User Group: Wissenschaftler:innen

Mit einer Ganzkörper-Magnetresonanztomographie (MRT) lässt sich Typ-2-Diabetes diagnostizieren. Das zeigt eine aktuelle Studie von Forschenden des Deutschen Zentrums für Diabetesforschung, des Instituts für Diabetesforschung und Metabolische Erkrankungen des Helmholtz Zentrums München an der Universität Tübingen, des Max-Planck-Instituts für Intelligente Systeme und der Universitätsklinik Tübingen. Sie nutzten Deep-Learning-Methoden und Daten von mehr als 2000 MRTs, um Patienten mit (Prä-)Diabetes identifizieren zu können. Die Ergebnisse wurden jetzt im Fachjournal JCI Insight veröffentlicht.

Übergewicht und viel Körperfett erhöhen das Risiko eines Diabetes. Doch nicht jeder übergewichtige Mensch erkrankt auch daran. Entscheidend ist, wo das Fett im Körper gespeichert wird. Lagert sich Fett unter der Haut an, ist es harmloser als Fett in tieferen Bereichen des Bauches (das sog. viszerale Fett). Wie das Fett im Körper verteilt ist, lässt sich mit Ganzkörper-Kernspintomographie gut darstellen. „Wir haben nun untersucht, ob man Typ-2- Diabetes auch anhand bestimmter Muster der Körperfettverteilung im MRT diagnostizieren könnte“, erläutert Letzt-Autor Prof. Robert Wagner den Ansatz der Forschenden.

Deep Learning mit über 2000 MRT-Aufnahmen trainiert

Um solche Muster zu erkennen, nutzten die Forschende künstliche Intelligenz (KI). Sie trainierten Deep-Learning-Netzwerke (maschinelles Lernen) mit Ganzkörper-MRT-Aufnahmen von 2000 Menschen, die sich auch einem Screening mit oralem Glukosetoleranz-Test (abgekürzt oGTT) unterzogen hatten. Mit dem oGTT, auch Zuckerbelastungstest genannt, lassen sich ein gestörter Glukosestoffwechsel nachweisen und ein Diabetes diagnostizieren. So lernte die KI, Diabetes zu detektieren.

Fettansammlung im Unterbauch wichtiger Hinweis auf Diabetesentstehung

„Eine Analyse der Modellergebnisse ergab, dass eine Fettansammlung im unteren Abdomen bei der Diabetesdetektion eine entscheidende Rolle spielt“, berichtet Wagner. Weitere zusätzliche Analysen zeigten zudem, dass auch ein Teil der Menschen mit einer Vorstufe des Diabetes (Prädiabetes) sowie Menschen mit einem Diabetes-Subtyp, der zu Nierenerkrankungen führen kann, über MRT-Aufnahmen identifiziert werden können.

Die Forschenden arbeiten nun daran, die biologische Steuerung der Körperfettverteilung zu entschlüsseln. Ein Ziel ist es, durch neue Methoden wie dem Einsatz von KI die Ursachen des Diabetes zu identifizieren, um bessere Vorsorge- und Therapiemöglichkeiten zu finden.

Der Professor der University of California, Berkeley wurde von der Max-Planck-Gesellschaft zum Direktor am Tübinger Standort des Max-Planck-Instituts für Intelligente Systeme ernannt. Er gründet dort die Abteilung „Social Foundations of Computation“, welche die tiefgreifende Expertise des Instituts in den Bereichen maschinelles Lernen, künstliche Intelligenz, Robotik und physische Systeme um soziale Fragestellungen innerhalb der Informatik erweitert.

