearbeitet, und noch die weiteren Methoden der KI gelernt, die ich für die automatisierte Analyse von biomedizinischen Aufnahmen angewendet  habe.

3. Welche Vorlesungen halten Sie derzeit und was lernen die Studierenden darin?

• Informatik: Grundlagen, Algorithmen, Programmierung
• Künstliche Intelligenz 2: klassische KI Methoden
• Ausgewählte Themen der KI: Vertiefung in die klassischen KI Methoden
• Computer Vision: die Grundlagen der Bildverarbeitung
• Deep Vision: fortgeschrittene Deep Learning Algorithmen für Analyse von Bilddaten
• Forschungsseminar: wie kann man die wiss. Papers lesen und den anderen die Methoden erklären
• Einführung in die wiss. Arbeit in der medizinischen Bildanalyse: was die medizinischen Bilddaten sind, welche Probleme und Aufgaben es gibt, was the State-of-the-Art ist, wie man ein Paper liest, und wie man eigentlich ein eigenes Paper schreibt und einreicht

4. Welche Bedeutung hat KI in diesem Bereich?
Die Methoden der KI sind ein Hauptwerkzeug im Bereich “Medical Image Analysis”.

5. Wie schätzen Sie die Berufschancen von Studierenden in unseren KI-Studiengängen ein?
Ich schätze die Berufschancen sehr gut ein. Man hat die Möglichkeit entweder in die Industrie oder in die Forschung zu gehen

6. Neben der Lehre sind Sie auch forschend tätig. Auf welche(s) Forschungsgebiet(e) sind Sie spezialisiert?
Medizinische Bildanalyse, automatisierte Segmentierung von MR und CT-Bilddaten.

7. Was fasziniert Sie an diesen Themen?
Die zahlreichen Anwendungen und wie sie das Leben der Menschen verbessern können.

8. Wie hat KI diese(s) Forschungsgebiet(e) beeinflusst und welche Rolle spielt sie?
Eigentlich spielt KI hier die zentrale Rolle. :) Viel ist möglich geworden, wovon man noch vor 20 Jahren nur träumen konnte.

9. Mit welchen Arten von KI beschäftigen Sie sich?
Convolutional neural networks und Transformers

10. Welche konkreten Anwendungsfälle von KI finden Sie am beeindruckendsten?
KI-gesteuerte Chirurgie und KI-Assistenten in der Radiologie

11. Möchten Sie noch etwas sagen, wozu Sie bisher nicht die Gelegenheit hatten?
"With great power comes great responsibility" © (Spiderman)

1. Für welches Lehrgebiet sind Sie berufen?
Embedded Intelligence, Eingebettete Intelligenz

2. Wie sieht Ihr Werdegang aus und wie kamen Sie dazu, mit KI zu arbeiten?
Ich habe an der Uni Passau Informatik studiert, und habe meine Diplomarbeit im Bereich Echtzeitdatenverarbeitung in Sensornetzwerken geschrieben. Mustererkennung war hier ein wichtiger Bestandteil, um Einflüsse der Umgebung zu klassifizieren und zu entfernen, der mich später dann als Wissenschaftlicher Mitarbeiter an den Lehrstuhl für Eingebettete Systeme geführt hat. Dort habe ich im Bereich Gestenerkennung gearbeitet, wie also KI auf personenbezogene Echtzeitdaten angewendet werden kann um dadurch Hilfestellung für Personen zu geben. 2012 bin ich dann ans DFKI in Kaiserslautern gewechselt und habe dort an der TU Kaiserslautern im Bereich Lokalisierung promoviert. Arbeiten in der dortigen Smart Factory führten zu einer Effizienzsteigerung in der Produktion.

3. Welche Vorlesungen halten Sie derzeit und was lernen die Studierenden darin?
Im Bachelorstudium bin ich in der Grundlagenausbildung tätig (Programmierung und Web Client Technologien), in höheren Semestern bin ich für Industrie 4.0 Projekte verantwortlich. Im Master Künstliche Intelligenz lese ich Ausgewählte Themen der Augmented / Virtual Reality und Eingebettete Intelligenz. In den Industrie 4.0 Projekten gebe ich zum einen tages-aktuelle Themen aus der Industrie aus – z.B. Evaluierung von Kommunikationstechnologien oder überschaubare KI Projekte – aber auch z.B. der Bau von Sensorprototypen. Die Mastervorlesungen beleuchten in der Regel Problemstellungen bzgl Echtzeitdatenströmen, der Aufbereitung und Verarbeitung.

