Bachelorarbeiten auf Weltkonferenz präsentiert: Erklärbare KI im Studiengang Mobility, Data Science and Economics
Im Juli 2024 fand in Malta die zweite Weltkonferenz für Erklärbare Künstliche Intelligenz (xAI) statt. Mittendrin waren zwei Studierende der Hochschule Luzern aus dem Studiengang Mobility, Data Science and Economics.
Finn Schürmann und Antonio Mastroianni hatten die besondere Ehre, ihre Bachelorarbeiten aus dem Studiengang Mobility, Data Science and Economics auf der internationalen Bühne in Malta zu präsentieren.
Worum es bei ihren Bachelorarbeiten geht, weshalb es für Bachelorstudierende eine Ehre ist, an der xAI World Conference teilzunehmen, und welche Rolle ihre Dozentin Dr. Sibylle Sager-Müller dabei hatte, erfährst du in diesem Beitrag.
Was ist die xAI World Conference?
Die xAI World Conference ist eine jährliche Konferenz, die sich mit dem Bereich der erklärbaren Künstlichen Intelligenz (xAI) befasst. Die Konferenz bringt Forscherinnen, Akademiker und Fachleute aus verschiedenen Disziplinen zusammen, um das neueste Wissen, neue Perspektiven und Innovationen im Bereich der erklärbaren KI zu teilen und zu diskutieren.
Solche Konferenzen sind normalerweise das Terrain von Doktorandinnen und Doktoranden, die ihre Forschungsarbeiten vorstellen, um Feedback zu erhalten und sich mit anderen Expert:innen zu vernetzen. Wir sind unglaublich stolz, mit Finn und Antonio (zwei Bachelorabsolventen!) in Malta vertreten zu sein.
Wie kam es zur Teilnahme?
Erste Zutat: Die Dozentin
Die treibende Kraft hinter dieser Leistung ist Dr. Sibylle Sager-Müller. Lange bevor Facebook online ging und das erste Smartphone verkauft wurde, beschäftigte sich Sibylle bereits in der Forschung und in der Privatwirtschaft mit künstlicher Intelligenz. Ihr Doktorvater an der ETH war der erste, der damals in Zürich Vorlesungen über Machine Learning gehalten hat. Sibylle weiss also, wovon sie spricht.
Vor zweieinhalb Jahren wechselte sie an die HSLU, um ihr grosses Wissen in Data Science, Machine Learning und KI mit jungen motivierten Menschen im Studiengang Mobility, Data Science and Economics zu teilen. Sie unterrichtet Fächer wie Data Science, Machine Learning, Fahrzeugtechnologien und Data Science Projects, in denen sie mit den Studierenden Projekte mit Praxispartner:innen umsetzt.
Zweite Zutat: ein relevantes Thema
Im Austausch mit Praxispartner:innen stellte Sibylle fest, dass das Thema der Bildsegmentationen in der künstlichen Intelligenz noch viel zu wenig beleuchtet wurde. Ihr Forscherinnenherz schlug höher: Sie fragte die Studierenden, wer sich diesem Thema annehmen möchte. Finn und Antonio waren sofort dabei und tauchten in ihrer Bachelorarbeit in dieses wichtige Thema ein.
Bildklassifikation und Bildsegmentierung
In der künstlichen Intelligenz gibt es die Bildklassifikation. Das heisst, man füttert einen Algorithmus mit Bilderdaten, damit er lernt, was auf diesen Bildern zu erkennen ist. Bei der Bildklassifikation betrachtet die KI ein ganzes Bild und sagt, was darauf zu sehen ist. Zum Beispiel fragt man die KI: «Ist das ein Hund?» und die KI antwortet: «Ja.»
Bei der Bildsegmentierung teilt die KI ein Bild in verschiedene Bereiche ein und weist jedem Pixel eine Kategorie zu. Sie sagt dir, wo der Hund und wo die Katze ist.
Dies ist zum Beispiel bei autonomen Fahrzeugen sehr wichtig, damit die KI weiss, was und wo auf dem Bild zu sehen ist. Zum Beispiel, ob der Hund vor dem Auto steht oder daneben. So, genug von der Theorie!
Dritte Zutat: Motivierte Studierende
Finn Schürmann und Antonio Mastroianni nahmen die Herausforderung an und widmeten ihre Bachelorarbeiten dem Thema der Bildsegmentierung. Die Titel ihrer Bachelorarbeiten lauten:
Finn Schürmann: xAI-Dashboard for Semantic Segmentation
Antonio Mastroianni: Validation of Machine Learning Models from the Field of xAI for Computer Vision in Autonomous Driving
Finn untersuchte die Qualität von Post-Processing-Methoden in der erklärbaren KI. Post-Processing-Methoden sind Techniken, die nach der eigentlichen Bildverarbeitung angewendet werden, um die Ergebnisse zu verbessern oder zu analysieren. Er entwickelte ein Dashboard, das diese Methoden visualisiert und bewertet.
Antonio erforschte die Qualität der xAI-Methoden anhand von Daten und Modellen aus dem autonomen Fahren. Er analysierte zum Beispiel, wie gut einzelne Methoden Fehler lokalisieren, wie lange die Verarbeitung dauert und andere wichtige Faktoren.
Beide Arbeiten sind so innovativ und leisten so wichtige Beiträge zur erklärbaren KI, dass sie zur Konferenz in Malta eingereicht wurden.
