Machine Learning Explained by the Minds Behind it.

Der ML-Blog für alle.

Grundlagen

Für Einsteiger*innen

Lernen Sie in dieser Rubrik die Grundlagen von ML, KI und verwandten Bereichen kennen. Hier vermitteln wir ein solides Verständnis der Schlüsselkonzepte und -techniken, die sowohl für Anfänger*innen als auch für erfahrene Enthusiast*innen auf diesem Gebiet wichtig sind.

Zu allen Grundlagen-Beiträgen

Forschung

Für Profis

Entdecken Sie die neuesten Erkenntnisse und Innovationen im Bereich Maschinelles Lernen und Künstliche Intelligenz. In dieser Kategorie befassen wir uns eingehend mit bahnbrechenden Studien, Methoden und Trends, die die Landschaft von KI prägen.

Zu allen Forschungs-Beiträgen

Anwendung

Für Praktiker*innen

Wir schlagen die Brücke zwischen Wissenschaft und praktischer Anwendung. Erfahren Sie, wie Spitzenforschung genutzt wird, um konkrete Herausforderungen in verschiedenen Branchen und Bereichen zu bewältigen.

Zu allen Anwendungs-Beiträgen

Unser neuester Beitrag

CapyMOA: Effizientes Maschinelles Lernen für dynamische Datenströme

Echtzeitdaten verändern sich kontinuierlich – Ihre Modelle sollten es ebenfalls tun. CapyMOA bringt leistungsfähiges Datenstromlernen und Konzeptdrift-Behandlung nach Python und verbindet MOA-Effizienz mit praxisnaher Nutzbarkeit.

Für Einsteiger*innen

Hier erklären wir Begriffe und grundlegende Konzepte des Maschinellen Lernens und der Künstlichen Intelligenz.

Alle Beiträge

Generated by ChatGPT via the prompt “A digital scene captures a humanoid robot, with a smooth white body and dark accents, operating a wooden waterwheel at a quaint watermill beside a flowing river under a clear sky. The landscape around it is painted in bold, swirling strokes reminiscent of Van Gogh's Post-Impressionist style, featuring lush greenery, rolling hills, and a winding path, with the robot and the rotating waterwheel as the focal points.”

BlogGrundlagen

Lernen aus Datenströmen: Grundlagen des Stream Learning

Dr. Sebastian Buschjäger,

21. Januar 2026

Daten strömen ununterbrochen – wie können Modelle da mithalten? Dieser erste Beitrag stellt Stream Learning, Konzeptdrift und Echtzeitanpassung für sich ständig weiterentwickelnde Datenströme vor….

IceCube astrophysics neutrinos lamarr - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

BlogGrundlagen

Wie KI dabei half, Neutrinos aus unserer Galaxie zu entdecken

Jana Konrad,

09. Juli 2025

Das IceCube-Neutrino-Observatorium konnte erstmals Neutrinos aus der Milchstraße nachweisen. Möglich wurde das durch neue KI-Tools, die eine genauere Analyse der beobachteten Ereignisse erlaubten….

Für Profis

Unsere Autor*innen berichten über Forschungstrends und ihre aktuellen wissenschaftlichen Arbeiten zum Maschinellen Lernen.

Alle Beiträge

Illustration in a Van-Gogh-inspired style showing a calm humanoid robot observing a flowing stream of data that transforms into adaptive decision trees. Swirling blue and yellow brushstrokes depict real-time data streams, changing graphs, and evolving tree structures, symbolizing Streaming Gradient Boosting and online learning under concept drift.

BlogForschung

Streaming Gradient Boosting: Online Learning neu gedacht

Dr. Nuwan Gunasekara,

04. Februar 2026

Streaming Gradient Boosting (SGB) bringt Gradient Boosting auf sich entwickelnde Datenströme – indem Modelle in Echtzeit an Concept Drift angepasst werden, mit hoher Genauigkeit und Effizienz über Klassifikations- und Regressionsaufgaben hinweg….

00 Blog Beitragsbild HEROS - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

BlogForschung

Grünes Online-Lernen mit Heterogenen Ensembles

Kirsten Köbschall,

29. Januar 2026

Was wäre, wenn grünere KI keinen Verlust in der Vorhersagegenauigkeit hätte? Entdecke, wie heterogene Online-Ensembles wie HEROS die Vorhersagegenauigkeit steigern, Ressourcenkosten senken und sich sofort an sich verändernde Datenströme anpassen….

Für Praktiker*innen

Hier geht es um Wissenstransfer. Wir schlagen die Brücke zu praktischen Anwendungen in Wirtschaft und Gesellschaft.

