AISA in Kürze
AISA TRIangle: Lehre, Forschung, Infrastruktur
AISA TRIangle - Lehre, Forschung, Infrastruktur bilden aus struktureller Perspektive die Kernbereiche von AISA
AISA Forschung
Die Forschung in AISA Research bildet die Grundlage für unseren akademischen Output und für die Ausbildung in AISA Training
AISA Training
Unser Ziel ist es, die Expertinnen und Experten von morgen auszubilden
AISA Infrastructure
Moderne AI-Herausforderungen können nur mit spezieller Hardware bewältigt werden, die von AISA Infrastructure bereitgestellt wird
AISA Förderung
Das Projekt wird durch das Ministerium für Wissenschaft, Forschung und Kunst Baden-Württemberg gefördert.
Unsere Mission
Künstliche Intelligenz (AI) erfordert zwangsläufig spezielle Software und die damit verbundenen Fähigkeiten im Software Engineering (SE). Darüber hinaus ist in der Regel fundiertes Fachwissen (X) in den Bereichen Ingenieurwesen, Naturwissenschaften und Didaktik erforderlich, um AI in der Wissenschaft und Industrie effizient und effektiv einsetzen zu können. AISA zielt darauf ab, Spezialistinnen und Spezialisten auszubilden, die mit interdisziplinären Fähigkeiten in allen beitragenden Disziplinen ausgestattet sind: AI+SE+X.
AI+SE+X: AISA Paradigma
AI+SE+X
Künstliche Intelligenz (AI) ist inzwischen zu einer Schlüsseltechnologie unseres industriellen und akademischen Lebens geworden. Sie umfasst eine große Vielfalt an Methoden, Werkzeugen und Anwendungsfällen. Allerdings fehlt das Verständnis für die Beziehung zwischen domänenspezifischen Problemen und den geeigneten AI-Werkzeugen als Schlüsselkompetenz häufig. Auch die Entwicklung von AI-Methoden erfordert profunde Kenntnisse.
Software Engineering (SE) bildet eine im akademischen Bereich oft vernachlässigte Kompetenz. Bei der Entwicklung von Forschungscodes, anspruchsvollen individuellen AI-Lösungen oder Simulationswerkzeugen werden Dinge wie Dokumentation, Tests, Lesbarkeit des Codes, Robustheit o.ä. jedoch immer wieder vernachlässigt. SE-Fähigkeiten können die Effizienz in dieser Hinsicht deutlich steigern. Sie können in größeren Teams und bei der breiten Einführung akademischer und industrieller Lösungen viele Vorteile bieten und die Nachhaltigkeit der Software und den damit verbundenen Methoden verbessern.
Anwendungsdomänen (X) gehen mit spezifischen Anforderungen einher: Beispielsweise müssen grundlegende physikalische Prinzipien beachtet werden. Es kann sein, dass keine Informationen über die Daten vorliegen. In den Daten nicht erfasste Nebenbedingungen wie Versuchsbedingungen können relevant sein. Die Darstellung der Ergebnisse kann entscheidend sein, um Akzeptanz zu erzeugen. Eine Interaktion mit einer bereichsspezifischen Forschungsdateninfrastruktur bringt hier einen erheblichen Mehrwert.
Durch die Verschmelzung von Kompetenzen aus AI, SE und X wird AISA Spezialistinnen und Spezialisten mit den erforderlichen Werkzeugen, Methoden, Arbeitsabläufen und didaktischen Fähigkeiten ausstatten, um die Verfügbarkeit und Akzeptanz neuer Technologien zu fördern. Darin liegt unsere Vision.
AISA Kontakt
Steffen Becker
Prof. Dr.-Ing.Abteilungsleiter Abteilung Softwarequalität und -architektur
[Bild: U. Regenscheit / Universität Stuttgart]