>> 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 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

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

    • 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
    • Bilderkennung und –Verstehen
    • Sensorik und Kommunikation: Zerstörungsfreie Prüfung
    • Virtuelle und Erweiterte Realität: Simulation von Fertigungsprozessen
    • Informationsgewinnung (Wissens-, Datenmanagement und -Analyse)
    • Technologieanalyse: Technologiefolgenabschätzung

KI-News

KI-Veranstaltungen

KI-Forschungsprojekte