Der Informatiker Moritz Hardt, Ph.D., folgt dem Ruf an das Max-Planck-Institut für Intelligente Systeme (MPI-IS). Seit 1. Juli 2021 ist er im Nebenamt tätig, ab Januar 2022 wird er die Position in Tübingen in Vollzeit antreten. Seine neu gegründete Abteilung „Social Foundations of Computation“ – zu deutsch „Soziale Grundlagen der Informatik“ – setzt sich zum Ziel, soziale Fragestellungen in der Informatik zu verankern. Die Forschung soll zu einem Paradigmenwechsel innerhalb der Computerwissenschaften beitragen, der die Informatik von Grund auf als eine Sozialwissenschaft behandelt, welche die Rolle der Gesellschaft als Ganzes sowie die Handlungen und das dynamische Verhalten von Individuen miteinkalkuliert – insbesondere dann, wenn Algorithmen einen Einfluss auf die Lebensrealität von Menschen haben.

Berechnungen als eine Form des sozialen Handelns sehen

„Unsere Forschung wird das Zusammenspiel zwischen Algorithmen und der Gesellschaft untersuchen“, sagt Moritz Hardt. „Wir möchten nicht nur vereinzelte Konsequenzen der Technologie erforschen, sondern algorithmische Methoden entwickeln, die soziale Grundlagen von vornherein beachten. Das Ziel ist eine soziale Sichtweise auf die Computerwissenschaften zu entwickeln, die die Disziplin selbst zu einer Sozialwissenschaft erweitert.“

Erst seit kurzem wächst eine globale Forschungsgemeinschaft in den Computerwissenschaften heran, die die Menschen in den Vordergrund rückt und algorithmische Entscheidungsprozesse hinterfragt, die auf Daten basieren, die oft sensibel sind. Das Thema Fairness begann vor etwa fünf Jahren zu einem zentralen Forschungsschwerpunkt innerhalb der Machine-Learning-Community zu werden, welcher heute mehr denn je Beachtung findet. Mit der Berufung von Moritz Hardt leistet die Max-Planck-Gesellschaft einen Beitrag zur Stärkung der Grundlagenforschung innerhalb der Computerwissenschaften, die den sozialen Kontext sowie Normen und Werte als einen festen Bestandteil von Algorithmen sieht. Jedes statistische Modell, jede Vorhersage oder Berechnung solle auf einer sozialen Grundlage fußen, vor allem, wenn ein Computer und nicht ein Mensch Entscheidungen trifft, benennt Hardt seinen Anspruch.

„Moritz Hardt hat fundamentale mathematische und algorithmische Beiträge zur Wechselwirkung zwischen Methoden des maschinellen Lernens und Ihrer gesellschaftlichen Einbettung geleistet. Wir freuen uns sehr, dass er seine Forschung am MPI-IS weiterführen wird, um gemeinsam eine künstliche Intelligenz zu entwickeln, die ihre Verantwortung für die Gestaltung unserer Zukunft in den Vordergrund rückt“, sagt Bernhard Schölkopf, geschäftsführender Direktor des MPI für Intelligente Systeme.

„Informatik entwickelte sich an der Gesellschaft vorbei“

Hardt, der 2011 an der University of Princeton promoviert wurde, hat sich schon früh zu Beginn seiner Doktorarbeit mit dem Thema Datenschutz und Fairness bei der Klassifizierung sensibler Daten beschäftigt, als dieses Thema innerhalb der Community noch kaum bis keinerlei Zuspruch fand. „Ich bin dann über meine Arbeit an Differential Privacy auf soziale Fragestellungen gestoßen. Ich habe gemerkt, dass es sich nicht nur um Privatsphäre dreht, sondern viele andere Themen, die in der Informatik bis dahin über Jahrzehnte weitgehend ignoriert wurden. Die Disziplin Informatik hatte sich an der Gesellschaft vorbei entwickelt. Selbst heute werden soziale Probleme oft als Konsequenzen der Technologie eingestuft und nicht als zentraler Forschungsgegenstand“, so Hardt.

