Verbundprojekt: Internationales Zukunftslabor für KI-gestützte Bioprozessentwicklung "KIWI-biolab"; Teilvorhaben: Aktives Lernen für Daten und Prozesse mit hohem Durchsatz

Ziel des Information Systems and Machine Learning Lab (ISMLL) der Universität Hildesheim in dem Verbundprojekt ist es, an Methoden des Aktiven Lernens zu forschen. Selbst beim Arbeiten mit automatisierten Experimentiermaschinen, wie den Bioreaktoren, stellt sich das grundsätzliche Problem, dass es immer mehr mögliche Experimente gibt, die man gerne durchführen wollte, als Ressourcen zur Verfügung stehen. Insofern ist es wichtig abzuwägen, welche Experimente wichtiger sind als andere, d. h. man muss schätzen, von welchen Experimenten man sich den größtmöglichen Erkenntnisgewinn verspricht. Zum anderen muss auch entschieden werden, wie oft ein Experiment zu wiederholen ist, um den Einfluss von Zufallsgrößen zu erkennen. Beim Aktiven Lernen geht es darum, auch diesen Aspekt der Forschung zu automatisieren, indem man die Modelle selbst entscheiden lässt, welche Daten benötigt werden, um die Vorhersagen zu verbessern. Klassische Strategien des Aktiven Lernens umfassen zum Beispiel das sogenannte "Uncertainty Sampling", bei dem das Modell immer nach den Daten verlangt, für welche die Vorhersage am unsichersten ist. Das ISMLL wird Algorithmen entwerfen, die auf die besonderen Anforderungen der Bioprozessoptimierung zugeschnitten sind.