„In der Praxis liefert Künstliche Intelligenz häufig verblüffende Ergebnisse und vereinfacht viele Arbeitsprozesse signifikant. Doch wie können wir sicherstellen, dass Entscheidungen und Ergebnisse von KI-Prozessen nachvollziehbar und verlässlich sind? Meine Forschung beschäftigt sich genau mit dieser Frage“, erklärt Kassing.

Im Zentrum steht dabei die präzise Quantifizierung von Unsicherheiten in datengetriebenen Modellen:

  • Wie zuverlässig sind Vorhersagen neuronaler Netze?
  • Wie lassen sich Unsicherheiten verständlich darstellen und in Entscheidungen einbeziehen?
  • Welche Trainingsmethoden und Architekturen führen zu stabilen und generalisierungsfähigen Modellen?

Unterstütze die CampusZeitung blickfeld

Schon ein kleiner Beitrag hilft uns, unseren Job noch besser zu machen! So kannst du uns unterstützen:

Abo per Steady, Einmalzahlung oder Anzeige

Damit wir unser Engagement ausbauen können, ist eure Unterstützung gefragt – für mehr Recherchen und Berichte.

Ihr könnt uns mit einem monatlichen oder einmaligen Beitrag unterstützen oder eine Anzeige schalten.

Abo per Steady | Einmalzahlung mit PayPal | Anzeige schalten
Zur CampusZeitung blickfeld:

Seit 2011 versorgen wir als unabhängiges Medium an der Bergischen Universität Wuppertal die Studierenden, Mitarbeiter/-innen und alle Interessierten aus dem Bergischen Städtedreieck und darüber hinaus mit Nachrichten vom Campus und aus dem Tal. Unsere Unabhängigkeit ist unsere stärkste Eigenschaft. Wir sind weder eine Zeitung des Allgemeinen Studierendenausschusses (AStA) noch eine Publikation unter der Schirmherrschaft der Universität. Damit sind wir keinen fremden Interessen verpflichtet, können frei Themen wählen und dabei auch unbequem werden. Mehr über uns …

Um diese Fragen zu beantworten, verbindet Kassing Methoden aus Stochastik, Analysis, Geometrie und Optimierung. Ziel seiner Arbeit ist es, maschinelles Lernen aus der Black-Box-Ecke herauszuführen und eine mathematische Grundlage für nachvollziehbare und verantwortungsvolle KI-Anwendungen zu schaffen – mit Relevanz für Bereiche wie Medizin, Mobilität, Wirtschaft und Industrie. »red«

Zur Person: Prof. Dr. Sebastian Kassing (Stochastik und maschinelles Lernen)

Sebastian Kassing kommt von der Technischen Universität Berlin, wo er zuletzt eine Nachwuchsgruppe zur Stochastischen Analysis und Quantitativen Finanzmathematik leitete. Zuvor forschte er unter anderem als Postdoktorand an der Universität Bielefeld. Seine Promotion absolvierte der 30-Jährige an der Universität Münster mit einer Arbeit zur stochastischen Approximation mit Fokus auf Anwendungen im maschinellen Lernen.