Der Neue Wiesentbote

Die Universität Bayreuth erhält drei neue Professuren auf dem Gebiet der Künstlichen Intelligenz. Dies gab Bayerns Wissenschaftsminister Bernd Sibler heute in München bekannt. Mit Anträgen auf den Gebieten des Energiemanagements, des maschinellen Lernens und der Materialforschung konnte sich die Universität Bayreuth im Wettbewerb der bayerischen Universitäten und Hochschulen um insgesamt 50 neue KI-Professuren durchsetzen. Der Ausbau von Forschung und Lehre im Bereich Künstliche Intelligenz ist ein Schwerpunkt der im Oktober 2019 von Ministerpräsident Dr. Markus Söder angekündigten Hightech Agenda Bayern.

„Die Entscheidung der Bayerischen Staatsregierung, an der Universität Bayreuth drei neue Professuren für Künstliche Intelligenz einzurichten, ist ein Meilenstein für die strategische Weiterentwicklung unserer Universität auf einem zentralen Zukunftsfeld. Sie setzt zugleich neue Impulse für innerbayerische Kooperationen zwischen Universitäten und Hochschulen für angewandte Wissenschaften. Die neuen KI-Professuren in Bayreuth sind in verschiedenen Fakultäten angesiedelt, aber durch fachliche Querverbindungen werden sie die interdisziplinäre Vernetzung auf unserem Campus weiter deutlich stärken. Dieser schöne Erfolg wäre nicht möglich gewesen ohne die engagierte Zusammenarbeit vieler Mitglieder unserer Universität bei der Ausarbeitung der Förderanträge. Allen Beteiligten gilt mein herzlicher Dank – gerade auch denjenigen Wissenschaftlerinnen und Wissenschaftlern, deren Anträge heute nicht zum Zuge gekommen sind. Die darin enthaltenen Ideen und Vorhaben bleiben gleichwohl wertvolle Anknüpfungspunkte für die Weiterentwicklung der Universität Bayreuth auf diesem wichtigen Gebiet“, erklärte Universitätspräsident Prof. Dr. Stefan Leible heute nach der Bekanntgabe der Entscheidung.

Von der Grundlagenforschung zu technologienahen Projekten

„Künstliche Intelligenz erweist sich immer mehr als ein zentraler Innovationsmotor für das 21. Jahrhundert. Die Universität Bayreuth begrüßt daher die mutige Entscheidung der bayerischen Staatsregierung, in Forschung und Entwicklung auf diesem Gebiet umfassend und nachhaltig zu investieren. Unsere neuen KI-Professuren sind ein bedeutender Schub für die innovative Dynamik an der Universität Bayreuth. Mit ihren fachlichen Schwerpunkten schlagen sie einen Bogen von einer theoretisch geprägten Grundlagenforschung bis hin zur technologischen Anwendung der KI in den Naturwissenschaften. Sie enthalten daher ein großes Potenzial für gemeinsame Forschungs- und Entwicklungsarbeiten mit Unternehmen, aber auch für die Gründung von Start-ups, die wir in Bayreuth gezielt fördern“, sagt Prof. Dr. Torsten Eymann, Vizepräsident der Universität Bayreuth für den Bereich Digitalisierung und Innovation.

Intelligentes Energiemanagement

Eine neue Professur für Intelligentes Energiemanagement wird sich mit Grundlagen und Anwendungen künstlicher Intelligenz im Bereich der elektrischen Energieversorgung und den elektrischen Energienetzen befassen. Einen Schwerpunkt bilden dabei dezentrale Energiesysteme, an denen erneuerbare Energiequellen wie Sonne und Wind einen hohen Anteil haben. Zahlreiche verschiedene Akteure und Geschäftsmodelle sind in diesen Systemen verknüpft. Deshalb muss regelmäßig eine große Zahl widersprüchlicher Informationen und unsicherer Prognosen verarbeitet werden. Im Zentrum der Professur stehen daher die Entwicklung neuer KI-Methoden: Sie sollen bessere Vorhersagen von Energieerzeugung und Energiebedarf, von verfügbaren Speicherkapazitäten und von Netzengpässen ermöglichen, aber auch einer besseren Steuerung und Regelung des Gesamtsystems dienen. Zum intelligenten Energiemanagement zählen der Einsatz von Kraftwerken, das Lademanagement von stationären Speichern und Elektrofahrzeugen.

