Neuro-Mechanistische Modellierung

Die Forschungsgruppe Neuro-Explicit Sequential Decision-Making (NEXD) entwickelt neuartige Methoden zur Verbesserung sequenzieller Entscheidungsprozesse durch die explizite Integration strukturierter Informationen. Im Zentrum steht die Verbindung leistungsfähiger Deep-Learning-Verfahren mit symbolischem bzw. strukturellem Wissen, um Algorithmen zu schaffen, die zuverlässiger, sicherer und besser erklärbar sind.

Die Forschung der Gruppe konzentriert sich auf zwei zentrale Themenfelder:

Neuro-Symbolisches Policy- und Heuristik-Lernen
 

Etablierte symbolische KI-Methoden, insbesondere aus dem Bereich des AI Planning, werden in modernen Deep-Learning-Techniken integriert. Ziel ist die Entwicklung explizit hybrider Entscheidungsmodelle, die die Robustheit, Strukturtreue und Interpretierbarkeit klassischer algorithmischer Verfahren mit der Effizienz, Generalisierungsfähigkeit und Skalierbarkeit neuronaler Ansätze vereinen. Dadurch entstehen Lösungsverfahren, die nicht nur leistungsfähig, sondern zugleich strukturell fundiert, kontrollierbar und verlässlich einsetzbar sind.
 

Neuro-Explizites Reinforcement Learning

Explizit verfügbares Umgebungswissen — etwa Sicherheitsrestriktionen, domänenspezifische Regeln oder strukturierte Weltmodelle — wird systematisch in den Lernprozess eingebunden. Dadurch werden Lernprozesse beschleunigt sowie Sicherheit, Effizienz und Zuverlässigkeit trainierter Agenten verbessert, insbesondere im Hinblick auf Exploration und Entscheidungsqualität.
 

Die Mission von NEXD ist zweigeteilt:
Erstens betreibt die Gruppe Grundlagenforschung mit dem Ziel hochwertiger wissenschaftlicher Publikationen auf führenden Konferenzen wie ICAPS, AAAI, IJCAI und CAV. Zweitens werden die entwickelten Methoden in industrielle Anwendungskontexte transferiert, insbesondere in Bereichen mit hohen Anforderungen an die Optimierung und eine robuste sequenzielle Entscheidungsfindung. Zu den zentralen Anwendungsfeldern zählen die (Automobil-)Produktion, Stahlfertigung, der Handel sowie robotikbasierte Produktionssysteme. Durch die Verbindung theoretischer Innovation mit praktischer Umsetzung trägt NEXD maßgeblich zu den wissenschaftlichen Zielen und zum Forschungstransfer des DFKI bei.