KI in den angewandten Lebenswissenschaften
Welche Anwendungen und Potenziale bietet küntliche Intelligenz (KI) in den praxisnahen Lebenwissenschaften? Das internationale Symposium „AI4Life“ zeigte vielfältige Projekte und Perspektiven.
Bereits zum dritten Mal fand am vergangenen Freitag das englischsprachige Symposium „Artificial Intelligence for Life“ – kurz AI4Life – der Fakultät Bioingenieurwissenschaften und des Kompetenzzentrums für Digitale Agrarwirtschaft (KoDA) statt. Ein Format, das auch im kommenden Jahr fortgeführt werden soll, kündigten Prof. Dr. Claudia Brand und Prof. Dr. Patrick Noack an. Wie wertvoll die Anwendungsmöglichkeiten von künstlicher Intelligenz für Forschung und den Wissenstransfer sind, betonte Vizepräsident Prof. Dr. Carsten Lorz: „KI bietet ein enormes Potenzial für Innovation in den angewandten Lebenswissenschaften.“ In Studiengängen wie Angewandte Informatik und Agrartechnik lernen die Studierenden, praxisnah Anwendungen und Lösungen mithilfe von KI zu entwickeln.
Innovative KI-Anwendungen für verschiedene Branchen
Insgesamt zehn Speaker:innen von Unternehmen und Hochschulen präsentierten vor rund 160 Teilnehmenden, welche Bandbreite von KI-Anwendungen in unterschiedlichen Bereichen zum Einsatz kommen. Eine Grundlage: Foundation Models, künstliche neuronale Netzwerke, die auf umfangreichen Textdaten trainiert wurden, um ein tiefes Verständnis von natürlicher Sprache zu entwickeln. In seiner Keynote demonstrierte Dr. Martin Junghans, CTO Innovation Studios IBM Deutschland, wie diese in verschiedenen Branchen, einschließlich der Geodatenanalyse, eingesetzt werden können, um beispielsweise den Klimawandel zu analysieren. Foundation Models haben das Potenzial, die Welt zu bessern, wenn sie verantwortungsbewusst eingesetzt werden, so Junghans.
Wie viel Potenzial in KI für die Forschung steckt, machten auch die Vorträge zu den unterschiedlichen Projekten der Hochschulen und aus der Forschungslandschaft deutlich. Nora Gourmelon von der FAU Erlangen-Nürnberg erörterte die Anwendungen der KI in der Fernerkundung, die zur Überwachung von Vogelpopulationen, Gletschern und Wasserverbrauch genutzt wird. Gleichzeitig beleuchtete Dr. Siming Bayer, ebenfalls von der FAU, einen innovativen und hybriden KI-Ansatz, der traditionelle Methoden mit KI kombiniert, um Probleme in der Wasser- und Energieversorgung zu lösen – insbesondere bei der Erkennung und Lokalisierung von Leckagen.
Digitale Zwillinge und Sprachmodelle: KI in der Landwirtschaft
Ob Ressourcenoptimierung oder Ertragsprognosen: auch für die verschiedenen Bereiche der Landwirtschaft birgt KI großes Potenzial. Dimo Dimov von der Hochschule Karlsruhe zeigte auf, wie beispielsweise Crop Canopy Models (CCMs) – Modelle zur Analyse des Blätterdachs (canopy) von Feldfrüchten – zur hochpräzisen Schätzung des Ernteertrags eingesetzt werden können. Andreas Gilson und Oliver Scholz vom Fraunhofer IIS betonten die wachsende Bedeutung von „Digitalen Zwillingen“, beispielweise die Fähigkeit, den Zustand eines Kirschbaumes genau zu erfassen. Um digitale Zwillinge ging es auch im Projekt des ehemaligen HSWT-Studenten Raphael Oefelein. Das Ziel: realistische 3D-Modelle von Nutzpflanzen mithilfe von Neural Radiance Field (NeRF), eine Technik zur Darstellung von 3D-Szenen aus 2D-Bildern mithilfe neuronaler Netzwerke, zu erstellen.
Emanuel Jakobowsky von der Technischen Hochschule Ingolstadt präsentierte eine wegweisende Methode zur automatischen Erkennung und Zählung von Weizenspikes auf UAV-Bildern unter Verwendung von „Convolutional Neural Networks (CNN)“, künstliche neuronale Netzwerke, die speziell zur Verarbeitung von Bildern und visuellen Daten entwickelt wurden. Inwieweit „Large Language Models (LMM)“ – leistungsstarke KI-Systeme, die natürliche Sprache verstehen und generieren können – landwirtschaftliche Aufgaben erleichtern können, hoben die HSWT-Forschenden Dr. Sebastian Fritsch und Prof. Dr. Dominik Grimm hervor. Fritsch entwickelte einen KI-gesteuerten Chatbot, der Landwirt:innen bei informierten Entscheidungen im Zusammenhang mit Pflanzenschutz und Pestizideinsatz helfen soll. Professor Grimm gab unter anderem Einblicke, wie er und sein Team maschinelles Lernen verwendete, um vorherzusagen, welche Proteine hitzestabil bleiben können – und wie LMM die Gestaltung synthetischer Proteine in Zukunft revolutionieren könnten.
Anmerkung der Redaktion: Diese News wurde teilweise mithilfe von KI generiert.