Auf diese Weise wird die Professur einen wichtigen Beitrag zu einer verlässlichen Versorgung mit Erneuerbaren Energien leisten können. Sie ist dabei in das Profilfeld „Energieforschung und Energietechnologie“ der Universität Bayreuth integriert. Mit dem Zentrum für Energietechnik (ZET), dem Bayerischen Zentrum für Batterietechnik (BayBatt) und der Fraunhofer FIT Projektgruppe Wirtschaftsinformatik wird sie auf dem Bayreuther Campus eng zusammenarbeiten. Der erfolgreiche Antrag für die Professur wurde von der Universität Bamberg sowie von den Hochschulen für Angewandte Wissenschaften in Hof und München unterstützt. Es ist neben dem Antrag der TH Rosenheim zur KI-gestützten Energiedatenanalyse der einzige Antrag auf dem Gebiet der Energietechnik, der sich im KI-Wettbewerb der bayerischen Universitäten und Hochschulen durchsetzen konnte.

Maschinelles Lernen

„Datengetriebene dynamische Optimierung und Kontrolle“ ist das Thema einer weiteren neuen KI-Professur. Es geht dabei um ein technologisches Problem, das vielen Unternehmen, Forschungsinstituten und Verwaltungseinrichtungen auf den Nägeln brennt: Klassische Verfahren des maschinellen Lernens benötigen oft mehr IT-Kapazitäten, als auf mobilen Systemen zur Verfügung steht, die in Echtzeit auf neue Situationen reagieren müssen. Die neue Professur wird in Forschung und Entwicklung auf die Überwindung dieser Problematik hinarbeiten. Sie ist an der Schnittstelle von Mathematik, Informatik und Robotik angesiedelt. Das Ziel ist es, Techniken des maschinellen Lernens mit Verfahren der optimalen Steuerung und Regelung so zu verknüpfen, dass sie auch in mobilen Systemen genutzt werden können. Für die Forschungsergebnisse wird es eine Vielzahl von Anwendungsfeldern geben: Dazu zählen beispielsweise die Entwicklung autonomer Fahrzeuge, der Einsatz von Robotern in der Medizin und effiziente umweltfreundliche Technologien (CleanTech). Geplant ist daher auch eine Zusammenarbeit mit der Energieforschung an der Universität Bayreuth, insbesondere mit dem Bayerischen Zentrum für Batterietechnik (BayBatt). Die Professur ist zudem Teil eines Verbunds neuer KI-Professuren, an denen auch die TU München und die Katholische Universität Eichstätt-Ingolstadt beteiligt sind.

Nachhaltige Materialien

Materialforschung und -entwicklung sind von zentraler Bedeutung für die Forschung an der Universität Bayreuth. Sie erstreckt sich auf die Profilfelder „Polymer- und Kolloidforschung“, „Neue Materialien“ sowie „Energieforschung und Energietechnologie“. Eine neue KI-Professur auf dem Gebiet der physiko-chemischen Materialanalytik wird neue Möglichkeiten der Künstlichen Intelligenz für dieses interdisziplinäre Forschungsfeld erschließen. Ein wichtiges Ziel ist es dabei, ein tieferes Verständnis der Beziehungen zwischen Strukturen und Eigenschaften von Materialien zu gewinnen. Weil aber Messdaten in der Materialforschung oft sehr vielfältig und komplex sind, müssen für ihre Auswertung neue computergestützte Verfahren entwickelt und erprobt werden.

Die neue Professur wird dabei an der Schnittstelle zwischen experimenteller Materialforschung und computerunterstützter Auswertung angesiedelt sein. Dadurch sollen Analysen von Strukturen und Eigenschaften neuester Materialien schneller, präziser, und vielschichtiger durchgeführt werden können. Wertvolle Impulse werden insbesondere für die Bereiche zeitaufgelöster Streumethoden, Mikroskopie und Spektroskopie erwartet. In allen drei Bereichen verfügt die Universität Bayreuth über leistungsstarke Forschungstechnologien, die auf eine in Deutschland einzigartige Weise miteinander vernetzt sind. Dadurch werden umfassende Materialanalysen auf verschiedensten Längen- und Zeitskalen möglich, stellen aber zugleich sehr hohe Anforderungen an das wissenschaftliche Verständnis der gewonnenen Daten. Mit Hilfe Künstlicher Intelligenz lassen sich daher entscheidende Fortschritte bei der Entwicklung von Materialien erzielen, wie sie künftig für nachhaltige Technologien benötigt werden. Die Bayreuther Professur ist Teil eines Verbunds, an dem auch eine neue KI-Professur an der Hochschule Coburg beteiligt ist.

Weitere Informationen

zu den neuen KI-Professuren an bayerischen Universitäten und Hochschulen enthält die heutige Pressemitteilung des Bayerischen Staatsministeriums für Wissenschaft und Kunst:

www.stmwk.bayern.de/pressemitteilung/11941/nr-119-vom-15-05-2020.html