Interdisziplinäre Graduiertenschule

Die Zuse School relAI ist ein Gemeinschaftsprojekt der Technischen Universität München (TUM) und der Ludwig-Maximilians-Universität München (LMU). Das Programm ist bewusst interdisziplinär und sektorübergreifend ausgerichtet, umfasst also sowohl Forschungs- als auch Praxismodule. Das Curriculum des Master- und Promotionsprogramms besteht aus jeweils vier Komponenten: Vorlesungen und Seminare (optional für Promovierende), Industriepraktika und Auslandsaufenthalte, Weiterbildungen im Bereich Soft Skills und Wissenschaftskommunikation sowie die jeweilige Abschlussarbeit.

Standortübergreifende Betreuung durch akademische Fellows

Das Forschungs- und Lehrangebot ist standortübergreifend konzipiert und basiert auf einem Betreuungskonzept durch akademische Fellows und externe Partner aus der Industrie. Im Masterstudium ist das als Eins-zu-Eins-Betreuung durch einen relAI-Fellow realisiert, die Masterarbeit kann in Kooperation mit einem Industriepartner erfolgen. Die Promovierenden werden von einem Team aus relAI Fellows und externen Partnern betreut, das diese sowohl zu fachlichen Aspekten der Thesis als auch zur persönlichen Entwicklung berät. Außerdem können Doktoranden selbst Mentorin oder Mentor für Masterstudierende werden.
 

Herausragendes Mentoring

Kern der School bilden die aktuell 33 akademischen Fellows. Sie bieten Ihnen ein strukturiertes Mentoring bereits während des Masterprogramms. Sie arbeiten dann zusammen mit einem der Fellows und einem Doktoranden zusammen. Sie möchten wissen, welche Master- und Promotionsstudierende gerade von relAI gefördert werden? Eine Übersicht finden Sie hier.

 

Die Bewerbungen werden direkt bei der Zuse School eingereicht.

Master

Für ein Masterstipendium können sich deutsche und Studierende weltweit bewerben, die über einen exzellenten Bachelor-Abschluss (oder gleichwertig) in Informatik, Mathematik, Ingenieurwissenschaften, Naturwissenschaften oder anderen Disziplinen mit Bezug zu Data Science/Machine Learning/AI verfügen und für ein Masterstudium in den Fächern Informatik, Mathematik oder verwandten Schwerpunkten der Technischen Universität München (TUM) und der Ludwig-Maximilians-Universität München (LMU) zugelassen wurden. Aktuelle Informationen zur Bewerbung für die nächste Kohorte finden Sie hier. Informationen zu den nächsten Bewerbungsrunden des Masterprogramms erhalten Sie auch per E-Mail über diese Mailingliste.

PhD

Für die Promotionsförderung können sich Masterabsolventinnen und Absolventen bewerben, die über einen exzellenten Master-Abschluss (oder einem gleichwertigen Abschluss) in Informatik, Mathematik, Ingenieurwissenschaften, Naturwissenschaften oder anderen Data Science/Machine Learning/AI-verwandten Disziplinen verfügen. Aktuelle Informationen zur Bewerbung für die nächste Kohorte finden Sie hier. Informationen zu den nächsten Bewerbungsrunden für ein Masterstipendium erhalten Sie auch per E-Mail über diese Mailingliste.

Assoziierter Master oder PhD

Darüber hinaus ist es möglich, assoziierter PhD-Student von relAI zu werden. Wenn zum Beispiel Ihr Forschungsgebiet gut zum Thema relAI passt, einer Ihrer Betreuer bereits relAI-Fellow ist und über Drittmittel verfügt, können Sie assoziierter Doktorand werden. Assoziierte PhD-Studenten absolvieren den gleichen Lehrplan und erhalten Reisestipendien.
 

 

Die Konrad Zuse School of Excellence in Reliable AI stellt vier Schwerpunktthemen in den Fokus:

Safety 

Erörtert werden soll die Frage, wie KI-Tools so designt werden können, dass sie keinen Schaden anrichten.

Security

Der Aspekt Security beschäftigt sich mit der Frage, wie KI-Systeme möglichst widerstandsfähig gegenüber Attacken und Informationslecks gemacht werden können.

Privacy

Der Aspekt Privacy beinhaltet Methoden zum Schutz und der Vertraulichkeit von Daten.

Responsibility

Und unter dem Stichwort Responsibility werden Ansätze vorangetrieben, die soziale Normen und ethische Prinzipien in KI-Systeme implementieren.

All diese Themen werden sowohl in den mathematischen und algorithmischen Grundlagen als auch in den drei Anwendungsbereichen Medizin und Gesundheit, Robotik und Interagierende System, sowie Algorithmische Entscheidungsfindung untersucht.

