Daniel Kottke erhält Preis für Dissertation zur Künstlichen Intelligenz

Die Dissertation "A holistic, decision-theoretic framework for pool-based active learning’’ beschreibt grundlegende Verfahren zur Entwicklung einer Künstlichen Intelligenz (KI), wenn Informationen mit hohen Kosten (beispielsweise Zeitaufwand) von Expertinnen und Experten erfragt werden müssen. Ein Beispiel für eine solche Aufgabe könnte das Erkennen von Krebszellen in medizinischen Bildern sein. Um Ärzte und Ärztinnen dabei mit einer KI zu unterstützen, müssen zuerst Trainingsbeispiele von ausgebildetem Personal bereitgestellt werden. Bei diesen Trainingsbeispielen handelt es sich um Bilder, bei denen Krebszellen von den Expertinnen und Experten identifiziert und markiert wurden. Die KI kann dann mit diesen Beispielen trainiert werden, d.h., die KI lernt, Bilder automatisiert zu klassifizieren. Das Ziel der Dissertation ist, die Auswahl von Trainingsbeispielen auf die Wichtigsten zu beschränken und somit Kosten zu sparen. Dafür hat Dr. Daniel Kottke einen mathematischen Ansatz entwickelt, welcher die Güte der KI unter Berücksichtigung ihrer Unsicherheiten maximiert.

Daniel Kottke hat 2021 am Fachbereich Elektrotechnik/Informatik der Universität Kassel promoviert (Fachgebiet Intelligente Eingebettete Systeme, geleitet von Prof. Dr. Bernhard Sick). An diesem Fachgebiet leitet er aktuell das Team „Methoden für Intelligente Interaktive Systeme“.

Jedes Jahr vergibt die Classification Society einen Distinguished Dissertation Award für eine Dissertation zum Thema Clustering, Klassifikation oder zu verwandten Bereichen der Datenanalyse, einschließlich der dazugehörigen Theorie und/oder Anwendungen. Der Distinguished Dissertation Award der Classification Society wird von Springer, einem wissenschaftlichen Verlag, unterstützt.

Kontakt:
Dr. Daniel Kottke
Teamleiter: Methods for Intelligent Interactive Systems (I2S)
Telefon: +49 561 804-6036
E-Mail: daniel.kottke[at]uni-kassel[dot]de