>> KI-ALLIANZ RLP > KI-FORSCHUNG > KI-FORSCHENDE > PROF. DR. MARIUS KLOFT

Prof. Dr. Marius Kloft

  • Prof. Dr. Marius Kloft

    Marius Kloft ist Professor für Maschinelles Lernen und Deep Learning an der RPTU in Kaiserslautern. Er ist Experte für unüberwachtes Deep Learning (insbesondere Anomalieerkennung und tiefe generative Modelle). 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

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, TPAMI) und als Bereichsleiter für Konferenzen (AAAI, AISTATS, ECML, ICML, ICLR, IJCAI, NeurIPS) 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 betreute bzw. betreut Industriepromotionen von Doktoranden u.a. bei BASF und Bosch AI.

Herausgebende Tätigkeiten

  • Associate Editor, IEEE Transactions on Pattern Analysis and Machine Intelligence (Core A*; Impact Factor: 20.8), since 2023
    Associate Editor, IEEE Transactions on Neural Networks and Learning Systems (Core A*; Impact Factor: 14.26), 2020–2022
    Editorial Board Member, Transactions on Machine Learning Research (TMLR), ongoing
    Action Editor, Journal of Machine Learning Research (JMLR), 2015–2017
    Area Chair, International Conference on Machine Learning (ICML) (Core A*), 2026
    Area Chair, Conference on Neural Information Processing Systems (NeurIPS) (Core A*), 2026
    Area Chair, International Joint Conference on Artificial Intelligence (IJCAI) (Core A*), 2026
    Sister Conferences Track Chair, International Joint Conference on Artificial Intelligence (IJCAI) (Core A*), 2025
    Area Chair, International Conference on Learning Representations (ICLR) (Core A*), 2025 and 2026
    Senior Area Chair, International Conference on Artificial Intelligence and Statistics (Core A), 2024
    Senior Area Chair, AAAI Conference on Artificial Intelligence (Core A*), 2020
    Area Chair, AAAI Conference on Artificial Intelligence (Core A*), 2021, 2022, and 2026
    Area Chair, International Conference on Artificial Intelligence and Statistics (Core A), 2020–2022, 2025, and 2026
    Area Chair, European Conference on Machine Learning (Core A), 2019, 2021, 2024, 2025, and 2026
    Area Chair, European Conference on Artificial Intelligence (ECAI) (Core A), 2024
    Workshop Selection Committee Member, NeurIPS (Core A*), 2020

Gutachtende Tätigkeiten

    • 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, (Semi) Supervised Learning, One-Shot Learning (OSL)/ Few-Shot Learning (FSL), Adversarial Learning, Reinforcement Learning (RL), Unsupervised Learning, Anomaly Detection, Density Estimation, Feature Engineering/Feature Extraction
    • Robotik: Sensorische Erfassung und Perzeption
    • Technologieanalyse: Soziale und Rechtliche Rahmenbedingungen, Wirtschaftliche Auswirkungen, Mensch-KI-Interaktion

  • Anwendungsbezogene Forschung

    • Intelligente Assistenzsysteme / Virtuelle Assistenten: Virtuelle Assistenten, Vorausschauende Analyse, Vorausschauende Wartung, Intelligente Wartungstechnik, Digitale Zwillinge, Digitale Medizin, Digital Farming, Intelligente Produktion, Biotechnologie
    • Autonome Systeme: Intelligente Automatisierung
    • Robotik: Industrieroboter
    • Bilderkennung und –Verstehen
    • Sensorik und Kommunikation: Zerstörungsfreie Prüfung
    • Virtuelle und Erweiterte Realität: Simulation von Fertigungsprozessen, Assistenzsysteme am Arbeitsplatz
    • Informationsgewinnung (Wissens-, Datenmanagement und -Analyse)
    • Technologieanalyse: Soziologische Aspekte, Technologiefolgenabschätzung, Aus- und Weiterbildung

KI-News

KI-Veranstaltungen

KI-Forschungsprojekte