Das Netzwerk der Konrad Zuse School relAI besteht aus einer Vielzahl von Partnern im akademischen und unternehmerischen Kontext. 

Akademische Partner

Zu den akademischen Partnern zählen aktuell: Data Science @ Uni Vienna, Alan Turing Institute, Center for Data Science (CDS) der New York University, Center for Statistics and Machine Learning (CSML) an der Princeton University, Center of Data Science and AI Research (CeDAR) an der University of California, Davis, Duke Rhodes Information Initiative (RII) an der Duke University, Mathematical Institute for Data Science (MINDS) an der  John Hopkins University, NSF AI Institute for Advance in Optimization (AI4OPT) am Georgia Institute of Technology, Oden Institute for Computational Engineering and Sciences an der University of Texas at Austin, Stanford Data Science an der Stanford University, Switzerland Center for Intelligent Systems (CIS) an der École Polytechnique Fédérale de Lausanne, Center for Responsible AI Research (koordiniert von der Hochschule für Philosphie München), Helmholtz Zentrum München, Center for AI Research (CAIRE) an der Hong Kong University of Science and Technology.

Industriepartner

Zu den Industriepartnern zählen aktuell: Allianz, BMW, Bosch, Celonis, Denso, Frauenhofer AISEC, Frauenhofer IIS, Frauenhofer IKS, Google, Imfusion, Infineon, Linde, MunichRe, Siemens, Siemens Healthineers, UnternehmerTUM, VW.

 

Die TUM ist gleich an zwei der drei Zuse Schools beteiligt. Wie wichtig die Zusammenarbeit beim Thema Zuverlässigkeit von KI sowohl vor Ort, als auch mit internationalen Partnern ist, berichtet Professor Dr. Stephan Günnemann, Sprecher der School und Professor für Data Analytics and Machine Learning an der TUM.

Professor Günnemann, was zeichnet relAI als exzellente Graduiertenschule für den KI-Nachwuchs aus?

Mit der Zuverlässigkeit von AI-Technologie adressieren die Projektpartner TUM und LMU ein hochrelevantes Thema, das nicht nur technologisch interessant ist. Es hat auch einen starken sozialen Einfluss, denn ohne Sicherheit und Zuverlässigkeit wird man KI-Methoden nicht in der Gesellschaft anwenden wollen. Dieser Fokus ist entscheidend und zeichnet uns aus.

Wie erforschen Sie die KI-Zuverlässigkeit?

Zum einen kombinieren wir die Grundlagen- und Methodenforschung mit der direkten Anwendung in relevanten Domänen wie Robotik, dem Autonomen Fahren, Medizin oder Decision Making, also Entscheidungsfindung. Wir arbeiten dabei mit einem breiten Spektrum von Forschenden zusammen – Mathematikerinnen und Mathematikern, Informatikern und Informatikerinnen, aber auch Wissenschaftlerinnen und Wissenschaftlern aus den verschiedenen Anwendungsdomänen. Auf diese interdisziplinäre Zusammenarbeit legen wir auch in der Ausbildung Wert, Doktorandinnen und Doktoranden werden sowohl von Expertinnen und Experten aus der methodenbasierten wie aus der anwendungsorientierten Forschung betreut. Mittelfristig ist auch die enge Zusammenarbeit mit den Industriepartnern angedacht, um die in der School entwickelten Methoden in den Unternehmen zu erproben.

Sie selbst haben in der Forschungsabteilung eines Unternehmens gearbeitet und kennen auch die andere Seite. Ist in Deutschland viel zu tun, um Wissenschaft und Wirtschaft stärker zusammenzubringen?

KI ist ein gutes Thema, um eng zusammenzuarbeiten, denn es geht dabei immer um ein konkretes Ziel. Die Industrie kennt die realen Probleme, deshalb ist die Zusammenarbeit besonders fruchtbar. In relAI wird es darum gehen, auch Masterandinnen und Masteranden schon in einer frühen Phase mit Unternehmen zusammenzubringen. Denn das Ziel der Zuse Schools ist es nicht nur, im engen Austausch mit der Wirtschaft praktische Erfahrungen zu vermitteln. Den Kandidatinnen und Kandidaten soll auch ermöglicht werden, zu entdecken, was man im KI-Bereich alles machen kann – das ist vielen Studierenden gar nicht klar.

Die Förderung des DAAD erhält die TUM seit Juli 2022. Welche Schritte stehen nun an?

