Unter dem Motto der Wissenschaftsnacht „Diagnose: Zukunft“ zeigt ein gemeinsames KI-Zelt, wie Künstliche Intelligenz Muster erkennt, Entscheidungen unterstützt und neue Handlungsmöglichkeiten eröffnet, in Medizin, Umwelt und Alltag. Im Gespräch mit den betreuenden Forschenden erhalten Besucher*innen Einblick in aktuelle Forschung am KI-Standort Bonn. Die Projekte zeigen, wie datengetriebene Methoden helfen können, Zukunftsfragen zu adressieren, von der Teilhabe chronisch kranker Kinder am Schulunterricht über assistive Robotik im Alltag bis hin zur verbesserten Vorhersage von Hochwasserereignissen.
Die Exponate im gemeinsamen KI-Zelt
Telepräsenzrobotik für Bildung: Projekt PRIVATAR
Mit dem Projekt PRIVATAR zeigt die Arbeitsgruppe von Prof. Dr. Maren Bennewitz, Prorektorin für Digitalisierung und Informationsmanagement der Universität Bonn, Professorin für Humanoide Roboter und Lamarr-Wissenschaftlerin, wie Technologien zur Fernteilnahme kranken Kindern helfen können, am Unterricht teilzunehmen und von zu Hause aus mit ihren Mitschülern in Kontakt zu bleiben. Das Projekt konzentriert sich auf kindgerechte Interaktion durch den Einsatz von Assistenzrobotern bereits im frühen Kindesalter. Mithilfe von Kamera-, Audio- und Anzeigefunktionen können diese Kinder mit Lehrkräften und Mitschülern interagieren und bleiben so in die Klassengemeinschaft eingebunden. Die Forschung verbindet Robotik, Mensch-Roboter-Interaktion und Datenschutz und untersucht, wie Telepräsenzsysteme die soziale Teilhabe fördern können, ohne dass sensible Daten preisgegeben werden.
Haushaltsroboter der Zukunft
Wie können Roboter Menschen im Alltag unterstützen? Die Arbeitsgruppe von JProf. Dr. Hermann Blum erforscht am Institut für Informatik , wie Roboter lernen können, sich sicher in menschlichen Lebensräumen zu bewegen und mit komplexen Umgebungen zu interagieren. Im KI-Zelt präsentieren Forscher einen Demonstrator, der veranschaulicht, wie Roboter ihre Umgebung wahrnehmen, Objekte erkennen und Bewegungen planen. Die zugrunde liegende Forschung kombiniert Methoden aus den Bereichen maschinelles Lernen, Computer Vision und Robotik, um autonome Systeme zu entwickeln, die in der Lage sind, Aufgaben in Privathaushalten oder anderen alltäglichen Umgebungen auszuführen. Solche Technologien bilden eine wichtige Grundlage für zukünftige Assistenzsysteme im Haushalt, im Gesundheitswesen und in anderen menschenzentrierten Arbeitsumgebungen.
KI für Hochwasservorhersagen: RiverMamba
Das Projekt RiverMamba aus der Arbeitsgruppe von Prof. Dr. Jürgen Gall zeigt, wie künstliche Intelligenz zur Vorhersage von Hochwasserereignissen eingesetzt werden kann. RiverMamba ist ein KI-basiertes System, das Flussabflüsse und potenzielle Hochwasserereignisse bis zu sieben Tage im Voraus vorhersagen kann. Das Modell analysiert großräumige meteorologische und Umweltdaten, um zu verstehen, wie sich Wasser durch globale Flussnetze bewegt. Durch die Modellierung räumlicher und zeitlicher Zusammenhänge zwischen miteinander verbundenen Flüssen kann RiverMamba zuverlässigere Vorhersagen zu Wasserständen und extremen Hochwasserereignissen liefern. Dies unterstützt Frühwarnsysteme und verbessert die Entscheidungsfindung im Hochwasserrisikomanagement.
KI in der Augenheilkunde
Die Arbeitsgruppe von Prof. Dr. Thomas Schultz untersucht, wie künstliche Intelligenz die medizinische Bildanalyse unterstützen und die klinische Entscheidungsfindung erleichtern kann. Ein besonderer Schwerpunkt liegt auf der Analyse von Videoaufnahmen aus der Kataraktchirurgie. Der Graue Star, eine Trübung der natürlichen Augenlinse, wird durch den Ersatz der Linse durch eine künstliche Intraokularlinse behandelt – einer der weltweit am häufigsten durchgeführten chirurgischen Eingriffe. In einer gemeinsamen Arbeit der Univeristät Bonn, des Lamarr-Instituts, des Universitätsklinikums Bonn, der Sankara Eye Foundation India und Microsoft Research India entwickelt das Team KI-basierte Methoden zur Analyse von Operationsvideos, um die Ausbildung, Qualitätssicherung und kontinuierliche Verbesserung zu unterstützen. Während das unmittelbare Ziel darin besteht, die Versorgung in Einrichtungen mit hohem Patientenaufkommen in Ländern mit niedrigem und mittlerem Einkommen zu verbessern, haben solche Systeme das Potenzial, die Operationsergebnisse weltweit zu verbessern.
