Munich Data Science Institute
Machine Learning für alle
Weitere Geschichten in der Ausgabe 1/2023 des Magazins TUMcampus
Beim 3D-Druck-Verfahren „Laser Powder Bed Fusion“ zischt ein Laserstrahl über eine Schicht Metallpulver und schmilzt sie punktgenau zusammen. Aus zahllosen Lagen entsteht nach und nach ein dreidimensionaler Gegenstand. Durch das Erhitzen und Erkalten können sich allerdings Mikrostrukturen mit unbekannten Eigenschaften ergeben – problematisch für sicherheitskritische Anwendungen. Idealerweise sollte daher schon beim Entwerfen des Druckers berücksichtigt werden, wie die additive Fertigung sich auf die verwendeten Materialien auswirken wird.
Tatsächlich ist es möglich, das im Rechner zu simulieren. „Das erfordert aber sehr viel Rechenleistung und entsprechend viel Energie und Zeit“, sagt Julija Zavadlav, Professorin für Mehrskalige Modellierung von Fluiden Materialien. Eine Lösung könnte Machine Learning bieten: Ein lernendes System könnte die Ergebnisse einer Simulation liefern, ohne die ressourcenaufwendigen Berechnungen durchzuführen. „Hier kommt das Munich Data Science Institute ins Spiel“, sagt Prof. Zavadlav.
MDSI bringt Forschende zusammen
Das Munich Data Science Institute (MDSI) ist seit 2020 die zentrale Schnittstelle für Data Science, Machine Learning und Künstliche Intelligenz (KI) an der TUM. Als integratives Forschungszentrum bringt es Forschende aus allen Fachbereichen zusammen. „Über das MDSI haben wir ein interdisziplinäres Projekt ins Leben gerufen, in dem wir erforschen, wie Machine Learning die Simulation von mechanischen Eigenschaften verbessern kann“, sagt Julija Zavadlav. Computergestütztes Materialdesign ist eines der derzeit zwei Fokusthemen des MDSI.
„Starke Forschung zu Machine Learning und Data Science gab es an der TUM bereits bevor wir das MDSI gegründet haben“, sagt Stephan Günnemann, MDSI-Direktor und Professor für Data Analytics and Machine Learning. „Wir führen die individuellen Stränge zusammen und können dadurch viel stärker vernetzen und bündeln und so unsere Stärken in vollem Umfang nutzen.“ Am MDSI sind rund 60 Professor:innen als Kernmitglieder beteiligt, Forschende aus der Informatik wie Stephan Günnemann, aus den Ingenieurwissenschaften wie Julija Zavadlav, aber auch aus Natur-, Lebens- und Sozialwissenschaften und der Medizin. Neben den Fokusthemen mit ihrem starken Praxisbezug fördert das MDSI auch Grundlagenforschung zu KI und Data Science. Durch enge Zusammenarbeit mit Einrichtungen aus dem Entrepreneurship-Bereich will das MDSI die neuesten Entwicklungen schnell für die Gesellschaft verfügbar machen.
Anlaufstelle bei Projekten zu Data Science
„Wir sind mehr als ein Forschungsinstitut: Das MDSI versteht sich auch als Service-Einrichtung“, sagt Stephan Günnemann. „Die Forschung mit großen Datenmengen bringt Herausforderungen mit sich, die nicht immer unmittelbar mit dem Forschungsgegenstand zusammenhängen.“ Ob Proteomforschung, Social-Media-Analyse oder anorganische Katalyse: Für jede praktische Anwendung ist es beispielsweise enorm wichtig, die jeweils passenden Datenstrukturen und Analysemethoden auszuwählen. „Das MDSI berät Forschende der TUM schon in der Planungsphase und leistet auch im weiteren Verlauf des Projekts Unterstützung“, sagt Prof. Günnemann.
KI-Talente aus der ganzen Welt
Datenwissenschaften und Machine Learning spielen auch in der Lehre der TUM eine wichtige Rolle. Das MDSI bringt sich hier aktiv ein. Mit dem Data Innovation Lab gibt es bereits seit mehreren Jahren ein Forschungspraktikum in Kooperation mit Unternehmen, in dem Studierende spannende praktische Data-Science-Projekte bearbeiten können. Das Data Innovation Lab richtet sich ausdrücklich an Studierende aus allen Fachrichtungen.
Mit der „Konrad Zuse School of Excellence in Reliable AI“ koordiniert das MDSI gemeinsam mit der Ludwig-Maximilians-Universität München zudem ein wegweisendes Projekt in der KI-Lehre. Bundesweit werden drei Zuse Schools durch das Bundesforschungsministerium und den Deutschen Akademischen Austauschdienst finanziert, um exzellenten KI-Nachwuchs aus der ganzen Welt zu gewinnen. „Für die Konrad Zuse School können sich jedes Jahr Master- und Promotionsstudierende bewerben“, sagt Stephan Günnemann. Sie ergänzt zum einen Studium oder Promotion um inhaltliche Angebote. „Wie der Name sagt, steht dabei verlässliche Künstliche Intelligenz im Zentrum – also die Frage danach, wie wir sicherstellen können, dass Machine-Learning-Algorithmen genau das machen, wofür sie programmiert wurden“, so Prof. Günnemann. Zum anderen erhalten die Mitglieder Zugang zu Angeboten wie Praktika, Auslandsaufenthalten oder Kursen zu Themen wie Wissenschaftskommunikation.
Offen für Interessierte
Auch nach dem erfolgreichen Start der Konrad Zuse School und dem Aufbau des MDSI bleibt es spannend. „In den kommenden Monaten werden viele neue Forschungsprojekte an den Start gehen. Wir bieten aber auch wissenschaftliche Workshops zu verschiedenen Data Science-Themen, Zertifikatsprogramme oder Hackathons an – für alle Interessierten ist etwas dabei“, sagt Stephan Günnemann. Außerdem werden demnächst die ersten Forschungsprojekte evaluiert. Darunter fällt auch Julija Zavadlavs Projekt zu Machine Learning für Modellierung von Materialeigenschaften. „Das Projekt hat jetzt schon interessante Ergebnisse aufgezeigt“, sagt die Professorin. „Ich freue mich auf weitere fachübergreifende Kooperationen am MDSI.“
Weitere Geschichten in der Ausgabe 1/2023 des Magazins TUMcampus
Unter dem Dach des MDSI sind zwei eigenständige Institute angesiedelt: das Zentrum für Digitale Medizin und Gesundheit und das TUM Georg Nemetschek Institute Artificial Intelligence for the Built World. Zum breiten Netzwerk des MDSI gehört zudem das Munich Center for Machine Learning – eines von sechs nationalen KI-Kompetenzzentren – dessen TUM-Zweigstelle ebenso hier verortet ist.
Technische Universität München
Corporate Communications Center
- Paul Hellmich
- presse@tum.de
- Teamwebsite
Kontakte zum Artikel:
Prof. Dr. Stephan Günnemann
TUM School of Computation, Information and Technology
Professur für Data Analytics and Machine Learning
+49 89 289 17282
stephan.guennemann@tum.de
