Wie führt man Studierende an die Datenwissenschaft mit Künstlicher Intelligenz heran? Das wurde im interdisziplinären Lehrprojekt DataSphere@JMUW an der Universität Würzburg erprobt – mit sehr gutem Erfolg.

In der modernen Gesellschaft tauschen Menschen und Maschinen massenhaft Daten aus, die durch Algorithmen verarbeitet werden. Die Algorithmen erlauben es, die Daten zu analysieren und zu interpretieren – das kann auf vielen Gebieten helfen, Material, Energie und andere Ressourcen zu sparen.

Beispiele dafür sind zahlreich: Die Arbeit im Home-Office und Videokonferenzen reduzieren den Bedarf an Fahrten zum Arbeitsplatz und Geschäftsreisen. Die Landwirtschaft spart durch die maschinelle Auswertung von Luftbildern Düngemittel. Die industrielle Produktivität wird durch Automatisierung gesteigert. Mobilität wird durch autonome Fahrzeuge flexibler und effizienter. Stark schwankende erneuerbare Energien werden erst durch intelligente Algorithmen optimal nutzbar.

Alle diese Beispiele zeigen: Digitalisierung und Nachhaltigkeit gehen Hand in Hand.

Ziel: Die Datenflut mit KI beherrschen

Die Gesamtheit der Daten, die Menschen und Maschinen austauschen, nimmt exponentiell zu. Neue Verfahren sind gefragt, mit denen die Datenflut beherrscht werden kann. Hier kommt das maschinelle Lernen ins Spiel, eine Methode der Datenverarbeitung mittels Künstlicher Intelligenz (KI). In Verbindung mit modernen Hochleistungsrechnern können nützliche Informationen schnell und effizient aus der Datenflut entnommen werden.

An der Julius-Maximilians-Universität (JMU) Würzburg wurde das Zentrum für Künstliche Intelligenz und Data Science (CAIDAS) eingerichtet, um hier Spitzenforschung auf diesem Gebiet anzusiedeln. Das Konzept sieht eine enge Verbindung der KI-Forschung mit Fachwissenschaften wie Medizin, Biophysik, Geographie oder Wirtschaftswissenschaften vor, in denen umfangreiche und komplexe Daten erzeugt oder verarbeitet werden.

Datenlabor auf dem Campus Nord

Aber wie führt man die Studierenden der unterschiedlichen Fachrichtungen an die KI-Forschung heran? Wie bildet man den dringend benötigten Nachwuchs auf diesem Gebiet am besten aus?

Um das herauszufinden, hat die JMU mit finanzieller Unterstützung der DATEV-Stiftung Zukunft einen innovativen Lernort auf dem Campus Nord eingerichtet: ein interdisziplinäres Datenlabor, ausgestattet mit leistungsfähigen Spezialrechnern. Dort wurde in dem zweijährigen Projekt DataSphere@JMUW rund 100 Forschenden die Möglichkeit gegeben, innovative Methoden des maschinellen Lernens kennenzulernen.

Ökosystem für eine neue Generation von Studierenden

DataSphere@JMUW bricht mit traditionellen Lernformaten. Anstelle von Vorlesungen steht die selbstständige Erforschung des Daten-Universums mit Algorithmen zum Lernen und Analysieren im Mittelpunkt. Unterstützt werden die Studierenden dabei von einem Coach.

„Anfangs konnte vielleicht erwartet werden, dass das gemeinsame Arbeiten im Datenlabor einen standardisierbaren Zugang zu den Methoden des maschinellen Lernens in den Datenwissenschaften erkennbar machen würde“, sagt Professor Karl Mannheim, Leiter des Lehrstuhls für Astronomie. Er hat das Projekt mit Professor Andreas Hotho, Leiter des Lehrstuhls für Datenwissenschaft, koordiniert.

Es habe sich aber herausgestellt, dass der Erfahrungsaustausch, die wissenschaftliche Neugier und Freude an den unterschiedlichen Fragestellungen und die gut vorbereitete Arbeitsumgebung mit einem ständig ansprechbaren Coach der beste Nährboden für eine neue Generation von Datenwissenschaftlerinnen und Datenwissenschaftlern ist.

„Als Coach konnte ich feststellen, wo jeweils der Schuh drückt, und Lösungen finden, die genau auf die Fragestellung der Studierenden zugeschnitten waren“, bestätigt Paul Burd. Der bisherige Mitarbeiter des JMU-Lehrstuhls für Astronomie trägt die im Projekt gewonnenen Erfahrungen inzwischen als Berater für industrielle Kunden weiter.

Datenlabore an der JMU

DataSphere@JMUW hat sich als ein wichtiger Anstoß erwiesen, Datenlabore an der Universität dauerhaft zu etablieren. Davon werden nicht nur die Studierenden der Bereiche Künstliche Intelligenz und Data Science profitieren, sondern auch Studierende anderer Fächer, in denen große Datenmengen gehandhabt werden.

Quelle: Julius-Maximilians-Universität Würzburg