MODERATION

Jan Eggert | Innovation Manager, Humboldt-Universität zu Berlin

14:00 ONBOARDING


15:00 BEGRÜßUNG

Rainer Lüdtke | Geschäftsführender Vorstand, Stiftung Industrieforschung
Prof. Dr. rer. nat. Volker Markl | Fachgebiet für Datenbanksysteme und Informationsmanagement an der Technischen Universität Berlin und Fachbereich IAM am DFKI

15:15 PRÄSENTATIONSBLOCK I

Franziska Boenisch, Freie Universität Berlin | PrivML
Kai Hoppmann-Baum & Japp Pedersen, Technische Universität Berlin | KOMPASS
Heinrich Mellmann & Matthias Kubisch, Humboldt-Universität zu Berlin | Volksbot: Gretchen

15:50 PAUSE & NETZWERKEN


16:20 PRÄSENTATIONSBLOCK II

Dr. Rainer Mühlhoff, Technische Universität Berlin | Predictive Privacy: Innovativer Datenschutz für innovative KI
PD Dr. Ludwig Schelmm, Charité – Universitätsmedizin Berlin | KI-gestützte Schlaganfallfrüherkennung
Dr. Florian Schmidt, Alexander Acker & Sören Becker, Technische Berlin | ZerOps – A Self-Healing AIOPs Platform

17:00 KEYNOTE

Dr. Richard Socher | CEO SuSea

17:25 AWARD CEREMONY

Jury & Keynotespeaker

Jens Lambrecht

Jens Lambrecht studierte Maschinenbau an der Technischen Universität Dortmund. Bereits als Student arbeitete er im Bereich Simulation in der Industrierobotik und promovierte später am Fachgebiet Industrielle Automatisierungstechnik der Technischen Universität Berlin zum Thema Mensch-Roboter-Interaktion mit Gesten und Augmented Reality. Danach verbrachte er ein halbes Jahr in Taiwan mit Tätigkeiten im Bereich Bildverarbeitung und wurde anschließend Teamleiter für Cloud-Robotik bei den Telekom Innovation Laboratories in Berlin. Im Jahr 2016 gründete er die Firma Gestalt Robotics und erhielt kürzlich einen Ruf zum Juniorprofessor an die Technische Universität Berlin. Seit April 2018 leitet er das Fachgebiet Industry Grade Networks and Clouds.

Trinh Le-Fiedler

Trinh Le-Fiedler kann auf über 15 Jahre Berufserfahrung zurückgreifen: Die studierte Anwältin mit Master of Laws von Harvard und Stipendiatin der Fulbright sowie der Studienstiftung des deutschen Volkes entwickelte vor der Gründung ihres Deep-Tech-KI-Startups Nomitri bereits Geschäftsmodelle für Deep-Tech-Start-ups (als CFO & Head of Biz Dev @XAIN), leitete große Sales-Teams (als Director @Wayfair), steigerte Umsätze (als Head of Buying/Sales @Wayfair), optimierte Betriebsabläufe (als Principal @BCG) und verhandelte Private-Equity Deals als Anwältin für KKR & Blackstone.

Rasmus Rothe

Rasmus Rothe ist ein international anerkannter KI- und Computer-Vision-Experte sowie Co-Gründer und CTO des Venture Studios Merantix, das den Transfer von KI-Forschung zur Anwendung in der Wirtschaft forciert. Rasmus Rothe ist zudem Gründungs- und Vorstandsmitglied des KI Bundesverband e.V., wo er u. a. Impulse für die Umsetzung und Weiterentwicklung der KI-Strategie des Bundes liefert. 2019 wurde er in der “30 under 30”-Liste des Magazins Forbes sowie in der “40 unter 40”-Liste des Magazins Capital geführt. Bei Merantix arbeitet Rasmus Rothe seit 2016 gemeinsam mit Adrian Locher (CEO) und einem über 70-köpfigen Team daran, dass die Forschungsergebnisse renommierter Wissenschaftler*innen auch in die Praxis umgesetzt werden. Unter dem Dach von Merantix, durch den Zugang zu hochqualifizierten Talenten, industriellen Partnern und mit Hilfe von Venture Capital können Startup-Teams an KI-Anwendungen arbeiten und so ein einzigartiges Ökosystem schaffen und davon profitieren. Besonders im Fokus sind dabei aktuell die Bereiche Healthcare, Automotive, Business Intelligence und Biotech.

