Menu
Spannendes Lernen im Deep Learning Lab 2021

Spannendes Lernen im Deep Learning Lab 2021

Von in Beispiele geförderter Projekte am 30. September 2021


Das obere Bild zeigt, wie die Künstliche Intelligenz die Umgebung richtig farblich ordnet. Wegen eines Rauschmusters im Bild links unten konnte die Künstliche Intelligenz kaum noch ein Objekt erkennen. Das Siegerteam reduzierte das Rauschen soweit, dass die Künstliche Intelligenz die meisten Objekte wieder richtig zuordnete. (Fotos: IfN/TU Braunschweig)

Seminare an der Uni können heftige Kopfschmerzen verursachen – vor allem, wenn der Kopf von Langeweile ermüdet auf den Tisch knallt. Die Institute an der TU Braunschweig haben sich deshalb etwas überlegt, um ihre Lehrangebote spannender und ansprechender zu gestalten. Ein hervorragendes Beispiel ist das Deep Learning Lab des Instituts für Nachrichtentechnik, das der Hochschulbund seit mehreren Jahren zusammen mit Siemens fördert.

In dem Lehrangebot zum Thema Maschinelles Lernen erhalten Studierende Aufgaben und Daten aus der Praxis. Im Jahr 2021 drehte sich die Aufgabenstellung um die Künstliche Intelligenz – KI genannt – in Fahrzeugen: Die KI ist es beispielsweise, die einen Autofahrer alarmiert, wenn sein Abstand zum Fahrzeug vor ihm zu klein wird. Dafür beobachtet sie die Umgebung unter anderem mit Kameras und unterscheidet im Bild, wo es sich um die Fahrbahn, ein Fahrzeug, einen Fußgänger oder einen Baum handelt. Technische Probleme oder gezielte Cyberangriffe können das Kamerabild allerdings so verändern, dass die KI nichts mehr erkennt. Für das menschliche Auge bleibt das Bild dagegen unverändert und er ahnt nicht, dass er plötzlich ohne Unterstützung fährt.

Die Studierenden im Deep Learning Lab 2021 erhielten die Aufgabe, sich in Teams einem gestörten Kamerabild zu widmen. Mit selbst erstellter Software sollten sie das Bild so verändern, dass die Künstliche Intelligenz wieder etwas erkennen und den Fahrer unterstützen kann. Als Ansporn lobten Siemens und weitere Unternehmen Preise für die besten Ergebnisse aus. Und diese konnten sich sehen lassen: Dank der Software ordnete die KI die meisten Objekte wieder richtig zu – und die Studierenden blickten auf ein lehrreiches und spannendes Seminar ohne Kopfschmerzen zurück.

Für die gemeinsame Unterstützung des Lehrangebotes bedanken wir uns bei