„Wir wollen nicht die fertige Lösung präsentiert bekommen“ – KI-Forschung und IAV

Wissenstransfer und gemeinsames Forschen gehören für IAV zusammen. Dr. Matthias Neumann-Brosig ist bei IAV im Bereich Research Data Science tätig. Sebastian Trimpe ist Professor für Data Science im Maschinenbau an der RWTH Aachen und Forschungsgruppenleiter am Max-Planck-Institut für Intelligente Systeme. Beide lernten sich im Cyber Valley kennen und arbeiten seit Jahren zusammen. Im automotion-Interview sprechen sie über Herausforderungen und Potenziale der Zusammenarbeit – und warum dadurch schneller Ergebnisse erreicht werden.

Was war Ihr erstes gemeinsames Projekt?
Trimpe: Unsere Zusammenarbeit begann 2016 mit einem Projekt zur Drosselklappenregelung. Herkömmlich müssen dafür manuell Parameter eingestellt werden. IAV hat einen von uns mitentwickelten Machine-Learning-Algorithmus genutzt, mit dem wir diese Parameter automatisch finden können.

Neumann-Brosig: Wir betreuen seitdem einen gemeinsamen Doktoranden. Er arbeitet an lernenden Verfahren in der Regelungstechnik wie beispielsweise der Synthese stochastischer Regler auf Basis experimenteller Daten.

automotion forschungsnetzwerk

Welche Vorteile bringt eine solche Zusammenarbeit?
Trimpe: An der Schnittstelle von Regelungstechnik und KI gibt es große Potenziale durch neue Sensor- und Datentechnologien und die daraus resultierende Verfügbarkeit von Daten. Vor allem Ansätze, die Daten mit klassischer Regelungstechnik verbinden, halte ich für sehr vielversprechend. Dort setzen wir in der Grundlagenforschung an. Wir entwickeln neue Methoden und Algorithmen und wollen diese auf konkreten Anwendungen umsetzen – oft zusammen mit Industriepartnern.

Neumann-Brosig: Als Industriepartner wollen wir nicht die fertige Lösung präsentiert bekommen, sondern wissen, wie sie zustande kommt. Damit schärfen wir unsere Methodenkompetenz, denn sie ist ein zentraler Wettbewerbsvorteil. Daher hat sich IAV als Gründungspartner auch im Cyber Valley engagiert, Europas größtem Forschungskonsortium der KI. Sebastian Trimpe ist dort über seine Forschungsgruppe am Max-Planck-Institut aktiv. Ebenso arbeiten wir mit dem Deutschen Forschungszentrum für Künstliche Intelligenz in Kaiserslautern sehr eng zusammen. Anfang 2018 haben wir dazu ein gemeinsames Forschungslabor gegründet.

sebastian trimpe

«Forschungsnetzwerke helfen, den Anschluss nicht zu verlieren. Wenn wir hier schnell sind und neue, offenere Formen der Zusammenarbeit finden, kann das zu einem Standortvorteil werden.»

Prof. Dr. Sebastian Trimpe — Professor für Data Science im Maschinenbau an der RWTH Aachen und Forschungsgruppenleiter am Max-Planck-Institut für Intelligente Systeme

In welchen Feldern ist eine Kooperation besonders sinnvoll?
Trimpe: Zum Beispiel beim Thema Sicherheit. Sie birgt besondere Herausforderungen für das maschinelle Lernen. KI-Erfolgsgeschichten, bei denen ein Computer gegen einen Menschen in komplexen Spielen wie Schach gewinnt, sind beeindruckend. Aber sie können wegen der Sicherheitsanforderungen nicht einfach auf technische oder physikalische Systeme übertragen werden. Der Computer, der Schach spielen lernt, kann beliebiges Verhalten millionenfach einfach ausprobieren. Schlimmstenfalls verliert er. Ein Roboter oder ein Fahrzeug dagegen kann sich oder anderen Schaden zufügen und nicht immer wieder gegen die Wand fahren. Und im Gegensatz zum Schach ändern sich in der realen Welt die Rahmenbedingungen ständig. Deswegen müssen grundlegende Forschungsfragen gelöst werden, damit wir KI auf Roboter, technische Systeme oder Autos in einer Weise anwenden können, dass sie sicher funktioniert. Und wir müssen auch fragen, wie wir die Systeme so anregen, dass wir aussagekräftige Daten bekommen, dabei gleichzeitig aber sicher verfahren.