4. Welche Bedeutung hat KI in diesem Bereich?
In den Grundlagenfächern ist das Thema KI nur ein Randthema, ich verweise auf mögliche Implementierungsdetails, in höheren Semestern oder im Master Studium bespreche ich mit den Studierenden die Funktionsweisen der Algorithmen an realen Beispielen des Gewerbes und der Industrie und zeige Vorgehensweise in der Echtzeitdatenaufbereitung bezüglich KI. Insbesondere soll die gesamte Verarbeitungskette von der Datenaufnahme bis zur KI Klassifikation / Regression abgebildet werden. Mir ist es wichtig, dass die Studierenden lernen, wie sie eine KI Problemstellung bearbeiten können – von der Analyse der Problemstellung, Auswahl der Sensoren, Aufzeichnung von Daten, Verarbeitung und Klassifikation mittels KI Algorithmen.

5. Wie schätzen Sie die Berufschancen von Studierenden in unseren KI-Studiengängen ein?
Ich sehe ausgezeichnete Chancen für unsere KI Studierenden. Im Wirkungsbereich der Hochschule finden sich eine Vielzahl an Firmen, die KI nutzen, gerade in der Qualitätssicherung oder in der effizienteren Nutzung von Anlagen oder Materialien sind hier viele Firmen tätig und suchen Absolventinnen und Absolventen im KI Bereich. Gerade die enge Beziehung zu lokalen Firmen ermöglicht in der Ausbildung unserer Studierenden frühzeitig interessante Themen aus den Firmen in den Vorlesungen oder den Abschlussarbeiten zu bearbeiten. So können unsere Absolventen Einblicke in ihr späteres Arbeitsumfeld gewinnen – und die Firmen neue Mitarbeiter gewinnen.

6. Neben der Lehre sind Sie auch forschend tätig. Auf welche(s) Forschungsgebiet(e) sind Sie spezialisiert?
Ich forsche im Bereich Sensorik, tragbaren Sensorsystemen, Lokalisierung und Effizienzsteigerung im Arbeitsumfeld. Auch Lokalisierung im Innenraum finde ich ein sehr spannendes Thema.

7. Was fasziniert Sie an diesen Themen?
Ich finde die breite Streuung der zu bearbeitenden Felder sehr interessant. Von der Hardwarekonzeption, die Programmierung von Firmware, der Datenübertragung, Datenaufbereitung und die Datenauswertung werden viele Themen bearbeitet – so wird es nie langweilig. Auch das Ergebnis, das in der Realität eingesetzt wird, ist wichtig für mich.

8. Wie hat KI diese(s) Forschungsgebiet(e) beeinflusst und welche Rolle spielt sie?
Neben den üblichen Verfahren der Signalverarbeitung (z.B. Kalman Filterung, Particle Filter) verwende ich z.B. Regressionsalgorithmen um Parameter für physikalisch mathematische Modell zu bestimmen. Außerdem nutze ich KI Algorithmen, um die Genauigkeit von Sensordaten zu erhöhen und um Einflüsse der Umgebung aus den Sensordaten zu entfernen.

9. Mit welchen Arten von KI beschäftigen Sie sich?
Ich verwende Machine Learning Algorithmen, Regressionen und Klassifikatoren.

10. Welche konkreten Anwendungsfälle von KI finden Sie am beeindruckendsten?
Besonderes interessant finde ich die Anwendung von Deep Learning Netzwerken auf Bildern – Erkennung von Objekten, Generative Algorithmen und natürlich die Sprachmodelle – mit allen Vor- und Nachteilen, die ihre Auswirkungen auf unser Leben haben werden.

1. Für welches Lehrgebiet sind Sie berufen?
Maschinelles Lernen für industrielle Anwendungen.

2. Wie sieht Ihr Werdegang aus und wie kamen Sie dazu, mit KI zu arbeiten?
Ursprünglich bin ich Physiker, im Bereich Biophysik promoviert. Seit über 10 Jahren beschäftige ich mich mit Data Science und Maschinellem Lernen. Die vergangenen Jahre war ich als Experte für KI in der Industrie tätig und habe Anwendungen in verschiedenen Bereichen umgesetzt. Seit Februar 2023 bin ich Professor an der OTH Amberg-Weiden.

