Prof. Dr. Marius Kloft
-
Marius Kloft ist Professor für Maschinelles Lernen und Deep Learning an der TU Kaiserslautern. Er ist Experte für unüberwachtes Deep Learning (insbesondere Anomalieerkennung und tiefe generative Modelle), Multi-Label-Klassifikation, Transferlernen, adversariales Lernen, erklärbare KI und die Integration heterogener Datentypen im maschinellen Lernen. Er erhielt den Google Most Influential Papers Award, den Emmy-Noether-Karrierepreis der DFG und den ANDEA Test-of-Time-Preis für die einflussreichste Arbeit im Bereich Anomalieerkennung in den letzten zehn Jahren (2012-2022). Seine preisgekrönte Arbeit "Deep One-Class Classification" war die erste Arbeit, die in einer hochrangigen Fachzeitschrift für maschinelles Lernen veröffentlicht wurde, in der Deep Learning für die Erkennung von Anomalien eingesetzt wurde, ein Bereich, der heute als Deep Anomaly Detection bekannt ist. Marius Kloft ist Sprecher der DFG-Forschergruppe FOR 5359 "Deep Learning auf spärlichen chemischen Prozessdaten".
Kontakt
-
Prof. Dr. Marius Kloft
Rheinland-Pfälzische Technische Universität Kaiserslautern-Landau
Fachbereich Informatik
Arbeitsgruppe Maschinelles Lernen
Gebäude 36, Raum 325
Paul-Ehrlich-Straße 36
67663 Kaiserslautern
0631 205 2635, 0631 205 3286
ml@cs.uni-kl.de
Prof. Dr. Marius Kloft
kloft@cs.uni-kl.de
0631 205 2800
Veröffentlichungen
Grundlagenforschung
Marius Kloft und die AG Maschinelles Lernen interessieren sich für die Theorie und Algorithmen des statistischen maschinellen Lernens (insbesondere Deep Learning) und dessen Anwendungen. Ihre Forschung deckt ein breites Spektrum an Themen und Anwendungen ab, wobei sie theoretisch bewährte Ansätze (z. B. auf der Grundlage der Lerntheorie) mit jüngsten Fortschritten (z. B. beim Deep Learning oder Reinforcement Learning) verbinden. Zu den Themen, an denen sie gearbeitet haben, gehören unüberwachtes Deep Learning (insbesondere die Erkennung von Anomalien), multimodales Lernen, extreme Klassifizierung, adversariales Lernen, erklärbare KI und Anwendungen von ML in den Biowissenschaften, der mechanischen und chemischen Verfahrenstechnik und der Textanalyse. Kloft hat als Mitherausgeber für Zeitschriften (JMLR, TNNLS) und als Bereichsleiter für Konferenzen (AAAI, AISTATS und ECML) gearbeitet. Marius Kloft ist Sprecher des DFG FOR 5359 und Mitorganisator der SPPs 2331 und 2364.
Anwendungsbezogene Forschung
Marius Kloft forscht an Anwendungen des maschinellen Lernens und Deep Learning im Maschinellen Sehen, Sprachverarbeitung, Computersicherheit, Pflanzenforschung und Landwirtschaft, biomedizinische Anwendungen, Maschinenbau und chemische Verfahrenstechnik. Er war Mitentwickler des REMIND-Intrusion-Detection-Systems und des bei der CLEF 2012 Photo Annotation Challenge ausgezeichneten MKL-Systems zur Kategorisierung von Bildern. Als ehemaliger Postdoc am Sloan-Kettering Cancer Center in New York ist er erfahren in Anwendungen im biomedizinischen Bereich und in der Onkologie (z.B. Analyse von histopathologischen, CT- und NMR-Daten mit Deep Learning und GWAS). Seit seinem Wechsel an die TU Kaiserslautern im Jahr 2017 beschäftigt er sich verstärkt mit Anwendungen im Maschinenbau und in der Verfahrenstechnik. So ist er Sprecher der DFG-Forschungsgruppe 5359 ("Deep Learning on sparse chemical process data"), des Carl-Zeiss-Projekts "Process Engineering 4.0" und Mitorganisator der DFG SPPs 2331 und 2364 an der Schnittstelle von Maschinellem Lernen und Verfahrenstechnik. Er betreut Industriepromotionen von Doktoranden u.a. bei BASF und Bosch AI.