Die neue Abteilung „Social Foundations of Computation“, die von Hardt geleitet wird, basiert auf vier Forschungsschwerpunkten: Die Anwendung von Methoden des Maschinellen Lernens in sozialen und ökonomischen Kontexten, die Formulierung von sozialem und dynamischem Handeln als mathematische Modelle, die Untersuchung von Gültigkeit und Zuverlässigkeit statistischer Methoden sowie die Entwicklung von Datensätzen innerhalb von Forschungsgemeinschaften. Ein weiterer Schwerpunkt ist die Etablierung normativer Ziele in der Informatik und insbesondere die Frage, wie man Werte und Normen mathematisch formuliert. „Mein Ziel als Direktor am Institut ist es, anderen Forschenden die Arbeit an zukunftsweisenden Fragestellungen zu erleichtern, denen derzeit noch zu wenig Aufmerksamkeit zukommt“, sagt Hardt.

Mit Celestine Mendler-Dünner hat bereits die erste Gruppenleiterin innerhalb der neuen Abteilung ihre Arbeit am Tübinger Standort des MPI-IS begonnen. Ihr Forschungsschwerpunkt liegt auf der Modellierung sozialer Dynamiken und wie man diese in die Entwicklung von maschinellen Lernalgorithmen mit einbeziehen kann. Sie hat bereits in Berkeley mit Moritz Hardt zusammengearbeitet und die Ausrichtung der neuen Abteilung mitgeprägt. Weitere Anstellungen werden zeitnah folgen. Die neue wissenschaftliche Abteilung soll insgesamt auf etwa zwei Dutzend Mitglieder:innen anwachsen.

Bevor Moritz Hardt zum Direktor ans MPI-IS berufen wurde, war er Assistenzprofessor in der Fakultät Electrical Engineering and Computer Sciences an der University of California, Berkeley. Er promovierte in Informatik an der Princeton University mit einer Dissertation über Datenschutz und Fairness bei der Klassifizierung sensibler Daten. Anschließend war er bei IBM Research und Google tätig. Hardt ist Mitbegründer der Konferenz „Fairness, Accountability, and Transparency in Machine Learning“. Er ist Co-Autor der Bücher „Fairness and Machine Learning: Limitations and Opportunities“ (MIT Press, 2022) und „Patterns, Predictions, and Actions: A Story About Machine Learning“ (Princeton University Press, 2022).

Hunderte Wissenschaftlerinnen und Wissenschaftler weltweit untersuchen die Eigenschaften verschiedener Neuronentypen im motorischen Kortex der Gehirne von Mäusen, Affen und Menschen. Dabei nutzen sie neue experimentelle Techniken und Methoden der Datenanalyse.

Schon seit mehr als 100 Jahren erforschen Neurowissenschaftlerinnen und -wissenschaftler die Eigenschaften der Neuronen im Gehirn. Eine der zentralen Fragen dabei ist, inwiefern sich die verschiedenen Nervenzelltypentypen voneinander unterscheiden und welchen Einfluss das auf die Hirnaktivität hat. Dem BRAIN Initiative Cell Census Network (BICCN), einer internationalen Forschungskollaboration, an der auch Forscher der Universität Tübingen beteiligt sind, ist jetzt ein Durchbruch gelungen: Sie haben einen Zellatlas erstellt, der einen einzigartigen Überblick über die verschiedenen Neuronentypen und ihre jeweiligen Eigenschaften im motorischen Kortex liefert, der Hirnregion, die unsere Bewegungsabläufe steuert ‒ und zwar im Gehirn von Mäusen, Affen und Menschen. Der Atlas wurde am Mittwoch in einer Sonderausgabe von Nature veröffentlicht. Die Ausgabe enthält 17 Arbeiten dazu, darunter einen Überblicksartikel, der den gesamten Atlas beschreibt.