Jack Thoms

Jack Thoms ist stellvertretender Leiter der Forschungsgruppe Intelligente Analyse von Massendaten sowie stellvertretender Sprecher am Standort Berlin des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI). Gleichzeitig leitet er das Forum Digitale Technologen, eine Demonstrations- und Vernetzungsplattform für ausgewählte Forschungsprojekte und Innovationen im Bereich digitaler Technologien aus Deutschland. Vor seiner Tätigkeit am DFKI war er als Abteilungsleiter in der Bundesdruckerei in Berlin, als Leiter Strategie- und Projektentwicklung im House of Logistics and Mobility (HOLM) in Frankfurt und als Dozent und Leiter des Teradata Competence Center for Data Analytics an der European Business School (EBS) in Wiesbaden tätig.

Roland Vollgraf

Roland Vollgraf, ist Head of Zalando Research, eine Machine Learning & AI Forschungsgruppe innerhalb Zalando, die sich mit langfristigen, strategischen Forschungsfragen rund um die Zalando Plattform befasst. Roland ist seit 2013 bei Zalando und war maßgeblich am Aufbau von Zalando Research beteiligt. Zuvor war er als Head of Research bei der GA Financial Solutions GmbH im Berlin tätig und leitete die Entwicklung von quantitativen Risikomodellen und Handelsstrategien am Kapitalmarkt. Roland erhielt den Titel Doktor der Ingenieurwissenschaften im Jahr 2006 an der Technische Universität Berlin auf dem Gebiet Maschinelles Lernen und Statistische Signalverarbeitung.

Susan Wegner

Susan Wegner ist bei Lufthansa Industry Solutions verantwortlich für den Bereich Künstliche Intelligenz & Datenanalyse. Sie verfügt über mehr als 15 Jahre Erfahrung, insbesondere in den Bereichen Maschinelles Lernen, Künstliche Intelligenz und Plattform-/Software-Design bei der Deutschen Telekom und anderen Unternehmen wie z.B. Robert Bosch, T-Systems.
Darüber hinaus ist sie seit 2013 in verschiedenen Positionen bei Motionlogic, einer Tochter der Deutschen Telekom Gruppe, tätig: Gründerin, CEO, Vorsitzende und jetzt Mitglied des Beirats. Weiterhin ist Susan seit 2015 Vorstandsmitglied der Bitkom Big Data Group, seit November 2018 Mitglied der Expertengruppe der Europäischen Kommission für Business-to-Government (B2G) Data Sharing und Richterin/Expertenrat für z.B. die European Data Science & AI Awards oder den Bikom Big-Data&AI Summit. Als Informatikerin und Mathematikerin – sie studierte in Berlin und North Carolina (USA) – hatte sie das Privileg, eine frühe Anwenderin der Künstlichen Intelligenz zu sein, was zu ihrer Promotion führte.

Richard Socher

Richard Socher ist der CEO von SuSea, einem Startup, das 2021 startet und Vertrauen, Fakten, Freundlichkeit und Wissenschaft ins Internet bringt, um Menschen bei komplexen Entscheidungen zu unterstützen. Zuvor war er Chief Scientist und EVP bei Salesforce, Adjunct Professor am Stanford Computer Science Department und Gründer von MetaMind, einem Startup, das im April 2016 von Salesforce übernommen wurde. Die lernfähige KI-Plattform von MetaMind analysiert, kennzeichnet und prognostiziert Bild- und Textdaten für eine intelligentere, schnellere und genauere Entscheidungsfindung in Unternehmen.
Richard wurde auf der International Conference on Machine Learning (ICML) 2011 mit dem Distinguished Application Paper Award ausgezeichnet, 2011 mit dem Yahoo! Key Scientific Challenges Award, 2012 mit einem Microsoft Research PhD Fellowship, 2013 mit einem „Magic Grant“ des Brown Institute for Media Innovation, 2014 mit dem Preis für die beste Stanford-CS-Dissertation und dem GigaOM Struktur-Preis. Derzeit ist er Mitglied der „Young Global Leaders“-Klasse 2017 des Weltwirtschaftsforums und wurde in den Vorstand des Globalen Frauenfonds berufen.

