„Unsere Mission ist es, künstliche Intelligenz und autonome Systeme voranzubringen, indem wir Regelungstheorie und maschinelles Lernen durch die einheitliche Perspektive dynamischer Systeme synergetisch nutzen“, hebt die METEOR-Co-Sprecherin und MDSI-Kernmitglied Prof. Sandra Hirche die Vision des Graduiertenkollegs hervor. „Durch die Förderung dieser Integration in Forschung und Lehre soll METEOR neue interdisziplinäre Ansätze für vertrauenswürdige KI entwickeln und das bayerische KI-Ökosystem stärken.“
Neben Prof. Hirche gehören auch die MDSI-Kernmitglieder Prof. Massimo Fornasier und Prof. Christian Kühn zu den Principal Investigators an der TUM School of Computation, Information and Technology der TUM.

Verknüpfung von maschinellem Lernen und Regelungstheorie
Vor dem Hintergrund aktueller Herausforderungen im Bereich der künstlichen Intelligenz widmet sich das DFG-Graduiertenkolleg METEOR der Verknüpfung von maschinellem Lernen (ML) und Regelungstheorie (control theory, CL) sowie der Stärkung der Interaktion zwischen beiden Disziplinen. Trotz gemeinsamer Interessen und Methoden haben sich die beiden Bereiche weitgehend unabhängig voneinander mit unterschiedlichen Sprachen und Kulturen entwickelt. Die Kombination des lernzentrierten, datengesteuerten Ansatzes des ML mit der vorwiegend modellbasierten Perspektive der CT erscheint äußerst vielversprechend, erfordert jedoch Forschende mit Expertise auf beiden Seiten.
Das zentrale Ziel dieses Graduiertenkollegs besteht darin, diese Lücke zwischen Regelungstheorie und maschinellem Lernen zu schließen, und eine neue Generation von Forschenden an dieser Schnittstelle für komplexe dynamische Systeme auszubilden, indem Synergien, Komplementaritäten und gegenseitige Vorteile beider Felder erschlossen werden. Solche Fachkräfte werden dringend benötigt, um den Herausforderungen der modernen KI-Forschung zu begegnen und die datengetriebene Entdeckung als „viertes Paradigma“ wissenschaftlicher Erkenntnis zu etablieren.

Mehr Informationen zu METEOR: RTG METEOR – DFG Research Training Group on Machine Learning & Control Theory

Mehr Informationen zu weiteren koordinierten Programmen: Koordinierte Programme