Das Forschungsnetzwerk BICCN hatte sich zum Ziel gesetzt, die Neuronentypen im motorischen Kortex so umfassend wie möglich zu beschreiben. Dabei sollte ein Katalog auf Grundlage eines „Zellzensus“ entstehen. Dieser sollte, ähnlich wie ein Bevölkerungszensus, die verschiedenen Neuronentypen definieren, und zwar inklusive ihrer spezifischen Merkmale und ihrer Verteilung im Gehirn. Mithilfe neuer experimenteller Techniken und Datenanalyseverfahren ist es den Wissenschaftlerinnen und Wissenschaftlern jetzt gelungen, genetische Informationen über mehr als eine Million Zellen zu sammeln. Sie erfassten für einen Teil der Zellen ihre räumliche Lage, Form und elektrischen Eigenschaften und ermittelten ihre Verbindungen zu weiteren Neuronen in anderen Gehirnbereichen. Da die Forschenden die Zellen von Mäusen, Weißbüschellaffen und Menschen analysierten, konnten sie sogar die evolutionäre Entwicklung der verschiedenen Nervenzelltypen nachzeichnen. Das Ergebnis ist ein Zellatlas, der einen bislang nicht gekannten Überblick über den motorischen Kortex und dessen Entwicklung im Laufe der Evolution bietet.

Wissenschaftler der Universität Tübingen haben zu dieser Gemeinschaftsleistung eine Studie beigesteuert, in der sie die verschiedenen Zelltypen im motorischen Kortex der Maus auf Grund mehrerer Datentypen charakterisieren. Die Arbeit unter der Leitung von Philipp Berens, Professor am Forschungsinstitut für Augenheilkunde der Universität Tübingen und Sprecher des Exzellenzclusters „Maschinelles Lernen“, Prof. Andreas Tolias vom Baylor College of Medicine in Houston, Texas (USA), und Prof. Rickard Sandberg vom Karolinska Institutet in Stockholm (Schweden) liefert eine der bisher vollständigsten Beschreibungen der Vielfalt verschiedener Neuronentypen im Maushirn. Sie ist Teil der Sonderausgabe von Nature und wurde zuvor bereits online publiziert.

Neurowissenschaftler beschreiben Neuronen in der Regel anhand drei grundlegender Merkmale: ihre Anatomie oder wie sie unter dem Mikroskop aussehen, ihre Physiologie oder wie sie auf Reize reagieren, und ihr Transkriptom, das heißt die genetische Information, die in der Zelle tatsächlich abgelesen wird. Das Team verwendete eine neue, anspruchsvolle experimentelle Technik, genannt „Patch-seq“, um eine große Datenbank mit anatomischen, physiologischen und genetischen Informationen von Zellen im motorischen Kortex der Maus zusammenzustellen.

Dass die Forschenden die drei grundlegenden Eigenschaften bei über 1000 Zellen gleichzeitig messen konnten, ermöglichte ihnen ein tiefes Verständnis dafür, wie die Neuronen im motorischen Kortex miteinander in Beziehung stehen. Mit Verfahren aus dem maschinellen Lernen führten sie die anatomischen, physiologischen und genetischen Informationen zusammen und entdeckten so Beziehungen zwischen den Neuronen, die zuvor nicht bekannt waren. „Die großen genetischen Neuronenfamilien haben unterschiedliche anatomische und physiologische Eigenschaften. Aber innerhalb jeder Familie zeigen die Neuronen eine sich graduell verändernde anatomische und physiologische Vielfalt“, erklärt Dr. Dmitry Kobak von der Universität Tübingen, der zusammen mit Federico Scala vom Baylor College of Medicine der Hauptautor der Studie ist.

In Analogie zum „Baum des Lebens“, der die Beziehungen zwischen den verschiedenen Spezies beschreibt, kamen die Forschenden zu folgendem Schluss: Die Neuronen unterliegen einer Ordnung, die auf Ebene der Familien aus verschiedenen, sich nicht überschneidenden Zweigen besteht.  Innerhalb jeder Familie weisen sie jedoch mit Blick auf ihre genetischen, anatomischen und physiologischen Eigenschaften fortlaufende Veränderungen auf, so dass der „Baum der Zelltypen“ eher einem Bananenbaum als einem Olivenbaum ähnelt. Damit schlagen die Wissenschaftlerinnen und Wissenschaftler ein völlig neues Modell vor, um die Vielfalt der Neuronen im Gehirn und ihre Beziehungen zueinander zu beschreiben.

