Exzellenzcluster – Maschinelles Lernen für die Wissenschaft

Forschung im Cluster

Forschungsbereiche

Illustration der Forschungsbereiche des Clusters und deren Verhältnisse zueinander

Wir wollen erreichen, dass Algorithmen des maschinellen Lernens eine zentrale Rolle in vielen verschiedenen Bereichen der Wissenschaft einnehmen – und verstehen, wie eine solche Transformation das wissenschaftliche Arbeiten an sich verändert. Insbesondere wollen wir neue Entwicklungen im maschinellen Lernen hervorbringen, indem wir übergeordnete, disziplinübergreifende Probleme identifizieren und lösen; wissenschaftliche Anwendungen vorantreiben, indem wir mit maschinellem Lernen nachhaltigen, transformierenden Einfluss auf die Wissenschaft nehmen; und weitreichende Implikationen der von uns ins Auge gefassten Transformation der Wissenschaft durch maschinelles Lernen erforschen, indem wir die möglichen Konsequenzen für die wissenschaftliche Methode allgemein philosophisch und wissenschaftsethisch studieren.

Wir haben vier Forschungsbereiche identifiziert, in denen Fortschritt durch die Anwendung des maschinellen Lernens dringend geboten ist, um ihr Potenzial zu realisieren und neue wissenschaftliche Perspektiven zu entwickeln:

Forschungsanwendungsbereiche

Wir haben drei weite Bereiche wissenschaftlicher Anwendung ausgewählt, in denen wir im Verlauf der ersten Förderperiode des Clusters schwerpunktmäßig Herausforderungen, Schwierigkeiten und Chancen analysieren werden, die im maschinellen Lernen für Wissenschaft insgesamt schlummern: 

  • Lebenswissenschaften: Medizin, Bioinformatik, Neurowissenschaften 
  • Physikalisch-technische Wissenschaften: Computergrafik und Computer Vision, Physik, Geowissenschaften 
  • Geistes- und Sozialwissenschaften: Linguistik, Kognitionswissenschaften, Sozialpsychologie.

Die Auswahl spezifischer Anwendungsfelder ist nicht erschöpfend – wir stellen hier eine relevante Untermenge an Disziplinen vor, die illustriert, wie unterschiedliche Charakteristika, Methoden und Fragestellungen wir angehen werden. Die vorgestellten Disziplinen dienen als Versuchsfelder, mit deren Hilfe wir maschinelles Lernen in der Wissenschaft ganz allgemein voranbringen wollen. Dazu werden wir den Erfolg verschiedener Methoden in unterschiedlichen Fachgebieten vergleichend betrachten und die den Fachgebieten gemeinsamen Probleme und Fragestellungen identifizieren.