Mit dem Förderprogramm „KI-Starter“ unterstützt das Ministerium für Kultur und Wissenschaft junge Nachwuchsforscherinnen und -forscher in Nordrhein-Westfalen bei zukunftsweisenden Projekten mit einem Fokus auf KI-Anwendungen. In der dritten Runde des Programms hat eine Expertenjury nun zwei weitere Nachwuchskräfte für eine Förderung empfohlen: Kira Maag (Ruhr-Universität Bochum) und Dr. Leonardo Galli (RWTH Aachen) werden bei ihren Vorhaben mit insgesamt rund 310 000 Euro gefördert.

„Künstliche Intelligenz ist schon heute ein zentraler Baustein in der Wissenschaft, dessen Bedeutung weiter zunimmt. Die Vorhaben von Kira Maag und Dr. Leonardo Galli haben nicht nur eine wissenschaftliche, sondern auch große gesellschaftliche Relevanz, etwa für autonomes Fahren oder den schnellen und energiesparenden Einsatz von künftigen KI-Techniken. Ich gratuliere beiden herzlich zu diesem Erfolg“, sagt Wissenschaftsministerin Isabel Pfeiffer-Poensgen.

„KI-Starter“ ist Teil der Förderlinie „Künstliche Intelligenz/Maschinelles Lernen“ (kurz: KI/ML) und richtet sich an junge Wissenschaftlerinnen und Wissenschaftler aus dem Bereich Künstliche Intelligenz oder Maschinelles Lernen nach der Promotion. Für das Programm stellt das Land Nordrhein-Westfalen von 2020 bis 2024 insgesamt rund zwei Millionen Euro zur Verfügung – unterstützt werden sollen bis zu zehn Wissenschaftlerinnen und Wissenschaftler.

In den ersten beiden Auswahlrunden waren fünf Forscherinnen und Forscher aus der Universität Duisburg-Essen, der Universität zu Köln, der Universität Bielefeld, der TU Dortmund und der WWU Münster erfolgreich. In der nun ausgeschriebenen vierten Runde von „KI-Starter“ können sich Wissenschaftlerinnen und Wissenschaftler bis zum 15. November bewerben – bis zu drei Förderungen sind noch möglich. Die Auswahlentscheidung wird im März 2022 erfolgen. Weitere Informationen zur Förderlinie KI/ML und „KI-Starter“ finden Sie hier.

Die Gewinner-Projekte der dritten Förderrunde im Überblick:

Kira Maag

Standort: Ruhr-Universität Bochum

Projektname: Reliability Assessment and Image Segmentation Improvement by Uncertainty Estimates using Ensemble and Expert Methods and by False Negative Reduction
Kurzbeschreibung: Die Umgebungswahrnehmung durch multiple neuronale Netze spielt in sicherheitsrelevanten Anwendungen, wie dem autonomen Fahren, eine wichtige Rolle. Ziel des Projektes ist es, die Vorhersagequalität dieser Netze basierend auf ihren Unsicherheiten zu bewerten, um Sicherheitsprobleme zu vermeiden. Zudem soll die Vorhersageperformance der Netze verbessert und insbesondere die Anzahl nicht-entdeckter Objekte reduziert werden.

Dr. Leonardo Galli

Standort: RWTH Aachen

Projektname: Robustness and Generalization in Training Deep Neural Networks Kurzbeschreibung: Bei diesem Vorhaben geht es darum, neue Varianten von Algorithmen für das Training von künstlichen neuronalen Netzwerken zu entwickeln. Ziel dabei ist, schnelleres und fehler-robusteres Training zu ermöglichen, sowie rigorose mathematische Garantien für den Erfolg dieser Algorithmen zu beweisen. Insgesamt soll dies eine einfachere, schnellere und energiesparendere Anwendung künstlicher Intelligenz ermöglichen.

Bei Bürgeranfragen wenden Sie sich bitte an: Telefon 0211 896-04.