27.07.2023
Die neue Konrad Zuse School of Excellence in Reliable AI (relAI) wird mit Masterstudierenden und Promovierenden sowohl zum technischen Know-how als auch zur gesellschaftlichen Bedeutung zuverlässiger KI arbeiten.
Aspekte wie Sicherheit und Wahrung der Privatsphäre sind wesentliche Voraussetzungen für den Einsatz von KI. Denn mangelnde Zuverlässigkeit führt regelmäßig dazu, dass KI-Technologien auf fehlende Akzeptanz in Gesellschaft und Industrie stoßen.
Diese Perspektive soll durch die gestern von Wissenschaftsminister Markus Blume eröffnete Zuse School relAI stärker in den Fokus rücken. Hier werden künftig KI-Experten und -expertinnen ausgebildet, die nicht nur technisches Know-how, sondern auch ein Bewusstsein für die gesellschaftliche Bedeutung der Zuverlässigkeit von KI entwickeln.
„Mit relAI wollen wir neben der Ausbildung von KI-Experten die internationale Sichtbarkeit von Deutschland und insbesondere München als KI-Standort weiter stärken. Wir wollen München attraktiv machen für internationale Talente, um so Fachkräfte für die wachsende KI-Industrie zu gewinnen“, sagt Stephan Günnemann, Gründungsdirektor der Konrad Zuse School relAI, Executive Direktor des Munich Data Science Institutes und Professor für Data Analytics and Machine Learning an der TUM.
Die Zuse School relAI bietet für Masterstudierende und Promovierende der TUM und LMU ein individuelles Weiterbildungs- und Forschungsprogramm in Ergänzung zu den bestehenden Lehrveranstaltungen an.
„Unsere Studierenden und Promovierenden profitieren von der Expertise der beiden Exzellenzuniversitäten und werden durch verschiedene Module in der Ende-zu-Ende-Entwicklung zuverlässiger KI-Systeme geschult. Zurzeit betreuen wir acht Masterstudierende und 20 Promovierende. Jedes Jahr können wir 15 Masterplätze und zehn Promotionsstellen vergeben“, sagt Gitta Kutyniok, Gründungsdirektorin der Konrad Zuse School relAI und Professorin für mathematische Grundlagen der künstlichen Intelligenz an der LMU.
Die Forschungsschwerpunkte der Zuse School relAI kombinieren mathematische und algorithmische Grundlagen mit den Anwendungsbereichen Medizin und Gesundheitswesen, Robotik und interagierende Systeme sowie algorithmische Entscheidungsfindung. Jeder dieser vier Bereiche deckt dabei zentrale Themen zuverlässiger KI ab: Safety, Security, Privacy und Responsibility.
„Die neu eröffnete Konrad Zuse School bildet den nächsten Baustein für Bayerns dauerhaften Erfolg als Europas KI-Kraftzentrum: Als global vernetztes Bindeglied zwischen internationaler Spitzenforschung und innovativer Lehre bündelt relAI die Exzellenz der beiden besten deutschen Universitäten, um KI noch zuverlässiger und vertrauenswürdiger zu machen. Wir müssen sichere und resiliente KI-Systeme entwickeln, die nach unseren Wertvorstellungen funktionieren. Dabei gehen wir als Freistaat voran: Dank unserer 5,5 Milliarden Euro schweren Hightech Agenda gehört Bayern inzwischen zu den Top 3-KI-Regionen der Welt. Mit der Ausbildung verantwortungsvoller Visionäre wird die Zuse School relAI dieses einzigartige Ökosystem langfristig stärken. Viel Erfolg!“, sagt Wissenschaftsminister Markus Blume.
Die Zuse School relAI ist Teil der KI-Strategie der Bundesregierung und angesiedelt im Programm „Konrad Zuse Schools of Excellence in Artifical Intelligence“. Neben relAI gibt es noch zwei weitere Zuse Schools: zum einen die Konrad Zuse School of Excellence in Learning and Intelligent Systems (ELIZA), die von der TU Darmstadt koordiniert wird und an der sich auch die TUM beteiligt. Zum anderen die Zuse School of Excellence in Embedded Composite Artificial Intelligence (SECAI), bei der es sich um ein Gemeinschaftsprojekt der TU Dresden und Universität Leipzig handelt. Die drei Graduiertenschulen werden gefördert vom Deutschen Akademischen Austauschdient (DAAD).
Strukturell ist die Geschäftsstelle der Zuse School relAI in das Munich Data Science Institute (MDSI), ein Integratives Forschungsinstitut der TUM, eingegliedert. Das MDSI forscht zu den mathematischen, statistischen und computerwissenschaftlichen Fragen der Datenanalyse und entwickelt neue Theorien und Methoden des Maschinellen Lernens. Daraus entwickelt es Anwendungen für die verschiedenen Forschungsfelder der TUM.