Arbeitsgruppe Künstliche Intelligenz und Datenakzelerator (KIDA)
Künstliche Intelligenz (KI) ist die Fähigkeit einer Maschine, menschliche Fähigkeiten wie logisches Denken, Lernen, Planen und Kreativität zu imitieren. KI ermöglicht es technischen Systemen, ihre Umwelt wahrzunehmen, mit dem Wahrgenommenen umzugehen und Probleme zu lösen, um ein bestimmtes Ziel zu erreichen. Der Computer empfängt Daten (die bereits über eigene Sensoren, z.B. eine Kamera, vorbereitet oder gesammelt wurden), verarbeitet sie und reagiert. (Was ist künstliche Intelligenz und wie wird sie genutzt? | Aktuelles | Europäisches Parlament (europa.eu))
Diverse neue und weiterentwickelte Technologien ermöglichen es, sehr große Datenmengen (z.B. Bild- und Videomaterial, Sequenzdaten) zu produzieren. Die Auswertung von solch großen Datenmengen ist eine Herausforderung, für die Methoden der KI genutzt werden können, insbesondere die Anwendung von Methoden des maschinellen Lernens. Maschinelles Lernen ist ein Teilbereich der KI. Hierbei werden Algorithmen genutzt, die aus Daten lernen, und so in der Lage sind, Muster und Gesetzmäßigkeiten zu erkennen.
Aufbau und Stärkung der KI- und Datenkompetenzen:
Als Teil der KI-Strategie der Bundesregierung sollen die KI- und Datenkompetenzen in den forschenden und beratenden Einrichtungen des Bundesministeriums für Ernährung und Landwirtschaft (BMEL) nachhaltig gestärkt und aufgebaut werden. Die entsprechenden Einrichtungen haben sich zum Vorhaben KIDA (KI- und Daten-Akzelerator) zusammengeschlossen und intensivieren ihren Kompetenz- und Ressourcenaufbau, um Potenziale von Daten und Methoden künstlicher Intelligenz in den Bereichen Ernährung und Landwirtschaft zu realisieren. (www.kida-bmel.de).
Dabei sollen insbesondere die KI- und Datenkompetenz ausgebaut und vernetzt, die KI- und IT-Infrastruktur erweitert und betrieben sowie die vorhandenen Daten für KI-Technologien und KI-Lösungen nutzbar gemacht werden.
In der Arbeitsgruppe KIDA werden folgende Fragen behandelt:
- Automatisierte Echtzeitanalyse von Videoaufnahmen mittels der Nutzung von Computer Vision Methoden:
Ziel von Computer Vision (CV) ist es, dem Computer das menschliche Sehen beizubringen. Dazu gehört die Fähigkeit ein Objekt zu erkennen und zu verfolgen. Solche Verfahren sind vielversprechend für die automatisierte Überwachung des Tierverhaltens, um Indikatoren zur möglichst frühzeitigen Erkennung von gesundheitlichen Beeinträchtigungen zu identifizieren und können generell zur Überwachung des Tierwohls eingesetzt werden. - Diagnostische Metagenomanalysen:
Für die Analyse von Sequenzdatensätzen (u.a. Metagenom) werden beispielsweise Pipelines zur Identifizierung von Resistenzgenen genutzt und entwickelt. Insbesondere sollen KI-Methoden zur Deduktion von (neuen) inaktivierenden Enzymen (Varianten) für einzelne Antibiotika-Klassen und Synthese-Pathways für Antibiotika und Metagenom-Datensätzen entwickelt werden. (AG AMR, IfE)