Einreichung bis
DFG fordert Nachwuchswissenschaftlerinnen und Nachwuchswissenschaftler im Forschungsfeld KI zur Antragstellung im Emmy Noether-Programm auf

Methoden der Künstlichen Intelligenz (KI) sind Schlüsselverfahren in verschiedensten Forschungsbereichen und werden zunehmend integraler Bestandteil des Erkenntnisprozesses in der Wissenschaft. Akademische Spitzenforschung bedarf daher einer Forschung an den Methoden der KI selbst. Dies umfasst die weitere Entwicklung der Methoden der KI sowie die Analyse und Bewertung dieser Methoden. Im Rahmen ihrer strategischen Förderinitiative zur KI setzt die Deutsche Forschungsgemeinschaft (DFG) einen ersten Schwerpunkt auf die Stärkung des wissenschaftlichen Nachwuchses in diesem Bereich. Es ist Ziel dieser Ausschreibung, die nächste Generation von hochqualifizierten Wissenschaftlerinnen und Wissenschaftlern mit Fokus auf Methoden der KI durch frühzeitige Öffnung von Karriereoptionen mit hoher Eigenständigkeit zu gewinnen.

Die DFG fordert daher besonders qualifizierte Nachwuchswissenschaftlerinnen und Nachwuchswissenschaftler im Forschungsfeld KI zur Antragstellung im Emmy Noether-Programm auf. Dieser Aufruf richtet sich an Personen aus verschiedensten Fachrichtungen, deren Forschungsprofil im Bereich der Methodenentwicklung der KI verortet ist.

Erfolgreichen Antragstellerinnen und Antragstellern wird die Möglichkeit eröffnet, durch die eigenverantwortliche Leitung einer Nachwuchsgruppe über einen Zeitraum von sechs Jahren ihr Forschungsprofil zu schärfen, ihre internationale Sichtbarkeit zu erhöhen und so Berufbarkeit zu erlangen. Förderfähig sind Vorhaben zu allen Forschungsfragen, die die Entwicklung oder Weiterentwicklung von KI-Methoden jedweder Ausprägung adressieren, ferner Theoriebildung zu Methoden sowie die Analyse und Bewertung von Methoden der KI. Gleichermaßen förderfähig sind Vorhaben im Bereich der KI-Methoden zu Modellbildung, Prozessentwicklung und ‑modellierung, Leistungsbewertung oder Architektur. Im vorliegenden Kontext wird der Begriff der KI-Methoden sehr breit gefasst und schließt damit beispielsweise, aber nicht ausschließlich, folgende Themengebiete ein: Maschinelles Lernen, Logik und Reasoning, Data-Analytics und Data-Mining, Wissensrepräsentation, Wissensbasierte Systeme, Planung, Unsicherheitsmodellierung, Bayes’sche Methoden, Erklärbarkeit, Inferenz und mathematisch/formale Beschreibung sowie eine Analyse der vorgenannten Themengebiete.