Herausgebende Tätigkeiten
- Associate Editor, IEEE Transactions on Pattern Recognition and Machine Intelligence (Core A*; Impact Factor: 24.3), since 2023
- Associate Editor, IEEE Transactions on Neural Networks and Learning Systems (Core A*; Impact Factor: 14.3), since 2020
- Area Chair, AAAI Conference on Artificial Intelligence (Core A*), 2022 und 2022
- Senior Area Chair, AAAI Conference on Artificial Intelligence (Core A*), 2020
- Area Chair, International Conference on Artificial Intelligence and Statistics (Core A), 2020–2022
- Area Chair, European Conference on Machine Learning (Core A), 2019, 2021, und 2022
- Workshop Selection Committee Member, NeurIPS (Core A*), 2020
Gutachtende Tätigkeiten
- Associate Editor, IEEE Transactions on Pattern Recognition and Machine Intelligence (Core A*; Impact Factor: 24.3), seit 2023
- Associate Editor, IEEE Transactions on Neural Networks and Learning Systems (Core A*; Impact Factor: 14.3), seit 2020
- Editorial Board Member, Transactions on Machine Learning Research, seit 2022
- Editorial Board Member, Machine Learning Journal (Core A), 2020
- Programmkommittemitgliedschaft oder Gutachter für >30 Zeitschriften und >50 wissenschaftliche Konferenzen
- Regelmäßiger Gutachter für DFG-Anträge (u.a. Sachbeihilfen und Forschungsgruppen) für multiple Gremien (Informatik, Mathematik, Produktion, Verfahrenstechnik)
- Regelmäßiger Gutachter für DAAD-Anträge (Stipendien)
- Gutachter für ERC Consolidator Grants
Bestehende Mitgliedschaften
- IEEE, Senior Member
- GI, Member
Erhaltende Auszeichnungen, Preise, Ehrungen
- Google Most Influential Papers Award (2013)
- Emmy-Noether-Karrierepreis der DFG (2014)
- ANDEA Test-of-Time Award (2022)
Besondere Expertise
Grundlagenforschung
- Machine Learning (ML): Representation Learning, Zero-Shot/One-Shot/Few-Shot Learning, Self-Supervised Learning, Adversarial Learning, Reinforcement Learning (RL), Unsupervised Learning, Anomaly Detection, Density Estimation, Feature Engineering/Feature Extraction
- Robotik: Sensorische Erfassung und Perzeption
- Technologieanalyse: Wirtschaftliche Auswirkungen
Anwendungsbezogene Forschung
KI-News
- Meinungen aus Forschung, Wirtschaft und Gesellschaft zum Thema KI: eine Momentaufnahme in Rheinland-Pfalz (31.10.2023)
- KI-Vortragsreihe in Stadtbibliotheken der Region für die interessierte Öffentlichkeit (16.08.2023)
- Prof. Marius Kloft und Kollegen erhalten den ANDEA Test-of-Time Award für die einflussreichste Arbeit auf dem Gebiet der Anomalieerkennung in den letzten zehn Jahren (09.02.2023)
- Deep Learning trotz spärlicher Datenlage: DFG-Forschungsgruppe nimmt Auswertung chemischer Prozessdaten in den Blick (29.09.2022)
KI-Veranstaltungen
- 23.04.2024: Vortrag "Möglichkeiten der KI und deren Auswirkungen auf die Arbeitswelt” von Prof. Dr. Marius Kloft bei der SIAK-Veranstaltung "Arbeitswelt der Zukunft gemeinsam gestalten" (ESF) in Landau
- 20.03.2024: KI-Kongress Rheinland-Pfalz an der RPTU in Kaiserslautern am 20.03.2024 - Arbeitsgruppe Maschinelles Lernen von Prof. Dr. Marius Kloft als Ko-Organisator und Fachbereich Informatik mit weiteren Vortragenden vertreten