Alle Beiträge

BlogAnwendung

CapyMOA: Effizientes Maschinelles Lernen für dynamische Datenströme

Dr. Heitor Murilo Gomes,

25. Februar 2026

BlogAnwendung

Fine-Tuning einer Low-Resource-Sprache: Training des Whisper-Modells mit Marathi

Dr. Rishikesh Pandit,

12. November 2025

Es gibt große Unterschiede darin, wie gut ein englisches oder deutsches ASR-Modell stark akzentuierte oder nicht-muttersprachliche Sprache transkribiert. Ähnliches gilt für Marathi und andere Low-Resource-Sprachen. Können wir diese Schwäche überwinden und wenn ja, wie?…

Unsere Themenreihen

Stream Mining

Wie maschinelles Lernen kontinuierlich aus schnelllebigen Datenströmen lernt – und mit Stream Mining in Echtzeit präzise bleibt

Speech tecnologies Lamarr Institute - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

Sprachtechnologien

Von automatischer Spracherkennung und großen Sprachmodellen bis hin zu praktischen Anwendungen – der Deep Dive in KI & Sprache

|Eine Gruppe Freunde mit einem Roboter in ihrer Mitte.|||

KI-Ethik

Aktuelle Forschung zur ethisch verantwortungsvollen Gestaltung künstlich intelligenter Systeme

00 Blog Classroom Beitrag1 Decision Trees FraundWingenfel - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

ML Classroom

Studierende der Informatik erklären grundlegende Begriffe und Konzepte des Maschinellen Lernens

00 Blog Julian Reinforcement Learning 3 - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

RL for Robotics

Wie Roboter mithilfe von Reinforcement lernen, sich in einer unbekannten Umgebung zurechtzufinden

00 Blog Bauckhage ChatGPT Part5 - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

Talking about ChatGPT

Lamarr-Direktor Prof. Dr. Christian Bauckhage, nimmt den gehypten Chatbot genauer unter die Lupe

00 Blog Maximilian Poretschkin Zertifizierung von KI - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

Sie gestaltet KI

Der Landesfrauenrat RLP fragt – KI-Expert*innen antworten. Zu Einsatzfeldern & aktuellen Entwicklungen von KI

KI Bildung

Wie KI in den Schulunterricht integriert werden kann und welche Initiativen hierbei unterstützen können

Redaktionsteam

Wir sind Ihre Ansprechpartner*innen, wenn Sie Ideen einbringen oder selbst einen Blogbeitrag schreiben möchten!

Schreiben Sie uns

lamarr institute person Sanchez Zoe - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

Zoé Sánchez

Redakteurin Öffentlichkeitsarbeit zum Profil

Katharina Peters

Redakteurin Öffentlichkeitsarbeit zum Profil

lamarr institute person Kindermann Jorg Platzhalter - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

Eylem Zara Bektas

Redakteurin Öffentlichkeitsarbeit zum Profil

alina foto - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

Alina Münz

Redakteurin Öffentlichkeitsarbeit zum Profil

Unsere Autor*innen

Dr. Heitor Murilo Gomes

Autor*in Ressourcenbewusstes ML zum Profil

Portrait ML Blog Author Nuwan Gunasekara

Dr. Nuwan Gunasekara

Autor*in Ressourcenbewusstes ML zum Profil

portrait of Lamarr guest author Kirsten Körbschall

Kirsten Köbschall

Autor*in Ressourcenbewusstes ML zum Profil

Katharina Poitz

Autor*in Vertrauenswürdige KI zum Profil

Alle Autor*innen

In den Rubriken Grundlagen, Forschung & Anwendung veröffentlichen Wissenschaftler*innen wöchentlich spannende Beiträge rund um Maschinelles Lernen. Verpassen Sie nicht die neuen Blog-Beiträge des Lamarr-Instituts und melden sich mit Ihrer E-Mail für die Benachrichtigungen an!

Bitte füllen Sie das Pflichtfeld aus.

Vorname

Bitte füllen Sie das Pflichtfeld aus.

Nachname

Bitte füllen Sie das Pflichtfeld aus.

E-Mail

* Pflichtfeld

Bitte füllen Sie das Pflichtfeld aus.

Datenschutzerklärung

Mit dem Absenden des Kontaktformulars willige ich ein, dass ich mit der Verarbeitung einverstanden bin. Die von Ihnen zuvor mitgeteilte E-Mail-Adresse verwenden wir, um Sie zukünftig per E-Mail über eigene ähnliche Angebote (z.B. Veranstaltungen) zu informieren. Sie können dieser Verwendung jederzeit gegenüber Fraunhofer, insbes. unter wi*********@*************er.de widersprechen. Sie können weitere Informationen zu dem Thema Datenschutz bei Fraunhofer, insbesondere zu den gesetzlich vorgeschrieben Informationspflichten, jederzeit über unsere Datenschutzerklärung einsehen.

Mit dem Absenden des Formulars bestätige ich, dass ich die Datenschutzerklärung zur Kenntnis genommen habe. Ich bin damit einverstanden, dass die von mir angegebenen Daten elektronisch erhoben und gespeichert werden.