3. Welche Vorlesungen halten Sie derzeit und was lernen die Studierenden darin?
 

• Maschinelles Lernen: Grundlagen, wie Statistik und Mustererkennung funktionieren und damit Maschinen eigenständiger, automatisierter („intelligent“) arbeiten können.
• Deep Learning: Wie funktionieren Neuronale Netze, die Themen wie Bildverarbeitung und Sprachverarbeitung im KI-Bereich revolutioniert haben
• Natural Language Processing: Künstliche Intelligenz für Sprachverarbeitung, von Statistik auf Texten zu den Kern-Modellen von Chat-GPT
• AI Hacking: KI bietet neue Angriffsmöglichkeiten für Hacker: Wie kann man KI angreifen und wie kann man KI vor Angriffen schützen.
• Mathematik :-)

4. Wie schätzen Sie die Berufschancen von Studierenden in unseren KI-Studiengängen ein?
Traumhaft, aktuell ist die Kompetenz sehr gefragt. Das dürfte auch noch anhalten, insbesondere weil unsere Studierenden nicht „nur“ KI studieren, sondern die Technologie drum herum auch kennen (Robotik, Datenbanken, Cloud Technologien, …) und eine sehr praxisnahe Ausbildung haben.

5. Neben der Lehre sind Sie auch forschend tätig. Auf welche(s) Forschungsgebiet(e) sind Sie spezialisiert?
Security Aspekte von KI sind mein aktueller Schwerpunkt, Verteidigungsstrategien gegen Angriffe auf die KI, um beispielsweise Fehlverhalten bewusst zu erzeugen oder Angriffe gegen die Privatsphäre der Daten mit der die KI trainiert wurde.

6. Was fasziniert Sie an diesen Themen?
Durch die aktuell zunehmende Verbreitung von KI nehmen auch die Angriffe auf KI-Systeme zu. KI bietet ganz neue Angriffsmöglichkeiten. Ich denke, wir stehen bei der KI-Security dort, wo die Internet-Security Anfang der 2000er Jahre stand. D.h. wir haben noch viel zu tun…

7. Wie hat KI diese(s) Forschungsgebiet(e) beeinflusst und welche Rolle spielt sie?
Ohne KI gäbe es das Forschungsgebiet nicht. ;-)

8. Mit welchen Arten von KI beschäftigen Sie sich?
Sprach-KI, Neuronale Netze allgemein, Maschinelles Lernen auf Zeitreihen (z.B. Sensordaten), eigentlich aber alles.

9. Welche konkreten Anwendungsfälle von KI finden Sie am beeindruckendsten?
Alle, ich wollte genau das Lehrgebiet. Alle Arten von Anwendungen. Aber, tatsächlich ist meine Lieblingsanwendung Informationsmanagement. Wie sortiere, klassifiziere, suche, finde ich Informationen. Für das Thema „Maschinelles Lernen“ allein gab es in den letzten 12 Monaten auf einer Plattform über 40000 Publikationen. Ich muss die finden, die für meine Arbeit relevant sind.

1. Für welches Lehrgebiet sind Sie berufen?
Deep Learning

2. Wie sieht Ihr Werdegang aus und wie kamen Sie dazu, mit KI zu arbeiten?
-    Bachelor (B. Eng.) Wirtschaftsingenieurwesen (WI) an der OTH-AW (Weiden)
-    Master (M. Eng.) IT & Automation (IA) an der OTH-AW (Amberg)
-    Software Engineer im Bereich der Entwicklung von Simulation- und Kommunikationssystemen zur Ausbildung von Fluglotsen
-    Promotion am Lehrstuhl für Mustererkennung an der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Thema Dissertation: „Deep Learning Applied to Animal Linguistics“, Abschluss mit summa cum laude
-    Ausgründung OrasTEC GmbH zusammen mit dem OTH-Gründerteam: Geschäftsführer und Gesellschafter der OrasTEC GmbH (Beratung, Modellierung und Implementierung von KI-Software-Lösungen in den Bereichen Bildverarbeitung, Akustik, Sensorik und Text).
Während meiner Zeit als Software Engineer kam ich bereits mit KI-Themen in Berührung, insbesondere im Bereich der Spracherkennung und Natural Language Processing (NLP). Das KI-Thema war dann insbesondere während der gesamten Promotionszeit im Bereich „Deep Learning“ an der FAU der Hauptfokus. Nun natürlich auch im Rahmen der Professur mit genau diesem Lehrgebiet (Deep Learning), als auch im Zuge der durchgeführten Ausgründung von OrasTEC.
 