„Die Daten aus dem neuen Zellatlas unserer Forschungskooperation werden für die Neurowissenschaft eine unschätzbar wertvolle Ressource sein“, sagt Philipp Berens. „Indem wir unser Wissen aus dem maschinellen Lernen einbringen, stellen wir die Verbindung von der Genetik zur Physiologie und zur Anatomie der Neuronen her. Das kann entscheidend sein, wenn es darum geht, Krankheiten, die das Gehirn betreffen, auf Ebene der Zellen zu verstehen.“

Der Frontiers of Knowledge Award der BBVA-Stiftung in der Kategorie Informations- und Kommunikationstechnologie ging in dieser zwölften Ausgabe an Bernhard Schölkopf sowie an Isabelle Guyon und Vladimir Vapnik für ihre „grundlegenden Beiträge zum maschinellen Lernen“, so die Begründung des Komitees.

Die von ihnen entwickelten Methoden der künstlichen Intelligenz „verändern den Alltag und verbessern so unterschiedliche Bereiche wie die medizinische Diagnose, das maschinelle Sehen, die Verarbeitung natürlicher Sprache und die Überwachung des Klimawandels. Vapnik, Guyon und Schölkopf“, heißt es in der Begründung weiter, „haben gemeinsam bahnbrechende Forschungsarbeiten durchgeführt, die die traditionellen Grenzen der Informatik überschreiten, und gehören zu Recht zu den weltweit führenden Innovatoren.“

Bei der Verleihung der 12. und 13. Ausgabe der BBVA Foundation Frontiers of Knowledge Awards im Euskalduna-Konferenzzentrum in Bilbao wurde der Wert von Wissenschaft und Kultur bei der Bewältigung der großen globalen Herausforderungen hervorgehoben, vor denen die Menschheit über die Pandemie hinaus steht, darunter die Umweltkatastrophe, der tiefgreifende technologische Wandel und die Gefahr neuer Wirtschaftskrisen.

Lesen Sie vollständige Meldung (auf Englisch) hier.

Max Planck sucht herausragende Kandidat:innen für den Aufbau von bis zu zwei neuen unabhängigen Max-Planck-Forschungsgruppen am Standort Tübingen und einer unabhängigen Cyber Valley Forschungsgruppe am Standort Stuttgart des Max-Planck-Instituts für Intelligente Systeme.

Das Max-Planck-Institut für Intelligente Systeme und die Cyber Valley Initiative suchen bis zu

Drei unabhängige Forschungsgruppenleiter:innen

Das Max-Planck-Institut für Intelligente Systeme (MPI-IS) hat sich zum Ziel gesetzt, die Prinzipien der Wahrnehmung, des Handelns und des Lernens in autonomen Systemen, die erfolgreich mit komplexen Umgebungen interagieren, zu verstehen und dieses Verständnis für die Gestaltung zukünftiger Systeme zu nutzen. Das Institut verfolgt einen stark interdisziplinären Ansatz, der Mathematik, Informatik, Materialwissenschaften und Biologie miteinander verbindet.

Das Institut ist Teil von Cyber Valley, Europas größtem Forschungskonsortium auf dem Gebiet der künstlichen Intelligenz, mit Partnern aus Wissenschaft und Industrie. Das Land Baden-Württemberg, die Max-Planck-Gesellschaft, die Universitäten Stuttgart und Tübingen, die Fraunhofer-Gesellschaft sowie Amazon, BMW AG, Daimler AG, IAV GmbH, Dr. Ing. h.c. F. Porsche AG, Robert Bosch GmbH und ZF Friedrichshafen AG sind Partner dieser Initiative. Cyber Valley ist ein führendes Zentrum für KI-Forschung, das Partner aus Wissenschaft und Industrie zusammenbringt, um ein weltweit führendes Zentrum für die Forschung an intelligenten Systemen zu schaffen und ein Ökosystem für Start-ups im Bereich der künstlichen Intelligenz aufzubauen.

