Projektlogo

SAIL - Nachhaltiger Lebenszyklus von intelligenten soziotechnischen Systemen

Überblick

Durch SAIL wird das bestehende Forschungsnetzwerk aus Uni Bielefeld, Uni Paderborn, TH OWL und FH Bielefeld im Bereich der künstlichen Intelligenz (KI) vertieft und weiterentwickelt. SAIL adressiert die nächste Stufe der KI-Entwicklung, indem der gesamte Lebenszyklus von KI-Systemen und deren technologische und gesellschaftliche Auswirkungen in den Blick genommen werden. SAIL ist dementsprechend interdisziplinär angelegt und bindet Wissenschaftler:innen aus der Kern-KI, aus den Ingenieurwissenschaften sowie aus den Sozial- und Geisteswissenschaften ein. Das Forschungsprogramm ist inhaltlich in drei Grundlagensäulen („research pillars“) R1-R3 und zwei Anwendungsgebiete („application domains“) A1 und A2 unterteilt. R1 betrachtet insbesondere das Zusammenspiel von KI und menschlichen Partnern bei der Bewertung und Abstimmung von Fehlern und Zielen. R2 zielt auf ausgereifte KI-Systeme, um deren möglicherweise unerwünschte langfristige Auswirkungen auf funktionaler, kognitiver und gesellschaftlicher Ebene zu modellieren und abzumindern. R3 untersucht den gesamten KI-Lebenszyklus bezüglich der Effizienz, damit der praktische Einsatz von KI-Systemen mit möglichst wenig Energie-, Zeit- und Speicherbedarf und möglichst geringer kognitiver Anstrengung beim menschlichen Partner möglich ist. Die angezielten Anwendungsgebiete sind intelligente industrielle Arbeitsumgebungen (A1) und adaptive Assistenzsysteme für die Gesundheitsfürsorge (A2). Zur Umsetzung des Forschungsprogramms werden an den Universitäten Juniorprofessuren und grundlagenorientierte Nachwuchsgruppen und an den Fachhochschulen anwendungsorientierte Nachwuchsgruppen eingerichtet. Außerdem wird ein umfangreiches Promotionsprogramm initiiert, das auf die Vertiefung der Vernetzung zwischen den Partnern abzielt. Darüber hinaus sind umfassende strukturbildende Maßnahmen vorgesehen, um die Region Ostwestfalen-Lippe innerhalb von NRW in der KI-Forschung nachhaltig zu stärken.

Prof. Dr. Sebastian Peitz ist Principal Investigator im Projekt R2.3 „Human-centered continuous optimization“.

Key Facts

Laufzeit:
08/2022 - 07/2026
Gefördert durch:
MKW NRW
Websites:
Homepage
Projektbeschreibung bei der FH Bielefeld
Current research projects
Projektbeschreibung bei JAII
Projektseite DICE

Detailinformationen

Projektleitung

contact-box image

Prof. Dr. Reinhold Häb-Umbach

Nachrichtentechnik (NT) / Heinz Nixdorf Institut

Zur Person
contact-box image

Prof. Dr. Marco Platzner

Technische Informatik

Zur Person
contact-box image

Prof. Dr.-Ing. habil. Ansgar Trächtler

Regelungstechnik und Mechatronik / Heinz Nixdorf Institut

Zur Person
contact-box image

Prof. Dr. Christian Plessl

Hochleistungsrechnen

Zur Person
contact-box image

Prof. Dr.-Ing. Roman Dumitrescu

Advanced Systems Engineering / Heinz Nixdorf Institut

Zur Person
contact-box image

Prof. Dr.-Ing. habil. Walter Sextro

Lehrstuhl für Dynamik und Mechatronik (LDM)

Zur Person
contact-box image

Jun.-Prof. Dr. Sebastian Peitz

Data Science for Engineering

Zur Person
contact-box image

Prof. Dr. Katharina Rohlfing

Profilbereich Transformation und Bildung

Zur Person
contact-box image

Prof. Dr. Eric Bodden

Heinz Nixdorf Institut

Zur Person
contact-box image

Prof. Dr. Axel-Cyrille Ngonga Ngomo

Sonderforschungsbereich Transregio 318

Zur Person
contact-box image

AOR. Dr. Ilona Horwath

Technik und Diversity

Zur Person
contact-box image

Jun. Prof. Dr. Suzana Alpsancar

Angewandte Ethik mit Schwerpunkt Technikethik in der digitalen Welt

Zur Person

Kooperationspartner

Universität Bielefeld

Kooperationspartner

Fachhochschule Bielefeld

Kooperationspartner

Technische Hochschule Ostwestfalen-Lippe (TH OWL)

Kooperationspartner

Zur Website

Publikationen

Neural Class Expression Synthesis
N.J. KOUAGOU, S. Heindorf, C. Demir, A.-C. Ngonga Ngomo, in: C. Pesquita, E. Jimenez-Ruiz, J. McCusker, D. Faria, M. Dragoni, A. Dimou, R. Troncy, S. Hertling (Eds.), The Semantic Web - 20th Extended Semantic Web Conference (ESWC 2023), Springer International Publishing, 2023, pp. 209–226.
LitCQD: Multi-Hop Reasoning in Incomplete Knowledge Graphs with Numeric Literals
C. Demir, M. Wiebesiek, R. Lu, A.-C. Ngonga Ngomo, S. Heindorf, ECML PKDD (2023).
Neuro-Symbolic Class Expression Learning
C. Demir, A.-C. Ngonga Ngomo, International Joint Conference on Artificial Intelligence (2023).
Alle Publikationen anzeigen