Lehrstuhlbeschreibung

Die Errichtung des Lehrstuhls für Informationstechnologie an der Montanuniversität war mit der Berufung von Univ. Prof. Dr. Peter Auer am 1.2.2003 verbunden. Seit seiner Errichtung ist der Lehrstuhl in das Department für Mathematik und Informationstechnologie eingegliedert. Räumlich ist der Lehrstuhl im das Rohstoff- und Werkstoffzentrum (RWZ) untergebracht.

Forschung

Hauptforschungsgebiet des Lehrstuhls für Informationstechnologie ist das Maschinelle Lernen, das sich mit dem automatischen Auffinden von Zusammenhängen und Regelmäßigkeiten in Daten beschäftigt. Im einfachsten Fall können diese „gelernten“ Zusammenhänge für die Klassifikation von neuen Daten verwendet werden, zum Beispiel zum Auffinden von Objekten in digitalen Bildern. In komplexeren Anwendungen wird damit eine optimierte Steuerung von Prozessen und autonomen Agenten möglich, zum Beispiel von Robotern, die selbständig ihre Umgebung erkunden. Die Methoden des Maschinellen Lernens sind dabei algorithmischer und statistischer Natur. Der Lehrstuhl für Informationstechnologie betreibt in diesem Bereich Grundlagenforschung, um neue Verfahren für das Maschinelle Lernen zu entwickeln.

Ein konkretes Beispiel für die Anwendung von Maschinellem Lernen ist das Geochemical Fingerprinting, das in Zusammenarbeit mit dem Lehrstuhl für Geologie und Lagerstättenlehre untersucht wurde. Ein weiters Anwendungsgebiet des Maschinellen Lernens, das in den Forschungsarbeiten des Lehrstuhls untersucht wird, ist die intelligente Bild- und Videoanalyse, wobei Algorithmen zur Klassifikation und Interpretation von Bilddaten und Videos erstellt werden. So soll etwa ein Klassifikator gelernt werden, der in neuen Bildern Ähnlichkeiten zu bekannten Bildern erkennt und somit in der Lage ist, Bilder dem Bildinhalt entsprechend zuzuordnen. Analog dazu können Algorithmen in den aufeinander folgenden Bildern einer Videosequenz dieselben Gegenstände identifizieren und über den Verlauf der Videosequenz verfolgen. Dadurch wird die Analyse der Vorgänge in der Videosequenz ermöglicht, mit vielfältigen Anwendungen in der Robotik und der Überwachungs- und Sicherheitstechnik.

Ein weiterer aktueller Forschungsschwerpunkt des Lehrstuhls ist Reinforcement Learning, in dem Algorithmen entwickelt werden, die es einem autonomen Agenten in einer unbekannten Umgebung ermöglichen, durch Versuch und Irrtum ein nahezu optimales Verhalten zu erlernen. Markov-Entscheidungsprozesse liefern dazu ein allgemeines Modell für solche Problemstellungen: Der Agent beobachtet seinen aktuellen Zustand, wählt eine Aktion und führt diese aus, und findet sich als Resultat der Aktion in einem neuen Zustand wieder. Ob Aktionen erfolgreich sind, erweist sich oft erst nach mehreren Schritten, zum Beispiel wenn ein Ziel erreicht wird. Typische Algorithmen, die mit solch verzögertem Feedback umgehen können, müssen in jedem erreichbaren Zustand Erfahrungsdaten sammeln, bevor sie optimal agieren. In vielen Anwendungen, wie etwa in der Robotik oder beim Erlernen von optimalen Strategien in Spielen, ist der Zustandsraum allerdings so groß, dass diese Algorithmen ineffizient sind. Am Lehrstuhl wird daher an Methoden gearbeitet, die vorhandene Strukturen und Symmetrien der unbekannten Umgebung erkennen und ausnutzen können, sodass bereits aus relativ wenigen Erfahrungsdaten nahezu optimale Verhaltensstrategien berechnen zu können.

Lehre

Die quantitativ größte Aufgabe des Lehrstuhls für Informationstechnologie im Bereich der Lehre ist die Grundausbildung aller Studienanfänger im Fach Programmieren. Diese wird gemeinsam mit dem Lehrstuhl für Angewandte Mathematik in der Lehrveranstaltung „Computeranwendung und Programmierung“ durchgeführt. Während die allgemeine Fähigkeit zur Verwendung eines Computers vorausgesetzt werden kann, erfordert das Programmieren, wenn es über das rezeptartige Anwenden von Standardlösungen hinausgeht, einen oft ungewohnt klar strukturierten Denkansatz zur Problemlösung. Deshalb ist beim Erlernen des Programmierens nicht die Beherrschung einer bestimmten Programmiersprache das eigentlich wesentliche, sondern die Schärfung der analytischen Problemlösungskapazität und die Verwendung eines formale Werkzeugs und Ausdrucksmittels im Allgemeinen. Die seit mehreren Jahren verwendete Programmiersprache Java ist dabei ein guter Kompromiss zwischen praktischer Anwendbarkeit und formaler Klarheit.

Neben der Grundausbildung werden für einzelne Studienrichtungen (Industrielogistik, Montanmaschinenbau, Rohstoffgewinnung und Tunnelbau) Pflicht- und Wahlfächer in den Bereichen Programmierung und Algorithmen, Datenbanken und Datenbeschreibungsmethoden, Software Engineering, Maschinelles Lernen, Logik und Spieltheorie sowie Betriebsinformatik angeboten. Einen Schwerpunkt bildet dabei die Studienrichtung Industrielogistik, in der die IT-Ausbildung besonders verankert ist. Aus diese Studienrichtung werden auch laufend Bachelor- oder Masterarbeiten betreut.