Mit der Nominierung von Prof. Dr. Reinhard Maurer zur Alexander von Humboldt-Professur kommt ein innovativer Akteur in der Welt der theoretischen Chemie ins Rampenlicht. Diese Nominierung erfolgte durch die Universität Göttingen sowie das Max-Planck-Institut für Multidisziplinäre Naturwissenschaften (MPI-NAT). Die mit fünf Millionen Euro über fünf Jahre dotierte Professur wird aus Mitteln des Bundesministeriums für Forschung, Technologie und Raumfahrt finanziert. Maurer ist ein Pionier in der Anwendung von Maschinellem Lernen (ML) und Künstlicher Intelligenz (KI) auf diesem Gebiet und wird seine Expertise nutzen, um bedeutende Fortschritte in der computergestützten Materialforschung zu erzielen.
Die Forschungsinteressen von Maurer fokussieren sich auf die Theorie und Simulation von molekularen Reaktionen auf Oberflächen und in Materialien. Durch die Entwicklung eines neuen Ansatzes, der Deep Learning zur Vorhersage von Experimentergebnissen nutzt, eröffnet er vielversprechende Möglichkeiten. Sein Algorithmus ermöglicht das inverse Design von Molekülstrukturen, die spezifische chemische Eigenschaften aufweisen. Diese Methodik hat nicht nur Auswirkungen auf die Chemie, sondern ist auch übertragbar auf andere Fachgebiete, was die Interdisziplinarität seiner Forschung verdeutlicht.
Wie Maschinelles Lernen die Forschung transformiert
Maschinelles Lernen gilt als Schlüsseltechnologie im Bereich der Künstlichen Intelligenz. Laut einer Studie des Fraunhofer-Instituts für Intelligente Analyse- und Informationssysteme IAIS kann ML signifikant zur globalen wirtschaftlichen Entwicklung beitragen. Es transformiert verschiedene Bereiche wie die Güterproduktion, Logistik und sogar die Medizintechnik. Die Fähigkeit von KI-Modellen, große Datenmengen zu verarbeiten und Muster zu erkennen, wird immer wichtiger. Sogar in der Mathematik wird bereits mit Optimierungsproblemen gearbeitet, um Modelle anzupassen und zu verbessern, was das Zusammenspiel zwischen Theorie und Anwendung verdeutlicht.
Suvrit Sra, der Professor für „Resource Aware Machine Learning“ an der Technischen Universität München (TUM) wird in den kommenden Jahren eine bedeutende Rolle in der ML-Forschung einnehmen. Seine Schwerpunkte liegen auf Robustheit, Verlässlichkeit und Ressourceneffizienz von ML-Methoden. Die bereits vorhandene Spitzenposition der TUM im Bereich der Künstlichen Intelligenz in Deutschland wird durch Sras Arbeit weiter gefestigt. Durch die Kooperation mit der Informatikerin Stefanie Jegelka, die ebenso eine Humboldt-Professur an der TUM innehat, wird die Entwicklung im Bereich ML nachhaltig geprägt.
Gesellschaftliche Akzeptanz durch Aufklärung
Ein zentrales Anliegen der aktuellen Debatten ist die Notwendigkeit einer faktenbasierten Auseinandersetzung mit KI- und ML-Technologien. Der öffentliche Diskurs ist häufig von Halbwissen und Mythen geprägt, was die Gesellschaft in ihrer Akzeptanz behindert. Eine umfassende Aufklärung über ML und dessen Anwendungen ist unerlässlich, um das Vertrauen und das Verständnis für diese Technologien zu fördern. Die Studie „Maschinelles Lernen – Kompetenzen, Anwendungen und Forschungsbedarf“ bietet hierzu eine wertvolle Grundlage und beleuchtet verschiedene Aspekte der Forschung, die entscheidend für die Positionierung Deutschlands und Europas im internationalen Wettbewerb sind.
Die Entwicklungen in der Wissenschaft und Technologie, wie sie durch Maurers Nominierung zur Humboldt-Professur und die Initiativen von Sra und Jegelka vorangetrieben werden, sind vielversprechend. Sie zeigen, wie interdisziplinäre Ansätze den Fortschritt in der modernen Wissenschaft und der Gesellschaft vorantreiben können.