Technische Universitaet Berlin, TUB,Fakultaet IV Elektrotechnik und Informatik, Institut fuer Softwaretechnik und Theoretische Informatik, Fachgebiet Datenbanksysteme und Informationsmanagement DIMA, Leiter Prof. Dr. rer. nat. Volker Markl

Volker Markl hält eine Voll-Professor und ist Vorsitzender der Gruppe Datenbanksysteme und Informationsmanagement (DIMA) an der Technischen Universität Berlin (TU Berlin). Am Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) ist er leitender Wissenschaftler und Leiter der Forschungsgruppe Intelligente Analytik für Massive Daten. Darüber hinaus ist er Direktor des Berliner Instituts für Grundlagen von Lernen und Daten (BIFOLD), einem Zusammenschluss des Berlin Big Data Center (BBDC) und des Berlin Center for Machine Learning (BZML). BIFOLD ist eines der nationalen Kompetenzzentren für Künstliche Intelligenz in Deutschland und wird die laufende Verbundforschung im Bereich des skalierbaren Datenmanagements und des Maschinellen Lernens weiter stärken. Dr. Markl ist Forscher auf dem Gebiet der Datenbanksysteme und forscht an der Schnittstelle zwischen verteilten Systemen, skalierbarer Datenverarbeitung, Text Mining, Computernetzwerken, maschinellem Lernen und Anwendungen im Gesundheitswesen, in der Logistik, der Industrie 4.0 und auf Informationsmarktplätzen. Zu Beginn seiner Karriere war er Forschungsmitarbeiter und Projektleiter am IBM Almaden Research Center in San Jose, Kalifornien, USA, und Forschungsgruppenleiter bei FORWISS, dem Bayerischen Forschungszentrum für Wissensbasierte Systeme in München, Deutschland. Volker Markl ist Diplom-Informatiker der Technischen Universität München, wo er 1995 sein Diplom mit einer Arbeit über die Ausnahmebehandlung in Programmiersprachen erhielt. Er promovierte 1999 auf dem Gebiet der multidimensionalen Indexierung unter der Leitung von Rudolf Bayer.

Finalist*innen

Franziska Boenisch

Franziska Boenisch


Freie Universität Berlin

Im Projekt soll ein Framework entwickelt werden, welches den Verlust von Privatsphäre in Machine Learning (ML)-Modellen quantifiziert und das Privatsphäre-Risiko einzelner Datenpunkte evaluiert. Dies ermöglicht die rechtssichere und privatssphärebewahrende Anwendung dieser Methoden. Denn obwohl ML-Modelle zunehmend für Vorhersagen auf privaten Daten in sensiblen Anwendungen, z.B. im medizinischen Diagnosekontext, eingesetzt werden, ist diese Folgenabschätzung bisher nur rudimentär entwickelt. Aktuelle Forschung zeigt, dass es möglich ist, die Trainingsdaten aus den Modellen wiederherzustellen oder zumindest zu identifizieren, ob einzelne Datenpunkte im Trainingsdatensatz enthalten sind. Daher werden momentan verstärkt ML-Methoden erforscht, die z.B. durch gezieltes Verrauschen die Privatsphäre der Daten in den Modellen gewährleisten sollen. Das Problem, dass die Effektivität dieser Methoden aktuell nicht einheitlich quantifizierbar ist, soll mit dem entwickelten Framework gelöst werden.

Kai Hoppmann-Baum &
Jaap Pedersen

Technische Universität Berlin

Um die Klimaziele von Paris zu erreichen ist die Dekarbonisierung aller Sektoren unumgänglich. Vor allem die zunehmend dezentrale und volatile Energieerzeugung durch Wind- und Solaranlagen stellt die Netzbetreiber vor Herausforderungen. In diesem Zusammenhang spielen Power-to-Gas Technologien eine wichtige Rolle. Die Umwandlung von Elektrizität in flexible, regenerative und speicherbare Energieträger, z. B. Wasserstoff, dient dazu überschüssige Energie zu speichern, diese als Treibstoff einzusetzen oder als Ausgangsprodukt z. B. in der chemischen Industrie verfügbar zu machen. Die Integration dieser Energieträger in das bestehende System stellt jedoch vor allem Gasnetzbetreiber vor neuartige, komplexe Probleme. Unser Ziel ist es ein Decision-Support-System zu entwickeln, das durch Kombination intelligenter Optimierungsalgorithmen zuverlässig sichere und wirtschaftliche Handlungsempfehlungen für den Betrieb der Gastransportnetze der Zukunft unter Einbeziehung neuer Gaskomponenten gibt.

Heinrich Mellmann &
Matthias Kubisch

Humboldt-Universität zu Berlin

Angelehnt an biologische Systeme gewinnt die Forschung an verkörperter Künstlicher Intelligenz (Embodied AI) zunehmend an Signifikanz. Biologische Systeme sind inhärent dezentral aufgebaut wobei einzelne Teile des Körpers über eigene Intelligenz verfügen. Intelligentes Verhalten entsteht erst dann aus dem Zusammenspiel einzelner Komponenten und der Interaktion mit der Umgebung. Daher ist der Körper ein unerlässlicher Teil bei der Forschung nach Intelligenz. Besonders interessant sind dabei die humanoiden Roboter, welche immer noch schwer zugänglich, mit hohen Kosten verbunden und oft von den Wissenschaftlern selbst entwickelt werden müssen, wodurch der Nutzerkreis eingeschränkt wird. In diesem Projekt entwickeln wir einen humanoiden Roboter “Gretchen” für Forschung und Lehre. Der Fokus liegt auf der Offenheit von Hard- und Software, sowie der Zugänglichkeit für fachfremde Forscher. Prototypen des Roboters existieren und werden bereits in Lehrveranstaltungen der Humboldt-Universität zu Berlin eingesetzt.

