Exzellenzcluster für KI bewilligt – mit starker Beteiligung der TU Wien

Der FWF fördert mit seiner „Cluster of Excellence“-Förderschiene wissenschaftliche Großprojekte. Darunter auch ein neues Forschungsprojekt zu künstlicher Intelligenz, in dem die TU Wien eine wichtige Rolle spielen wird.

künstliche intelligenz

Es ist die mit Abstand höchstdotierte Forschungsförderung Österreichs: Die Exzellenzcluster, die der österreichische Wissenschaftsfonds FWF fördert, sind auf 5 Jahre ausgelegt und mit einem Gesamtbudget von 35 Millionen Euro ausgestattet. Der FWF steuert davon 20 Millionen bei, der Rest wird aus Eigenmitteln bestritten. Die TU Wien war bei diesem Förderprogramm schon bisher äußerst erfolgreich: Erst am 3. Mai wurde der im vergangenen Jahr bewilligte Exzellenzcluster MECS feierlich eröffnet, in dem es um die Forschung an neuen Materialien für die Energiewende geht. Auch am 2023 genehmigten Exzellenzcluster „Quantum Science Austria“ ist die TU Wien stark beteiligt.

Dieses Jahr wurden zwei weitere Exzellenzcluster bewilligt – und auch diesmal ist die TU Wien wieder dabei: Der Cluster „Bilaterale KI“, geleitet von der JKU Linz, soll wichtige neue Erkenntnisse im Bereich der Künstlichen Intelligenz liefern. Die TU Wien wird bei diesem Großprojekt eine wichtige Rolle spielen.

Zwei verschiedene Arten von künstlicher Intelligenz

Der Name des Exzellenzclusters „Bilaterale KI“ fasst das zentrale Anliegen der Forschung bereits zusammen: Es geht darum, die beiden Seiten der KI-Forschung miteinander in Einklang zu bringen.

„Es gibt in der Forschung an künstlicher Intelligenz zwei grundlegend verschiedene Ansätze“, erklärt Prof. Thomas Eiter vom Institut für Logic and Computation der TU Wien, Co-Leiter des neuen Exzellenzclusters. „Einerseits die symbolische KI, die mit klar definierten logischen Regeln arbeitet, und andererseits die sogenannte sub-symbolische AI, bei der es darum geht, eine Maschine mit Hilfe großer Datenmengen zu trainieren.“

In der symbolischen KI arbeitet man mit klar definierten Regeln: Einem Schachcomputer etwa werden die Schach-Regeln einprogrammiert, er kann gar nicht dagegen verstoßen. Die mathematische Logik spielt dabei eine zentrale Rolle: Der Computer arbeitet symbolisch – also mit klar definierten Objekten, wie etwa Schachfiguren und den Zügen, die ihnen gemäß der Schachregeln erlaubt sind, oder beispielsweise auch mit Listen von Filmen, von denen ein passender ausgewählt werden soll. Der Algorithmus löst die Aufgabe auf logisch nachvollziehbare Weise. Das hat den Vorteil, dass die Ergebnisse der KI danach auch erklärt und verstanden werden können.

Machine Learning und ChatGPT

Auf der anderen Seite steht das maschinelle Lernen. Dabei geht es oft darum, Algorithmen durch große Datenmengen, Modelle und Simulationen zu verbessern. Zuerst wird der Algorithmus an bestimmten Daten „trainiert“, erst dadurch wird er in die Lage versetzt, sinnvolle Ergebnisse zu liefern. Dabei spielt die Statistik eine entscheidende Rolle.

Ob das Objekt, mit dem der Algorithmus arbeitet, eine bestimmte logisch-semantische Bedeutung hat (wie etwa eine Schachfigur beim Schachspiel) ist dabei nicht wichtig. Es geht bei dieser „sub-symbolischen“ KI ganz pragmatisch um die Suche nach der optimalen Lösung, gemessen an bestimmten vorgegebenen Kriterien.

ChatGPT ist das wohl berühmteste Beispiel für diese Art künstlicher Intelligenz. Dass ChatGPT Sprache produzieren kann, beruht nicht darauf, dass der Algorithmus logische, symbolische Zusammenhänge zwischen Begriffen eingespeichert hat. Es ist das Resultat von Training an riesengroßen Datenmengen. Diese Methode hat sich speziell in den letzten Jahren als äußerst mächtig herausgestellt, sie hat allerdings den Nachteil, nicht logisch nachvollziehbar zu sein. Man kann nicht schlüssig erklären, wie die KI auf eine bestimmte Antwort gekommen ist.

Das Beste aus beiden Welten

„Für die Zukunft der künstlichen Intelligenz wird es wichtig sein, diese beiden Ansätze zu vereinen“, ist Prof. Thomas Eiter überzeugt. Der neue Exzellenzcluster soll dafür nun einen wichtigen Beitrag leisten. Im interuniversitären Großprojekt „Bilaterale KI“ wird die JKU Linz viel Expertise aus dem Bereich sub-symbolische KI bzw. machine learning einbringen, die TU Wien bringt vor allem ihre anerkannte Stärke im symbolischen Bereich ein und hat mit rund 23% nach Linz den zweitgrößten Anteil am Projekt. Daneben sind auch das IST Austria, die Wirtschaftsuni Wien, die TU Graz und die Universität Klagenfurt an diesem Projekt beteiligt.

Die TU Wien hat bereits im Jahr 2021 das Zentrum für AI und Machine Learning (CAIML) gegründet, in dem an der Verknüpfung unterschiedlicher Zugänge in der Forschung an künstlicher Intelligenz geforscht wird. Mit der Teilnahme am neuen Exzellenzcluster wird dieses Forschungsthema an der TU Wien nun weiter verstärkt und ausgebaut.

Rückfragehinweis:

Prof. Thomas Eiter
Institut für Logic and Computation
Technische Universität Wien
+43 1 58801 18460
thomas.eiter@tuwien.ac.at

Text: Florian Aigner