- 06.02.2024: Gemeinsamer Vortrag "Möglichkeiten der KI und deren Auswirkungen auf die Arbeitswelt” von Prof. Dr. Marius Kloft und Steffen Reithermann bei der SIAK-Veranstaltung "Arbeitswelt der Zukunft gemeinsam gestalten" (ESF) in Pirmasens
- 23.11.2023: AI Activator Lab der SIAK-Plattform Künstliche Intelligenz mit der Arbeitsgruppe Maschinelles Lernen von Prof. Dr. Marius Kloft als Mitorganisator
- 13.11.2023 - 15.11.2023: Doktoranden-Workshop der DFG-Forschungsgruppe FOR 5359 im Jugendstilhotel Trifels in Annweiler
- 30.10.2023: Prof. Dr. Marius Kloft als Thementisch-Leiter beim Vernetzungsworkshop "KI trifft Biotechnologie – wo Wissenschaft und Unternehmen Zukunft gemeinsam gestalten" der WissKomm Academy und des Ministeriums für Wissenschaft und Gesundheit (MWG) des Landes Rheinland-Pfalz
- 24.10.2023: Arbeitsgruppe Maschinelles Lernen von Prof. Dr. Marius Kloft vertreten beim "Trinationalen Arbeitstreffen zum Thema Künstliche Intelligenz, Innovation und Forschung" am Sitz der Region Grand Est in Straßburg
- 14.09.2023: Kolloquium zur Masterarbeit Eine Analyse der Forschungsschwerpunkte in der Wissenschaft, der Nachfrage durch die Wirtschaft und der Einstellungen in der Gesellschaft zum Themenkomplex KI in Rheinland-Pfalz: Implikationen, Spannungsfelder und Ansatzpunkte für Interventionen
- 05.07.2023: Impulsvortrag von Prof. Dr. Marius Kloft zum Thema Künstliche Intelligenz (KI) bei der Veranstaltung "Wissenschaft für Dich" des Arbeitskreises Wissenschaft der SPD-Landtagsfraktion im Landtag Rheinland-Pfalz
- 29.11.2022: Vortrag "Erkennung von Abweichungen jeglicher Art (Anomalieerkennung)" bei Veranstaltung der KI-Allianz Rheinland-Pfalz in Ludwigshafen
KI-Forschungsprojekte
- AICare: Künstliche Intelligenz zur Behandlung von Krebstherapieresistenz
Laufzeit: 01.04.2024 - 31.03.2030, Zuwendungsgeber: Carl-Zeiss-Stiftung - Hypo: Multifunktionale Hochleistungskomponenten aus hybriden porösen Werkstoffen
Laufzeit: 01.04.2024 - 31.03.2028, Zuwendungsgeber: DFG - FOR 5359: DFG-Forschungsgruppe KI-FOR FOR 5359: Deep Learning auf dünnbesetzten, chemischen Prozessdaten
Laufzeit: 01.11.2022 - 31.10.2026, Zuwendungsgeber: DFG - DDG: Data-dependency Gap: Ein neues Problem in der Lerntheorie von CNNs
Laufzeit: 17.06.2021 - 16.06.2024, Zuwendungsgeber: DFG - AVATARS: Advanced Virtuality and Augmented Reality Approaches in Seeds to Seeds
Laufzeit: 01.06.2019 - 30.09.2024, Zuwendungsgeber: BMBF
- VorPlanML: Unterstützung der Vorgangsfolgeermittlung in der Arbeitsplanung durch maschinelles Lernen
Laufzeit: 01.05.2021 - 30.04.2023, Zuwendungsgeber: BMBF - KEEN: KI-Inkubator-Labore in der Prozessindustrie; Teilvorhaben: Hybride Stoffdatenmodelle für die Verfahrenstechnik und Maschinelles Lernen aus Prozessdaten
Laufzeit: 01.04.2020 - 31.03.2023, Zuwendungsgeber: BMWi - DeepIntegrate: Integration heterogener Datenquellen im Deep Learning: Architekturen, Algorithmen und Anwendungen in der Pflanzenzüchtung
Laufzeit: 01.01.2019 - 31.12.2021, Zuwendungsgeber: BMBF - BreedPatH: Zuchtwert Mustererkennung in Hybridkulturarten
Laufzeit: 01.09.2016 - 31.01.2020, Zuwendungsgeber: BMBF - Statistisches Lernen aus abhängigen Daten: Lerntheorie, Robuste Algorithmen und Anwendungen: Statistisches Lernen aus abhängigen Daten: Lerntheorie, Robuste Algorithmen und Anwendungen
Laufzeit: 01.01.2015 - 31.12.2023, Zuwendungsgeber: DFG