Was bietet die Zusammenarbeit hinsichtlich dieser Herausforderung?
Trimpe: Sie ermöglicht einen schnellen Transfer. Bei der Drosselklappe vergingen von der ersten Idee bis zur Umsetzung weniger als anderthalb Jahre. Diese in der KI so wichtige Schnelligkeit erreichen wir nur, wenn wir Grundlagenforschung direkt mit den Anwendungen kombinieren. Ich bin froh, dass in der Zusammenarbeit mit IAV von Anfang an verstanden wurde, dass wir zwar Grundlagenforschung betreiben, den Transfer in die Praxis aber beschleunigen können, wenn wir sie mit Anwendungsforschung verbinden.

Neumann-Brosig: IAV ist aus einer Uniausgründung entstanden, für uns gehört es zur DNA, die enge Verknüpfung zwischen Wissenschaft und Forschung zu pflegen. Im Bereich der KI sind wir weltweit mit den führenden Instituten und Universitäten vernetzt. So bleiben wir nah dran an den aktuellen Forschungsständen. Gleichzeitig sind wir mit unserer Serienkompetenz ein starker Partner, der Forschung in die industrielle Anwendung bringen kann. Das befruchtet beide Seiten und so profitieren wir alle auch davon, dass Wissenstransfers keine Einbahnstraße sind.

matthias neumann brosig

«Wenn unterschied­liche Ansätze und Sichtweisen zusammenkommen, dann kann das das Projekt sehr befruchten und es können völlig neue Herangehensweisen entstehen.»

Dr. Matthias Neumann-Brosig — Bereich Research Data Science bei IAV

Wie wichtig sind solche Koopera­tionen für den Standort Deutschland?
Trimpe: Die Forschungsfragen zu besetzen, die mit ingenieurstechnischen Anwendungen von KI einhergehen, bietet ein Riesenpotenzial für Firmen in Deutschland und Europa. Forschungsnetzwerke helfen, den Anschluss nicht zu verlieren. Wenn wir hier schnell sind und neue, offenere Formen der Zusammenarbeit finden, kann das zu einem Standortvorteil werden.

Welche Voraussetzungen müssen Partner für diese Zusammenarbeit erfüllen?
Trimpe: Offenheit und Verständnis für Grundlagenforschung. Dazu die Fähigkeit, sich aufeinander einzulassen, das Interesse für Anwendungen und die Bereitschaft, mit der Unsicherheit umzugehen, die zur Forschung gehört.

Und welche Herausforderungen birgt sie?

Neumann-Brosig: Eine wichtige und gleichzeitig sehr spannende Herausforderung liegt darin, die unterschiedlichen Welten zusammenzubringen. Denn je nach Projekt treffen Vertreter verschiedener Disziplinen aufeinander – zum Beispiel Regelungstechniker, Informatiker und Statistiker. Da ist es manchmal schon eine Kunst, eine gemeinsame Sprache zu finden. Gleichzeitig steckt hier aber auch großes Potenzial. Denn wenn unterschiedliche Ansätze und Sichtweisen zusammenkommen, dann kann das das Projekt sehr befruchten und es können völlig neue Herangehensweisen entstehen. Für mich persönlich ist das jedes Mal eine bereichernde und motivierende Erfahrung.

Wie findet IAV für so anspruchsvolle Aufgaben immer wieder die besten Mitarbeiter?

Neumann-Brosig: Zum einen arbeiten wir sehr eng mit einer Vielzahl an Universitäten und Forschungseinrichtungen in diversen Projekten zusammen. Zum anderen sammeln viele Studenten bei uns ihre ersten Praxis­erfahrungen und bleiben dann gern. Zudem wechseln einige unserer Mitarbeiter später auch wieder als Doktoranden oder Professoren zurück an die Unis und machen Werbung für uns. Dadurch ist IAV seit vielen Jahren extrem eng mit der Forschung vernetzt und als Top-Adresse für Forscher und Entwickler hervorragend etabliert.

Der Artikel erschien in der automotion 03/2020, dem Automotive Engineering-Fachmagazin von IAV. Hier können Sie die automotion kostenfrei bestellen.