ML2

Maschinelles Lernen für den Mittelstand

Offenburg, Dezember 2017 - Maschinelles Lernen für den Mittelstand: Die Forschungsgruppe Analytics and Data Science der Hochschule Offenburg will das hochaktuelle Thema "Maschinelles Lernen" in die regionalen mittelständischen Unternehmen bringen. Das Forschungsprojekt "Menschen Lernen Maschinelles Lernen (ML2)" wird vom Bundesministerium für Bildung und Forschung (BMBF) im Rahmen des Förderprogramms "IKT 2020 - Forschung für Innovationen" gefördert.

Maschinelles Lernen ist ein multidisziplinäres Fachgebiet, dem eine immer höhere Bedeutung für verschiedenste praktische Anwendungsbereiche zugesprochen wird. Schließlich ist das Einsatzgebiet selbstlernender Algorithmen riesengroß – und gewinnversprechend für den Mittelstand. So können etwa Unternehmen, die maschinelle Lernverfahren nutzen, sowohl ihren Umsatz als auch die Kundenzufriedenheit steigern und gleichzeitig Kosten reduzieren. 
"Leider verfügen Unternehmensmitarbeiter oft nicht über das notwendige Wissen, um Maschinelles Lernen in ihren jeweiligen Fachgebieten einsetzen zu können", sagt Prof. Stephan Trahasch von der Hochschule Offenburg. Informatiker und Mathematiker wiederum verfügten selten über das notwendige Anwendungswissen. An diesem Problem setzt das interdisziplinäre, vom BMBF geförderte Forschungsprojekt "Menschen Lernen Maschinelles Lernen (ML2" an. 
"Unsere zentrale Forschungsfrage lautet: Wie hebt man das Potenzial von maschinellem Lernen für mittelständische Unternehmen und sorgt gleichzeitig für eine anwendungsorientierte Ausbildung der Studierenden der Hochschule?", so Prof. Trahasch.
Die Antwort soll ein neues Lehr- und Lernkonzept liefern, das im Rahmen des Projekts speziell für beide Zielgruppen entwickelt werden wird. "Das Konzept sieht zwei Phasen vor", erklärt der Offenburger Forscher: "Wir beginnen mit 'Machine Learning für die Praxis' mit einer Dauer von vier Monaten. Danach folgt die fünfmonatige Phase 'Machine Learning in der Praxis'." Das Projekt werde nach dem "Blended Learning"-Prinzip durchgeführt. "Wir kombinieren verschiedene Lehr-/Lern-Methoden, Medien und Sozialformen in einem abgestimmten Wechsel mit eLearning-Phasen und Präsenzphasen", so Trahasch.
In der ersten Phase steht die anwendungsorientierte Vermittlung der Theorie maschinellen Lernens im Vordergrund. Dabei wird dem unterschiedlichen Hintergrund der Teilnehmer durch separate Unterrichtsformen Rechnung getragen. In der zweiten Phase werden dann gemischte Teams aus Unternehmensmitarbeitern und Studierenden gebildet, die konkrete Projekte maschinellen Lernens aus den teilnehmenden Unternehmen bearbeiten. 
"Wir möchten der Verknüpfung von Theorie und Praxis besonders Rechnung tragen", sagt Prof. Trahasch: "Ebenso wie der Verknüpfung der Lernorte Hochschule und Unternehmen. Diese sind schließlich die späteren Arbeitsorte für unsere Studierenden."