Zum Inhalt
Ma­schi­nel­le Lernverfahren

Drei Fragen an Dr. Burim Ra­mo­saj

-
in
  • Top-Meldungen
  • For­schung
  • Men­schen
Porträt eines Mannes im Anzug © Martina Hengesbach​/​TU Dort­mund
Burim Ra­mo­saj ist Post-Doc im Bereich für Mathematische Statistik und Industrielle An­wen­dungen an der TU Dort­mund und spezialisiert sich auf Statistische Inferenzmethoden mit Machine-Learning-Verfahren.

Das Land NRW fördert Dr. Burim Ra­mo­saj von der Fakultät Statistik der TU Dort­mund im Rahmen seines Pro­gramms für Künstliche In­tel­li­genz (KI) mit rund 175.000 Euro als KI-Starter. Bei sei­nem Projekt „Statistical Inference Analysis with Machine Learning“ geht es darum, empirische Evidenzmethoden speziell für Ma­schi­nel­le Lernverfahren zu entwickeln. Damit plant er, eine zentrale Lücke im Bereich statistischer Lernverfahren zu schließen.

Dr. Ra­mo­saj, KI und Ma­schi­nel­les Ler­nen ist „in“. Welche ungelösten Problemstellungen interessieren Sie in Ihrer For­schung?

Ra­mo­saj: KI und Ma­schi­nel­les Ler­nen ermöglichen die Verarbeitung von riesigen Datenmengen, die sehr komplex sein können. Viele Abläufe – zum Beispiel in der Logistik – können so weiter optimiert werden, insbesondere wenn es um die Interaktion von Mensch und Maschine geht. In der Anwendung gibt es aber noch Forschungsbedarf. So kann man bei­spiels­weise Algorithmen für maschinelles Ler­nen dazu nutzen, um riesige Datenmengen zu reduzieren und nur wichtige In­for­ma­ti­onen herauszufiltern. Hier fehlen jedoch noch Methoden, um nachzuweisen, dass bestimmte Teildatensätze mit einer gewissen Wahr­schein­lich­keit tatsächlich berücksichtigt werden. Da es dafür noch keine Garantie gibt, spricht man hier häufig noch von „Black-Box-Verfahren“.

Wo werden solche Verfahren in der Praxis eingesetzt?

In der Waren- und Förderlogistik wird etwa am Standort Dort­mund zum The­ma „Intelligente Lagersysteme“ geforscht. Da ist der Bereich für Förder- und Lagerwesen in Zu­sam­men­arbeit mit dem Fraunhofer-Institut für Materialfluss und Logistik (IML) sehr aktiv. Dabei geht es um die Steuerung von ganzen Schwärmen an Drohnen, die beim Transport von Waren innerhalb und außerhalb des Lagers behilflich sein und somit das Warenlieferungssystem effizient mitgestalten können. Ma­schi­nel­le Lernverfahren können in diesem Fall helfen, die Steuerung des Drohnenschwarmes auch dezentral zu ermöglichen. Dabei werden auch hier riesige Datenmengen gesammelt, die für gewisse Steuerungsabläufe jedoch nicht alle relevant sind. Eine Verschlankung solcher Datenstrukturen würde zur Folge haben, dass Sensoren oder In­for­ma­ti­onen überflüssig werden Ferner ermöglichen Ma­schi­nel­le Lernverfahren auch, die enge Interaktion solcher Drohnen mit Men­schen im Lager gezielt zu modellieren. Wir können mit unserer For­schung hier gezielt helfen, indem wir unsere Methoden zur Ver­fü­gung stellen. Ingenieurinnen und Ingenieure wären dann in der Lage, mit bestimmten Gewissheitsansprüchen ih­re Datenstrukturen so zu verschlanken, dass die benutzten Algorithmen schneller, besser und kosteneffizienter sind.  Unsere Anwendung muss sich nicht auf den Bereich der Logistik beschränken. Es gibt ganz unterschiedliche Anwendungsfelder, wie z.B. auch in der Bio-Medizin.

Wie gehen Sie Ihr Projekt konkret an?