Ein erstes Treffen, unsere erste Fellow Assembly, auf der alle Gründungsmitglieder zusammenkamen und auch formal die Gremien wählten, haben wir bereits durchgeführt. Zurzeit sind wir damit beschäftigt, das Curriculum zu schärfen und die Lehrangebote für das kommende Semester zu konsolidieren. Ein großer Vorteil ist, dass die Graduiertenschule in das Munich Data Science Institute der TUM eingebettet ist. Es unterstützt uns dabei, die Zuse School aufzubauen, bis wir ein eigenes Team zusammengestellt haben. Parallel zu den organisatorischen Aufgaben geht es nun darum, die Zuse School international sichtbar zu machen und dafür zu sorgen, dass wir die entsprechenden Kandidaten gewinnen.

Was versprechen Sie sich in diesem Zusammenhang von der Kooperation mit dem DAAD?

Der DAAD ist weltweit für den Austausch von Studierenden und Wissenschaftlerinnen und Wissenschaftlern bekannt und hat ein etabliertes Netzwerk von starken Partnern. Wir versprechen uns hierdurch eine hohe Sichtbarkeit unserer Zuse School und die Gewinnung internationaler Talente.

In der Zuse School arbeiten die beiden Partneruniversitäten TUM und LMU mit regionalen, aber auch mit sehr prominenten internationalen Partnern zusammen.

Das Netz der Kooperationspartner ist weit gespannt. Mit dabei sind neben den Fraunhofer Instituten für Kognitive Systeme sowie für Angewandte und Integrierte Sicherheit und dem Helmholtz Zentrum München auch KI-Zentren aus aller Welt, etwa an den Universitäten Stanford und Princeton. KI ist ein Thema von globaler Bedeutung, die Forschungscommunity ist international. Der Austausch mit weltweit führenden Universitäten ist deshalb ein wichtiger Baustein innerhalb der School. Exzellente Forschung zu machen heißt, sich international zu vernetzen. Unsere Teilnehmenden sollen bei unseren Partnern Forschungsaufenthalte machen können. Zugleich unterstützen wir, dass internationale Fellows nach Deutschland kommen und als Gastwissenschaftlerinnen und Gastwissenschaftler an der School mitwirken, sei es durch Forschungsarbeiten oder Vortragsreihen.

Die TUM ist gleich in zwei der Zuse Schools vertreten – gibt es da Berührungspunkte, tauschen Sie sich aus?

Es war schon in der Antragsphase unser Ziel, mit den beiden anderen Schools zusammenzuarbeiten, gemeinsame Workshops oder auch Messen durchzuführen. Die TUM ist auch an der ELIZA-School der TU Darmstadt beteiligt, bei der es ebenefalls um Maschinelles Lernen geht. Mit den Münchner Kolleginnen und Kollegen dieses Fachbereichs arbeiten wir ohnehin eng zusammen, da wird es sicher Anknüpfungspunkte geben. Letztlich geht es aber nicht nur um gemeinsame Aktivitäten, sondern vor allem darum, die Schools allgemein bekannt zu machen. Unser gemeinsames Ziel ist es, international mit diesen Schools aufzutreten und für den Innovationsstandort Deutschland zu werben. Darauf kommt es uns an und deshalb ist auch die Zusammenarbeit wichtig.

Und welches Ziel verfolgen die Kooperationspartner speziell mit relAI?

Die Sichtbarkeit des Themas und der Erfolg der Teilnehmenden stehen für uns an erster Stelle. Zum einen wünschen wir uns, dass Deutschland für das Thema reliable AI international bekannt wird und Studierende nach München an die School kommen, um daran zu forschen. Das zweite Ziel ist für mich, dass die Teilnehmenden von der School wirklich profitieren, erfolgreich sind, ein Netzwerk aufbauen durch die ganzen Partner, die wir dabeihaben, und untereinander in Kontakt bleiben. Wir planen daher längerfristig auch, ein Alumninetzwerk aufzubauen. Erfolgreiche Absolventinnen und Absolventen, die bei Top-Firmen arbeiten oder Professorinnen und Professoren an guten Universitäten werden und später selbst bei der School mitwirken wollen, sind wichtige Multiplikatoren. All dies sind Effekte, die wir mit der School erreichen wollen.“

Mehr Informationen zu relAI finden Sie hier.

Interview: Gunda Achterhold

Web

www.zuseschoolrelai.de

Mail

coordinators at zuseschoolrelai.de

Post

Konrad Zuse School of Excellence in reliable AI
Munich Data Science Institute (MDSI)
Technical University Munich
Walther-von-Dyck-Straße 10
85748 Garching, Germany

Konrad Zuse School of Excellence in reliable AI
Ludwig-Maximilians-University Munich
Akademiestraße 7
80799 München, Deutschland

Social Media

LinkedIn: /company/relai-konrad-zuse-school-of-excellence/
X: @zuseschoolrelAI