Das Lamarr-Institut hat den Kreis seiner Professor*innen um zwei herausragende Forschende erweitert, deren Expertise die Entwicklung hochmoderner, vertrauenswürdiger und effizienter KI-Methoden maßgeblich vorantreiben wird. Zum Wintersemester sind Prof. Dr. Katharina Eggensperger und Jun. Prof. Dr. Matthias Feurer an das Institut berufen worden, um die Forschung im Bereich Automated Machine Learning (AutoML) sowie dessen Bedeutung für zuverlässige und zugängliche Machine-Learning-Lösungen weiter zu stärken.
Förderung von zugänglichem und effizientem Maschinellen Lernen: Prof. Dr. Katharina Eggensperger
Katharina Eggensperger kommt von der Eberhard Karls Universität Tübingen an das Lamarr-Institut, wo sie die Nachwuchsforschungsgruppe „AutoML for Science“ im Exzellenzcluster Machine Learning for Science leitete. Ihre Arbeit steht in enger Verbindung mit dem Ziel des Lamarr-Instituts, wissenschaftlich fundierte, transparente und effiziente KI zu ermöglichen, die Forschende über Disziplingrenzen hinweg befähigt.
Ihre Forschung konzentriert sich darauf, Maschinelles Lernen sowohl zugänglicher als auch robuster zu machen, mit einem starken Fokus auf ML für tabellarische Daten und wissenschaftliche Anwendungen. Eggenspergers Beiträge zu Open-Source-Werkzeugen, zur Hyperparameter-Optimierung und zu ML-Benchmark-Systemen haben das AutoML-Feld international geprägt. Darüber hinaus ist sie eine treibende Kraft in der (Auto)ML-Community durch zentrale Rollen in Workshops, Konferenzen und der AutoML School.
Motiviert von dem Ziel, einen einfachen Zugang zu effizienten ML-Verfahren auf dem Stand der Technik zu ermöglichen, erforsche ich, wie sich sowohl AutoML-Methoden als auch ML-Modelle verbessern und erweitern lassen, um das volle Potenzial von ML für Anwendungen in den Wissenschaften auszuschöpfen. In diesem Kontext möchte ich derzeit besser verstehen, systematisch evaluieren, entwerfen und anwenden, wie sich Foundation Models für tabellarische Daten einsetzen lassen.
Katharina Eggensperger
Mit ihrem Wechsel stärkt das Lamarr-Institut seine Mission, ML-Methoden zu entwickeln, die sowohl leistungsstark als auch in realen wissenschaftlichen Umgebungen einsetzbar sind und dabei zuverlässige sowie reproduzierbare Ergebnisse liefern.
Förderung vertrauenswürdiger und skalierbarer KI: Jun. Prof. Dr. Matthias Feurer
Matthias Feurer kommt von der Ludwig-Maximilians-Universität München an das Lamarr-Institut, wo er als Thomas-Bayes-Fellow des Munich Center for Machine Learning sowie als Vertretungsprofessor im Fach Statistik tätig war. Seine Forschung unterstützt unmittelbar die Leitprinzipien des Lamarr-Instituts hinsichtlich Vertrauenswürdigkeit und Leistungsfähigkeit in der KI-Entwicklung.
Seine Arbeiten zu AutoML, Meta-Learning und Optimierung vereinfachen die Entwicklung von ML-Systemen, ohne dabei Fairness, Interpretierbarkeit oder Zuverlässigkeit zu vernachlässigen. Matthias Feurers Beiträge zu bedeutenden Open-Source-Projekten wie Auto-sklearn, OpenML und SMAC3 stehen beispielhaft für das Engagement des Lamarr-Instituts für transparente und weltweit zugängliche KI-Werkzeuge.
Mit AutoML nehme ich die Komplexität aus der KI-Entwicklung, sodass Machine-Learning-Expert*innen und Domänenexpert*innen sich auf das Lösen von Problemen und den Aufbau vertrauenswürdiger und präziser Lösungen konzentrieren können, die Innovation vorantreiben. Ein zentraler Aspekt meiner Arbeit ist empirische Forschung, um belastbare Erkenntnisse zu gewinnen und den methodischen Fortschritt zu steuern.
Matthias Feurer
Durch seine Forschung stärkt Prof. Dr. Feurer die Mission des Lamarr-Instituts, KI-Technologien zu entwickeln, die sowohl leistungsfähig als auch verantwortungsvoll sind, Zugangsbarrieren senken und gleichzeitig Transparenz sowie Nutzer*innen-Empowerment gewährleisten.
Gemeinsam markieren die Berufungen von Katharina Eggensperger und Matthias Feurer einen wichtigen Meilenstein bei der Stärkung der Position des Lamarr-Instituts als führendes Zentrum wissenschaftlicher Exzellenz in der KI-Methodenforschung. Ihre Arbeit wird zur Vision des Instituts beitragen, verlässliche KI-Lösungen zu entwickeln, die den wissenschaftlichen Fortschritt fördern und der Gesellschaft zugutekommen.