Rainer Mühlhoff

Dr. Rainer Mühlhoff


Technische Universität Berlin

Künstliche Intelligenz birgt nicht nur große Potenziale, sondern auch neue Herausforderungen für den Datenschutz: Sensible Informationen über Menschen – z.B. Krankheiten, sexuelle Orientierung, Bonität – können aus leicht zugänglichen Daten wie Tracking-Daten, Facebook-Likes, Browserverlauf usw. abgeleitet werden. Das Predictive Privacy-Projekt entwickelt ein neues Konzept zum Schutz der Privatsphäre, um Lücken in der bestehenden Datenschutzregulierung zu schließen: Die „prädiktive Privatsphäre“ eines Menschen umfasst auch jene Informationen, die anhand von maschinellem Lernen über ihn vorhergesagt werden können. Prädiktive Privatheit wird verletzt, wenn ohne Wissen und gegen den Willen einer Person sensible Informationen über sie abgeleitet und zum Beispiel für automatisierte Entscheidungen verwendet werden, etwa bei der Bestimmung von Versicherungsprämien oder der Auswahl von Job-Bewerbungen. Neben den philosophischen Grundlagen dieses Ansatzes erarbeitet das Projekt ein „Predictive Privacy“ – Zertifikat für Firmen und Forschungsprojekte, die ihren NutzerInnen den Schutz ihrer prädikativen Privatsphäre garantieren möchten, und verzahnt dies mit neuen Konzepten für den Schulunterricht zur Förderung der öffentlichen Aufklärung über prädikative Analytik.

Ludwig Schlemm

PD Dr. Ludwig Schlemm


Charité - Universitätsmedizin Berlin

Akute Schlaganfälle stellen eine der häufigsten Ursachen für dauerhafte Behinderung dar, die für die Betroffenen zu einem Verlust von Unabhängigkeit im Alltag sowie zu hohen Ausgaben im Gesundheits- und Sozialsystem führt.
Seit wenigen Jahren kann auch bei schweren Schlaganfällen in vielen Fällen eine vollständige Heilung erreicht werden. Essentiell hierfür ist jedoch ein Beginn der Behandlung möglichst unmittelbar nach Symptombeginn.
Bei ca. 20% aller Schlaganfälle treten die Symptome unbemerkt im Schlaf auf, wodurch für diese Gruppe von Patienten ein frühzeitiger Beginn der wirksamen Akuttherapie unmöglich wird.
In unserem Projekt werden wir eine innovative Lösung zur Echtzeitdetektion von schweren Schlaganfällen entwickeln. Die Lösung basiert auf der nicht-invasiven Echtzeitüberwachung der motorischen Funktion, der KI-gestützten Detektion von schlaganfalltypischen Veränderungen in den Aufzeichnungen, sowie der hierdurch ausgelösten frühzeitigen Alarmierung der Rettungsdienste.

Dr. Florian Schmidt, Alexander Acker & Sören Becker

Technische Universität Berlin

Die stetig steigende Systemkomplexität und Bedeutung von zuverlässigen IT-Systemen impliziert hohe Anforderungen an die Administratoren. Artificial Intelligence for IT-Operations (AIOps) beschreibt den Prozess der Wartung und des Betriebs großer und komplexer IT-Infrastrukturen unter Verwendung KI-gestützter Methoden. Dazu gehören die automatische, frühzeitige Erkennung von Anomalien und ihrer Ursache, die Behebung und Optimierung, sowie die vollautomatische Ausführung von selbst-stabilisierenden Aktivitäten. Hierzu haben wir die Plattform ZerOps als einen Forschungsprototypen entwickelt, welche KI Methoden einsetzt um Administratoren in der gesamten Prozesskette zu unterstützen: ZerOps beinhaltet von uns entwickelte ML Modelle zur Anomalieerkennung, -klassifikation und Selektion von stabilisierenden Lösungen, sowie eine dezentrale Ausführungsplattform für Analyseschritte um in komplexen IT-Infrastrukturen Modelle anwenden und Ergebnisse aggregieren zu können.