Zusätzliche Auswahlrunde für „KI-Starter“
Das Ministerium für Kultur und Wissenschaft des Landes Nordrhein-Westfalen (MKW) führt eine zusätzliche, vierte Auswahlrunde im Förderprogramm KI-Starter durch. KI-Starter richtet sich insbesondere an Nachwuchswissenschaftlerinnen und -wissenschaftler aus den Bereichen Künstliche Intelligenz und Maschinelles Lernen. Anträge können bis 15. November 2021 eingereicht werden. Der Projektträger Jülich (PtJ) organisiert das Auswahlverfahren und betreut die administrative Umsetzung des Förderprogramms.
Anwendungen von Künstlicher Intelligenz (KI) und Maschinellem Lernen erleichtern bereits heute Arbeit und Alltag der Menschen in vielfältiger Weise, und ihre Weiterentwicklung ist eines der großen wissenschaftlichen Zukunftsthemen. Um dem steigenden Bedarf an KI-Fachkräften Rechnung zu tragen, ruft das Ministerium für Kultur und Wissenschaft des Landes Nordrhein-Westfalen (MKW) im Rahmen der Förderlinie Künstliche Intelligenz/Maschinelles Lernen eine zusätzliche, vierte Runde im Förderprogramm KI-Starter aus.
KI-Starter richtet sich an junge Nachwuchsforschende, die eine akademische Karriere anstreben und ein Forschungsvorhaben mit einem Fokus auf KI-Anwendungen planen. Nach erfolgreich abgeschlossener Promotion sollen sie zur Vorbereitung einer akademischen Karriere zwei Jahre lang selbstständig forschen und internationale Erfahrung sammeln können. Damit stärkt das MKW auch eine nachhaltige Bindung der Forschenden an den Wissenschaftsstandort NRW.
KI-Starter ist Teil der Förderlinie „Künstliche Intelligenz/Maschinelles Lernen“ (kurz: KI/ML). Für das Programm KI-Starter stellt das Land Nordrhein-Westfalen in den Jahren 2020 bis 2024 insgesamt rund zwei Millionen Euro Gesamtfördervolumen zur Verfügung. Anträge für die zusätzliche vierte Runde können bis zum 15. November 2021 eingereicht werden. Antragsunterlagen und weitere Informationen finden Sie hier.
Aus den bisher durchlaufenen ersten drei Runden werden sieben Vorhaben gefördert:
|
Name |
Universität in NRW |
Titel |
|
Jun.-Prof. Dr. Benjamin Risse |
Westfälische Wilhelms-Universität Münster |
Learning from Neuroscience to Investigate the "IQ" of Deep Neural Networks
|
|
Dr. Burim Ramosaj |
Technische Universität Dortmund |
Statistical Inference Analysis with Machine Learning |
|
Dr. Andrea Horbach |
Universität Duisburg-Essen |
Explaining Al predictions of semantic relationships
|
|
Dr. Hannes Rapp |
Universität zu Köln |
Bio-inspired AI |
|
Dr. Andrew Melnik |
Universität Bielefeld |
Learning to plan with Deep Neural Networks
|
|
Kira Maag |
Ruhr-Universität Bochum |
Reliability Assessment and Image Segmentation Improvement by Uncertainty Estimates using Ensemble and Expert Methods and by False Negative Reduction |
|
Dr. Leonardo Galli |
Rheinisch-Westfälische Technische Hochschule Aachen |
Robustness and Generalization in Training Deep Neural Networks
|
Weitere Informationen
Förderlinie Künstliche Intelligenz/Maschinelles Lernen beim MKW
PtJ ist zertifiziert nach DIN EN ISO 9001 : 2015 und ISO 27001 auf Basis IT-Grundschutz