Klaus-Robert Müller, TU Berlin
Über den Vortrag:
Durch das Aufkommen neuer, schnellerer und präziserer Messtechniken ist die Menge und Qualität an Daten so sehr angestiegen, dass experimentelle Forscher und auch die Industrie an ihre Grenzen kommen. Um aus dieser unüberschaubaren Masse an Daten sinnvolle Informationen zu erzeugen, muss man die „richtigen” Fragen an die Daten stellen. Erfolgreiche Big Data Technologie muss daher über das reine Sammeln von Daten hinausgehen und interessante Fragen stellen.
Grundlage für das Maschinelle Lernen ist die mathematische Formalisierung solcher Fragen. Eine besondere Herausforderung ist das Maschinelle Lernen für die sogenannte Brain Computer Interface. Hierbei werden Hirnsignale dekodiert, um sie zur Kontrolle von Objekten zu nutzen, beispielsweise zum Buchstabieren, zur Manipulation eines Cursors oder auch in Computerspielen. Anwendungen dieser Art sind von großer Bedeutung für Patienten mit einem Locked-In-Syndrom. Menschen mit dieser Krankheit sind vollständig gelähmt, jedoch bei vollem Bewusstsein. Neben Anwendungen in den Neurowissenschaften werden auch neueste Ergebnisse des maschinellen Lernens in der Quantenchemie präsentiert.
.
Curriculum Vitae
Prof. Dr. Klaus-Robert Müller ist seit 2006 Informatikprofessor an der TU Berlin und war bis 2014 Sprecher des Berliner Bernstein Focus Neurotechnologie, nun ist er Co-Direktor des Berliner Big Data Centers.
Er studierte 1984-89 in Karlsruhe Physik und promovierte ebenfalls dort 1992 in Informatik. Dann folgten 1992-1994 ein PostDoc bei GMD FIRST in Berlin und 1994-1995 eine EU STP Fellowship an der Universität Tokyo. Ab 1995 baute er die Intelligente Datenanalyse Gruppe bei GMD FIRST (später Fraunhofer FIRST) auf und leitete diese bis 2008. 1999-2006 war er Informatikprofessor an der Universität Potsdam. Klaus-Robert Müller erhielt 1999 den Olympus Preis für Mustererkennung und 2006 den SEL-Alcatel Preis für technische Kommunikation, 2014 den Berliner Wissenschaftspreis des Regierenden Bürgermeisters. 2012 wurde er in die deutsche nationale Akademie der Wissenschaften - Leopoldina gewählt. Seine Forschungsinteressen sind neuronale Netze, intelligente Datenanalyse, maschinelles Lernen, statistische Signalverarbeitung und statistische Lerntheorie mit den Anwendungsschwerpunkten in Physik, Chemieinformatik, Genomanalyse und Neurowissenschaften. Seit 2000 ist einer seiner besonderen wissenschaftlichen Schwerpunkte die Erforschung der Schnittstelle zwischen Hirn und Maschine: das nichtinvasive EEG-basierte Brain Computer Interfacing.