3. Welche Vorlesungen halten Sie derzeit und was lernen die Studierenden darin?
Deep Learning (MKI, MAI), Data Engineering & Analytics (KI, IK), Advance Machine Learning (MKI, MAI), Natural Language Processing (MKI, MP, IA), AI Conference (MAI), AI Project (MAI), Programming Starter Python (IK)

4. Welche Bedeutung hat KI in diesem Bereich?
Es handelt sich in allen Bereichen um KI-Vorlesungen, angefangen von der Einführung in Python (Programming Starter Python), über die Datenverarbeitung und Analyse (Data Engineering & Analytics), bis hin zu den verschiedenen KI-Konzept (Deep Learning, Advance Machine Learning) und ihren unterschiedlichen domänenspezifischen Anwendungen (Natural Language Processing, Advanced Machine Learning). Ergänzt wird das Ganze durch wissenschaftliches Arbeiten mit aktuellen KI-Veröffentlichungen (AI Conference) und eigens durchgeführten KI-Projekten (AI Project).

5. Wie schätzen Sie die Berufschancen von Studierenden in unseren KI-Studiengängen ein?
Die Berufsaussichten für Studierende in KI-Studiengängen sind derzeit äußerst vielversprechend. KI-Technologien finden ihren Einsatz in einer Vielzahl von unterschiedlichen Branchen (Industrie, Gesundheitswesen, Finanzdienstleister, usw.), was schlussendlich zu einer sehr hohen Nachfrage an Fachexperten führt. Deutlich wird das Ganze auch durch die Entwicklungen an den jeweiligen Hochschulen und Universitäten (steigendes Angebot an KI-Studiengängen), als auch den verschiedenen KI-Programmen von Bund und Länder (z.B. High-Tech-Agenda Bayern). Insgesamt können KI-Studierende auf ein breites Portfolio von Job-Angeboten zurückgreifen, in etablierten Unternehmen, aber auch aufstrebenden KI-Start-Ups und Forschungseinrichtungen. Jedoch ist es wie überall in der Marktwirtschaft, Angebot und Nachfrage definieren das Geschehen. Durch die vermehrte Ausbildung von KI-Fachleuten steigt aktuell das Angebot deutlich, wodurch es nach und nach auch hier zu einer Befriedigung der Nachfrage und Rückgang dieser kommen wird. Aus meiner Sicht wird das gegenwärtig und auch in naher Zukunft nicht der Fall sein.

6. Neben der Lehre sind Sie auch forschend tätig. Auf welche(s) Forschungsgebiet(e) sind Sie spezialisiert?
Der Forschungsschwerpunkt konzentriert sich auf das breite Spektrum an domänen-, daten- und aufgabenspezifischen Anwendungen aus dem Bereich Deep Learning.

7. Was fasziniert Sie an diesen Themen?
Deep Learning ist aktuell die treibende Kraft im Bereich der künstlichen Intelligenz mit großen analytischen Durchbrüchen in den Bereichen Bild, Audio, Sensorik und Text. Die Flexibiliät und Anpassungsfähigkeit auf verschiedene strukturierte aber auch unstrukturierte Datenmengen ermöglicht die Automatisierung komplexer Aufgaben und Fragestellungen. Durch die hohe Dynamik und Schnelllebigkeit gerade in diesem Forschungsfeld, ist es besonders wichtig durch aktive Forschung am Zahn der Zeit zu bleiben, was sich schlussendlich auch auf die Qualität der Lehre und Ausbildung unserer Studenten abbildet.

8. Wie hat KI diese(s) Forschungsgebiet(e) beeinflusst und welche Rolle spielt sie?
Deep Learning ist heutzutage das zentrale Element nahezu aller bahnbrechenden Entwicklungen im Bereich der künstlichen Intelligenz. Deep Learning ermöglicht eine rein datengetriebene Erfassung und effiziente Verarbeitung riesiger hochgradig komplexer Datenstrukturen, mit dem Ziel die dort enthaltene Datencharakteristik zu lernen, abzubilden und möglichst gut zu generalisieren, um im Nachgang eine Vielzahl verschiedener domänen- und aufgabenspezifischer Fragestellungen lösen zu können.

9. Mit welchen Arten von KI beschäftigen Sie sich?
Deep Learning

10. Welche konkreten Anwendungsfälle von KI finden Sie am beeindruckendsten?
siehe Antwort oben – sämtliche DL-Anwendungen für Bild, Akustik, Sensorik und Text