BASF und TU Berlin kooperieren beim Thema „Künstliche Intelligenz“

BASF und die Technische Universität Berlin haben eine enge Zusammenarbeit im Bereich "Maschinelles Lernen" vereinbart.

Menschlicher Schädel mit Gehirn und Skelett vor Festplattenmuster.
BASF und die Technische Universität Berlin wollen gemeinsam neue mathematische Modelle und Algorithmen für grundlegende chemische Fragestellungen -

Ziel des gemeinsamen „Berlin based Joint Lab for Machine Learning“ (BASLEARN) ist es, für grundlegende chemische Fragestellungen zum Beispiel aus der Prozess- oder Quantenchemie praktikable neue mathematische Modelle und Algorithmen zu entwickeln. Diesem Ziel wollen sich die beiden Partner in den kommenden Jahren gemeinsam widmen. Als ein wesentlicher Teil der Kooperation unterstützt die BASF in den kommenden fünf Jahren die Forschungsarbeiten von Prof. Dr. Klaus-Robert Müller, Professor für maschinelles Lernen und Sprecher des „Berlin Center for Machine Learning“ an der TU Berlin, mit insgesamt über 2,5 Millionen Euro.

Erforschung der Löslichkeit von Farben 

Die Anwendungsbereiche für maschinelles Lernen reichen von biologischen Systemen über die Material- und Wirkstoffforschung sowie die Laborautomatisierung bis hin zu dynamischen Prozesssystemen. Konkrete Beispiele, die in den gemeinsamen Forschungsarbeiten behandelt werden sollen, sind unter anderem die Löslichkeit von komplexen Mischungen oder Farben sowie auch Alterungsprozesse von Katalysatoren vorherzusagen. „Das hört sich zunächst nicht sehr kompliziert an, ist es aber leider doch. Beispielsweise kennen wir sicherlich die Löslichkeit einzelner Stoffe und einfacher Mischungen. Wenn man aber mehrere Komponenten in einer Formulierung hat, sieht die Sache schon anders aus“, so Dr. Hergen Schultze, bei BASF Leiter der Forschungsgruppe „Maschinelles Lernen und Künstliche Intelligenz“.

„Je mehr Daten wir verwenden und je besser angepasst ein Lernmodell ist, desto besser sind seine Vorhersagen, desto effizienter können wir wiederum im Labor arbeiten und desto schneller kommen wir gemeinsam ans Ziel“, ist Schultze überzeugt. „Mathematische Modelle können natürlich auch Laborroboter steuern und damit Versuche durchführen“, ergänzt Schultze ein weiteres Anwendungsbeispiel. So könnten Roboter, Routinearbeiten oder den Umgang mit Gefahrstoffen übernehmen wie zum Beispiel bei einer Reaktorreinigung.

Bildquelle: Pixabay

Hersteller zu diesem Thema