Leopoldina Menü

Leopoldina Home

Mitglieder

Mitgliederverzeichnis | Expertensuche

Suchen Sie unter den Mitgliedern der Leopoldina nach Expertinnen und Experten zu Fachgebieten oder Forschungsthemen. Über die Eingabe und Auswahl im Feld „Name“ gelangen Sie durch Klick auf „Suchen“ direkt zu einem Mitgliedsprofil. Mit der Eingabe und Auswahl in den Feldern „Stadt“ und „Land“ können Sie Ihre Suche lokal oder regional begrenzen, oder Sie suchen nur in bestimmten Sektionen der Leopoldina. Alternativ oder in Kombination ist eine Volltextsuche in allen Mitgliedsprofilen möglich – dazu verwenden Sie das obere Eingabefeld. In der Volltextsuche sind Operatoren wie AND, NOT oder * erlaubt. Sie können also beispielsweise nach „Genetik“ suchen oder nach „*genet*“, um auch Ergebnisse mit „genetische“ oder „Molekulargenetik“ zu erhalten. Für eine neue Suche klicken Sie bitte auf den nachfolgenden Link oder verwenden Sie direkt die Volltextsuche in der rechten Randspalte.

Neue Suche

Prof. Dr.

Gerhard Weikum

Wahljahr: 2018
Sektion: Informationswissenschaften
Stadt: Saarbrücken
Land: Deutschland
CV Gerhard Weikum - Deutsch (PDF)

Forschung

Forschungsschwerpunkte: Informatik, Wissensbanken, automatische Wissensextraktion, Entwicklung von Suchmaschinen, Algorithmen

Gerhard Weikum ist Informatiker. Er entwickelt Methoden und Modelle, um Wissen im Internet automatisch verfügbar zu machen. Er hat mit seinem Team große Wissensbanken konstruiert und Pionierarbeit auf dem Gebiet der automatischen Wissensextraktion aus Internetquellen geleistet.

Das Internet umfasst heute das wichtigste Wissen der Menschheit in Form von Enzyklopädien, wissenschaftlichen Publikationen, Büchern, Nachrichten und weiteren Quellen. Diese textuellen und visuellen Inhalte sind von vornherein für Computer unverständlich. Wie man daraus weitgehend automatisch durch Algorithmen umfassende Wissensbanken konstruieren kann, ist das zentrale Forschungsthema von Gerhard Weikum und seinem Team am Max-Planck-Institut für Informatik.

Die entwickelten Algorithmen basieren auf der geschickten Kombination von statistischer und logischer Inferenz, zum Beispiel, indem musterbasierte Verfahren des maschinellen Lernens durch das Überprüfen logischer Invarianten erweitert werden. Mit solchen Methoden ist es u.a. gelungen, die Wissensbank Yago zu konstruieren, die Millionen von Entitäten wie Personen, Orte, Organisationen und Ereignisse sowie Hunderte Millionen Fakten über diese Entitäten umfasst. Dieses Projekt war Trendsetter für industrielle Projekte wie z.B. dem Google Knowledge Graph, der Hintergrundwissen für die verbesserte Suche nach Entitäten liefert.

Ein wichtiger Anwendungsbereich für diese Art von Maschinenwissen ist das Erschließen textueller und visueller Inhalte. Mit Methoden des maschinellen Lernens und der mathematischen Optimierung hat Weikums Team Werkzeuge entwickelt, die Entitäten und deren Zusammenhänge in Nachrichten und anderen Texten erkennen und eindeutig den Einträgen einer Wissensbank zuordnen. Beispielsweise können diese Methoden eine Schlagzeile wie „Ma founded Alibaba with VC money from Goldman“ auf die Entitäten Jack Ma, Alibaba Group und Goldman Sachs sowie das verbindende Konzept des Venture Capital Investments abbilden. Dies wiederum kann Analysten und Meinungsforscher unterstützen, etwa bei einer Trendanalyse, wie sich Investitionen und Unternehmen entwickeln und wie sie in der Öffentlichkeit wahrgenommen werden. Die in Weikums Team entwickelte Werkzeug-Suite ambiverseNLU ist als Open-Source-Code für Forschungsprojekte verfügbar und hat vielfältige Anwender gefunden.

Seit einigen Jahren beschäftigt sich Weikum, u.a. im Rahmen eines ERC Synergy Grants, auch mit der dunklen Seite digitalen Wissens: Was wissen Maschinen über individuelle Personen, und wie verwenden sie potenziell dieses Wissen für das Generieren von Anzeigen, personalisierte Filter und Empfehlungssysteme bis hin zur algorithmischen Entscheidungsvorbereitung etwa bei der Prüfung von Kredit- oder Visumsanträgen. In diesem aktuellen Forschungskomplex geht es um Fragen der Privatsphäre, der Transparenz von Dateneinflüssen, des Vertrauens in digitale Informationen und des Entdeckens von Fehlinformationen sowie um die Integration von Fairnesskriterien in Methoden und Anwendungen des maschinellen Lernens.

Werdegang

  • seit 2003 Direktor und wissenschaftliches Mitglied am Max-Planck-Institut für Informatik, Saarbrücken
  • 1994-2003 Professor für Informatik an der Universität des Saarlandes, Saarbrücken
  • 1990-1994 Professor für Informatik an der Eidgenössischen Technischen Hochschule (ETH) Zürich, Schweiz
  • 1989-1990 Postdoktorand an der ETH Zürich
  • 1988-1989 Postdoktorand bei MCC (Microelectronics and Computer Technology Corporation), Austin, Texas, USA
  • 1987 Hochschulassistent und Postdoktorand an der Technischen Universität (TU) Darmstadt
  • 1986 Promotion in Informatik an der TU Darmstadt

Studium der Informatik an der TU Darmstadt

Auszeichnungen und Mitgliedschaften

  • seit 2018 Mitglied der Nationalen Akademie der Wissenschaften Leopoldina
  • 2018 WWW Seoul Test of Time Award
  • 2017 Artificial Intelligence Journal (AIJ) Prominent Paper Award
  • 2016 Robert-Piloty-Preis der TU Darmstadt
  • 2016 ACM SIGMOD Edgar F. Codd Innovations Award
  • 2013 ERC Synergy Grant
  • 2011 ACM SIGMOD Contributions Award
  • 2010 Google Focused Research Award
  • 2010 Fellow der Deutschen Gesellschaft für Informatik (GI)
  • 2005 ACM Fellow
  • 2002 VLDB Test of Time Award

Mitglied von acatech – Deutsche Akademie der Technikwissenschaften
Mitglied der Academia Europaea
Mitglied der Akademie der Wissenschaften und der Literatur, Mainz

KONTAKT

Leopoldina

Archiv


Emil-Abderhalden-Str. 35
06108 Halle (Saale)

Tel. 0345 - 47 239 - 120
Fax 0345 - 47 239 - 139
E-Mail archiv @leopoldina.org

Expertensuche

Academia Net

Profile exzellenter Wissenschaftlerinnen bei AcademiaNet – eine Initiative der Robert Bosch Stiftung.