Zum Hauptbereich (Eingabetaste) Zum Hauptmenü (Eingabetaste) Zum allgemeinen Seitenmenü (Eingabetaste)
Die Landesregierung von Nordrhein-Westfalen hat sich zum Ziel gesetzt, einer der führenden Standorte für Künstliche Intelligenz in Europa zu sein. Aus diesem Grund soll die Förderlinie Künstliche Intelligenz/Maschinelles Lernen (KI/ML) des Ministeriums für Kultur und Wissenschaft des Landes Nordrhein-Westfalen (MKW) die Ausbildung von KI-Fachkräften vorantreiben.
Das Förderprogramm „KI-Starter“ richtet sich an junge Forscherinnen und Forscher, deren Einstieg in eine akademische Karriere erleichtert werden soll. Somit sollen insbesondere junge Forschende unmmittelbar nach Ihrer Promotion im Bereich Künstliche Intelligenz/Maschinelles Lernen für eine akademische Karriere gewonnen werden.
In den ersten vier Auswahlrunden des Förderprogramms wurden bereits 10 Kandidatinnen und Kandidaten gefördert. Nun wird das Förderprogramm erneut in einer 5. und 6. Auswahlrunde ausgeschrieben.
Anträge können für die 5. und 6. Auswahlrunde zu folgenden zwei Stichttagen eingereicht werden:
5. Auswahlrunde: 14.10.2022
6. Auswahlrunde: 26.06.2023
Schicken Sie ihre Unterlagen bitte an folgende Adresse:
Projektträger Jülich
Forschung und Gesellschaft NRW
Technologische und regionale Innovationen (TRI)
Forschungszentrum Jülich GmbH
52425 Jülich
( PDF - 421.95 KB - nicht barrierefrei )
( PDF - 160.09 KB - nicht barrierefrei )
( PDF - 436.81 KB - nicht barrierefrei )
Wer wird gefördert?
Alle Universitäten in staatlicher Trägerschaft des Landes Nordrhein-Westfalen können eine Förderung beantragen. Pro Universität dürfen maximal zwei Anträge pro Ausschreibungsrunde eingereicht werden. Interessierte Nachwuchswissenschaftlerinnen und Nachwuchswissenschaftler wenden sich an diejenige antragsberechtigte Universität, an der sie forschen möchten.
Was wird gefördert?
Mit dem Förderprogramm KI-Starter wird der Einstieg in eine akademische Karriere gefördert. Zuwendungsfähig sind in erster Linie Personalausgaben für den Nachwuchswissenschaftler/die Nachwuchswissenschaftlerin. Die Universität stellt die Grundausstattung zur Verfügung.
Wie wird gefördert?
Das Auswahlverfahren ist zweistufig. Die Begutachtung der Anträge erfolgt durch unabhängige Gutachterinnen und Gutachter anhand eines Kriterienkatalogs. Anschließend stellen sich die am besten gerankten Nachwuchswissenschaftlerinnen und Nachwuchswissenschaftler in einem Auswahlsymposium vor. Das Auswahlsymposium für die fünfte Auswahlrunde findet voraussichtlich im Februar 2023 in Düsseldorf statt. Der Termin für die sechste Auswahlrunde wird frühzeitig kommuniziert. Das Ministerium entscheidet auf Basis ihrer Förderempfehlung und der verfügbaren Haushaltsmittel, welche der Anträge bewilligt werden können.
Die Fördermittel betragen bis zu 175.000 Euro für maximal 2 Jahre. Erwartet wird, dass die jeweilige Universität sich in Höhe von mindestens 10 Prozent der Ausgaben an der Finanzierung beteiligt.
Die Auswahlsymposien haben in den ersten vier Runden folgende zehn Nachwuchswissenschaftlerinnen und Nachwuchswissenschaftler zur Förderung empfohlen:
|
Auswahlrunde |
Name |
Universität in NRW |
Titel |
|
1. Auswahlrunde |
Jun.-Prof. Dr. Benjamin Risse |
Westfälische Wilhelms-Universität Münster |
Learning from Neuroscience to Investigate the "IQ" of Deep Neural Networks
|
|
1. Auswahlrunde |
Dr. Burim Ramosaj |
Technische Universität Dortmund |
Statistical Inference Analysis with Machine Learning
|
|
2. Auswahlrunde |
Dr. Andrea Horbach |
Universität Duisburg-Essen |
Explaining Al predictions of semantic relationships
|
|
2. Auswahlrunde |
Dr. Hannes Rapp |
Universität zu Köln |
Bio-inspired AI
|
|
3. Auswahlrunde |
Dr. Andrew Melnik |
Universität Bielefeld |
Learning to plan with Deep Neural Networks
|
|
3. Auswahlrunde |
Dr. Kira Maag |
Ruhr-Universität Bochum |
Reliability Assessment and Image Segmentation Improvement by Uncertainty Estimates using Ensemble and Expert Methods and by False Negative Reduction |
|
3. Auswahlrunde |
Dr. Leonardo Galli |
Rheinisch-Westfälische Technische Hochschule Aachen |
Robustness and Generalization in Training Deep Neural Networks
|
|
4. Auswahlrunde |
Robin Chan |
Universität Bielefeld |
Out-of-Distribution Detection via Generative Modeling of Deep Latent Representations
|
|
4. Auswahlrunde |
Dr. Zora Lähner |
Universität Siegen |
Robust Geometrie Deep Learning
|
|
4. Auswahlrunde |
Dr. Anand Subramoney |
Ruhr-Universität Bochum |
Sparse asynchronous deep learning on low-power hardware
|
PtJ ist zertifiziert nach DIN EN ISO 9001 : 2015 und ISO 27001 auf Basis IT-Grundschutz