Wir suchen herausragende Kandidat:innen für den Aufbau von bis zu zwei neuen unabhängigen Max-Planck-Forschungsgruppen am Standort Tübingen und einer unabhängigen Cyber Valley Forschungsgruppe am Standort Stuttgart des Max-Planck-Instituts für Intelligente Systeme. Die Bewerber:innen sollten einen herausragenden internationalen Leistungsausweis in der Forschung zu allen Aspekten intelligenter Systeme haben.

Die Gruppenleiter:innenstellen sind auf W2-Ebene des Bundesbesoldungsgesetzes (BBesG) angesiedelt. Den erfolgreichen Bewerber:innen werden erhebliche Mittel für Personal-, Sach- und Betriebskosten zur Verfügung gestellt, die es den Gruppenleiter:innen ermöglichen, flexibel ihre eigenständige Forschungsagenda zu verfolgen. Die Max-Planck-Forschungsgruppen sind auf eine Laufzeit von fünf Jahren begrenzt. Je nach Fortschritt der Arbeiten und unter Berücksichtigung der finanziellen und arbeitsrechtlichen Möglichkeiten kann die Beschäftigung im Einzelfall nach wissenschaftlichen Kriterien und nach positiver Evaluierung maximal zweimal um jeweils zwei Jahre verlängert werden.

Das Max-Planck-Institut für Intelligente Systeme ist ein Arbeitgeber der Chancengleichheit, der sich für Exzellenz durch Vielfalt einsetzt und keine Diskriminierung aufgrund von Alter, Rasse, Geschlecht, Behinderung, sexueller Orientierung, nationaler Herkunft, Religion, Familienstand, Geschlechtsidentität oder anderen nicht arbeitsplatzbezogenen Kriterien zulässt. Das MPI-IS erkennt die Bedeutung einer multikulturellen Gemeinschaft von Studierenden, Lehrkräften und Mitarbeiter:innen an, die unser Engagement für Vielfalt fördern wollen. Das MPI-IS ist bestrebt, vielfältiges Personal anzuziehen und zu halten und wird Ihre Erfahrungen, Perspektiven und einzigartige Identität anerkennen. Gemeinsam ist unsere Gemeinschaft bestrebt, Arbeits- und Lernumgebungen zu schaffen und zu erhalten, die integrativ, gleichberechtigt und einladend sind. Die Max-Planck-Gesellschaft möchte die Zahl der Frauen in den Bereichen erhöhen, in denen sie unterrepräsentiert sind. Frauen werden daher ausdrücklich aufgefordert, sich zu bewerben. Die Max-Planck-Gesellschaft ist bestrebt, den Anteil schwerbehinderter Mitarbeiter:innen in ihrer Belegschaft zu erhöhen. Bewerbungen von schwerbehinderten Menschen sind ausdrücklich erwünscht.

Für nähere Informationen, auch zu den Forschungsthemen, verweisen wir auf die beiden Stellenausschreibungen:

• Bis zu zwei Max-Planck-Forschungsgruppen am MPI für Intelligente Systeme (Standort Tübingen): Bewerbung Max Planck Research Group Leaders
• Eine Cyber Valley Forschungsgruppe am MPI für Intelligente Systeme (Standort Stuttgart): Bewerbung Cyber Valley Research Group Leader

Die Bewerbungsfrist endet am 14. November 2021.

Kontakt:

Dr. Florian Mayer
Max-Planck-Ring 4
72076 Tübingen
E-Mail: applications@cyber-valley.de
Telefon: +49 7071 601 1501