Und siehe da: «Ich bin begeistert! Ihre Papers wurden angenommen», schreibt uns Sibylle. «Sie sollen in einer Posterpräsentation auf der Konferenz in Malta präsentiert werden. Es freut mich ausserordentlich, dass die beiden als Bacheloranden diese enorme Herausforderung gemeistert und die Konkurrenz zu Doktoranden nicht gescheut haben.» führt Sibylle weiter aus: «Es ist eine grossartige Gelegenheit, ihre Arbeiten vor einem internationalen Publikum zu präsentieren und Feedback von Expert:innen zu erhalten.»
«Dies ist nicht nur eine Anerkennung ihrer harten Arbeit, sondern auch eine wertvolle Erfahrung für ihre zukünftige Karriere.»
Dr. Sibylle Sager-Müller
Wenn du jetzt nicht genau weisst, was das alles bedeutet – kein Problem. Wenn es dich aber interessiert und du auch Algorithmen programmieren möchtest, um die Mobilität der Zukunft mitzugestalten, dann könnte der Studiengang Mobility, Data Science and Economics etwas für dich sein.
Vierte Zutat: Ein innovatives Studium (auch für Quereinsteiger:innen)
Ein zentrales Element des Studiengangs ist die Data Science. Die Studierenden lernen, mit Python zu programmieren und grundlegende Methoden der Datenanalyse anzuwenden. Python ist die Programmiersprache, die für maschinelles Lernen verwendet wird. Konkret bedeutet das, dass Studierende lernen, wie man Daten sammelt, sie analysiert und Muster erkennt. Sie lernen auch, wie sie selbst Algorithmen programmieren können.
Studiengangleiter Martin Schonger betont: «Das Tolle an unserem Studiengang ist, dass wir Menschen aus den verschiedensten Bereichen bei uns haben: aus dem kaufmännischen Bereich, aus technischen Berufen, aber auch aus der Informatik. So können alle vom Know-how der anderen profitieren.»
Das macht das Studium auch perfekt für Quereinsteiger:innen!
Martin Schonger, Studiengangleiter
Martin Schonger erklärt: «Es kommt nicht darauf an, welche Berufsmaturität oder welche Lehre man gemacht hat. Es gibt genügend Zeit und Unterstützung, sodass alle Studierenden voneinander profitieren können. Wichtig ist, dass alle viel lernen und ein gutes Kompetenzlevel erreichen.»
Beispielhaft zeigt sich das an Finn und Antonio. Noch vor zweieinhalb Jahren hatten beide keine Programmierkenntnisse. Finn ist ausgebildeter Geomatiker und Antonio hat einen kaufmännischen Hintergrund. Trotz ihres komplett unterschiedlichen Lebenslaufs: Beide wollten und wollen die Mobilität der Zukunft mit Data Science und wirtschaftlichem Verständnis mitgestalten.
In der Mobilität, aber auch in anderen Branchen, werden immer mehr Fachkräfte gesucht, die Expertise in verschiedenen Bereichen aufweisen können. Diese Kombination wird im Studium vermittelt und ist einzigartig.
Sibylle erläutert: «Die Studierenden arbeiten zum Beispiel in einer Projektarbeit mit realen Datensätzen von einem E-Bike-Anbieter. Anhand dieser Daten und des im Studium Gelernten müssen sie dann das Geschäftsmodell dieses Anbieters verbessern.»
Erklärbare KI
Erklärbare Künstliche Intelligenz (xAI) zielt darauf ab, KI-Modelle transparenter und verständlicher zu machen. xAI umfasst verschiedene Methoden, die darauf abzielen, die Entscheidungsprozesse von KI-Systemen nachvollziehbar zu machen. Dies ist besonders wichtig in sicherheitskritischen Bereichen wie zum Beispiel der Automobilindustrie, wo Fehler fatale Folgen haben könnten. Kurz: Man baut quasi einen Kontrollmechanismus ein.
Kleines Beispiel: Eine KI erkennt ein Schiff auf einem Bild. Die erklärbare KI zeigt, dass die Entscheidung darauf basiert, dass das Objekt im Wasser schwimmt (Erklärung in rot = Wasser). Würde ein Zirkuszelt im Wasser schwimmen, könnte die KI es fälschlicherweise auch als Schiff klassifizieren. Das zeigt, dass dieses KI-Modell für diese Aufgabe ungeeignet ist.
Im Post-Processing (Nachbearbeitung) analysieren wir also die Erklärungen der KI nachträglich, um das Ergebnis zu überprüfen. Dadurch wissen wir, auf welchen Grundlagen die KI ihre Entscheidungen trifft. Die erklärbare KI ist ein zusätzlicher Schritt, der hilft, Fehler aufzudecken und zu korrigieren.
Mit Einsatz und Engagement können Studierende an der HSLU Grosses erreichen – sogar eine Teilnahme an einer internationalen Konferenz mit hauptsächlich Doktorand:innen ist möglich! Hast auch du Lust auf den nächsten Karriereschritt? Finde heraus, ob der Bachelorstudiengang Mobility, Data Science and Economics auch zu dir passt.
«Die Einladung zur xAI World Conference in Malta ist eine immense Ehre. Es zeigt, dass auch Bachelorstudierende bedeutende Beiträge zur Forschung leisten können. Diese Anerkennung motiviert mich sehr für meine zukünftige Karriere.»