Die Förderung des Landes ist auf zwei Jahre angelegt. In einem ersten Schritt will ich erforschen, wie die Unvoreingenommenheit des „Random-Forest-Verfahrens“ sichergestellt werden kann. Dafür benötige ich valide statistische Tests. Das Ergebnis soll die Entwicklung einer entsprechenden Testtheorie sein, mit der sich wichtige Variablen in einer bereits existierenden Machine-Learning-Methode robust und zuverlässig bestimmen lassen. Kooperationen mit Kolleginnen und Kollegen, insbesondere aus den USA, werden zudem den Standort Dort­mund gut vernetzen. Ich erhoffe mir, dass die Fragestellung zentrale Antworten liefern wird, wie man Black-Box-Prozedere aus der KI interpretierbar macht, sodass aus der „Black“ Box eine „Known“ Box wird. Im zweiten Schritt gehe ich dann konkrete An­wen­dungen an – zum Beispiel in der Logistik, aber auch der Bioinformatik oder bei medizinischen Themen wie Covid-19. Bei dem Virus ist noch vieles unerforscht, die möglichen Aus­wir­kungen auf den Men­schen ebenso wie seine Genstruktur. Hier kann ganz maßgeblich sein, große Datensätze mit empirischer Evidenz bei zugleich komplexer Struktur zu reduzieren. Da könnten wir mit unserer Methodik gezielt helfen.

Zur Person
Burim Ramosai wurde in Ulm geboren und studierte an der Uni­ver­si­tät Ulm und an der Syracuse University in den USA Mathe­matik und Wirtschafts­mathe­matik. Seine Pro­mo­ti­on zum The­ma „Inferenz- und Konsistenzanalysen von Random-Forest-Verfahren“ hat er an der Uni­ver­si­tät Ulm begonnen und schloss diese an der TU Dort­mund unter der Leitung von Prof. Markus Pauly ab. Aktuell ist er Post-Doc im Bereich für Mathematische Statistik und Industrielle An­wen­dungen an der TU Dort­mund und spezialisiert sich auf Statistische Inferenzmethoden mit Machine-Learning-Verfahren.

Kalender

Zur Veranstaltungsübersicht

Mensapläne

Anfahrt & Lageplan

Der Campus der TU Dort­mund liegt in der Nähe des Autobahnkreuzes Dort­mund West, wo die Sauerlandlinie A45 den Ruhrschnellweg B1/A40 kreuzt. Die Abfahrt Dort­mund-Eichlinghofen auf der A45 führt zum Campus Süd, die Abfahrt Dort­mund-Dorstfeld auf der A40 zum Campus-Nord. An beiden Ausfahrten ist die Uni­ver­si­tät ausgeschildert.
Für E-Autos gibt es eine Ladesäule am Campus Nord, Vogelpothsweg.

Direkt auf dem Campus Nord befindet sich die S-Bahn-Station „Dort­mund Uni­ver­si­tät“. Von dort fährt die S-Bahn-Linie S1 im 20- oder 30-Minuten-Takt zum Hauptbahnhof Dort­mund und in der Gegenrichtung zum Hauptbahnhof Düsseldorf über Bochum, Essen und Duisburg. Außerdem ist die Uni­ver­si­tät mit den Buslinien 445, 447 und 462 zu erreichen. Eine Fahrplanauskunft findet sich auf der Homepage des Verkehrsverbundes Rhein-Ruhr, außerdem bieten die DSW21 einen interaktiven Liniennetzplan an.
 

Zu den Wahrzeichen der TU Dort­mund gehört die H-Bahn. Linie 1 verkehrt im 10-Minuten-Takt zwischen Dort­mund Eichlinghofen und dem Technologiezentrum über Campus Süd und Dort­mund Uni­ver­si­tät S, Linie 2 pendelt im 5-Minuten-Takt zwischen Campus Nord und Campus Süd. Diese Strecke legt sie in zwei Minuten zurück.

Vom Flughafen Dort­mund aus gelangt man mit dem AirportExpress innerhalb von gut 20 Minuten zum Dort­mun­der Hauptbahnhof und von dort mit der S-Bahn zur Uni­ver­si­tät. Ein größeres Angebot an inter­natio­nalen Flugverbindungen bietet der etwa 60 Ki­lo­me­ter entfernte Flughafen Düsseldorf, der direkt mit der S-Bahn vom Bahnhof der Uni­ver­si­tät zu erreichen ist.

Die Ein­rich­tun­gen der TU Dort­mund verteilen sich auf den größeren Campus Nord und den kleineren Campus Süd. Zudem befinden sich einige Bereiche der Hoch­schu­le im angrenzenden Technologiepark. Genauere In­for­ma­ti­onen können Sie den Lageplänen entnehmen.