Mehr als 15 000 junge Menschen studieren an der FH Münster, eine der größten Hochschulen für angewandte Wissenschaften in Deutschland. Rund 2800 von ihnen absolvierten im vergangenen Jahr ihren Bachelor oder Master. Einer von ihnen war Daniel Lukats, der nicht nur zu den 28 Besten im Jahr 2020 zählt, sondern von der Fachhochschule nun auch für die beste Masterarbeit mit dem Bernard-Rincklake-Preis ausgezeichnet wurde, den sie jährlich für Spitzenleistungen vergibt.
Daniel Lukats widmete seine Masterarbeit dem Reinforcement Learning und damit einer Teildisziplin des Maschinellen Lernens, in der Algorithmen so angelernt werden, dass sie selbstständig Entscheidungen treffen können. Konkret untersuchte er den Lernalgorithmus „Proximal Policy Optimization“ (PPO) und konzentrierte sich auf fünf Atari-Videospiele: „Pong“, „Space Invaders“, „Seaquest“, „Beamrider“ und „Breakout“. „Videospiele sind ein typisches Anwendungsfeld für das Reinforcement Learning, denn bereits einfache Spiele sind recht anspruchsvoll konstruiert“, erklärt der 28-Jährige. Die Atari-Spiele seien ein nahbares Testfeld und begeisterten Menschen heute wie früher, als das Tischtennisspiel „Pong“ in den 1970er Jahren zu einem der weltweit beliebtesten Computerspiele avancierte.
Seine Tests ließ Lukats an 15 Computern gleichzeitig laufen, insgesamt 47 Experimente in zwei Wochen. Am Ende hatte er nicht nur einem Computer beigebracht, die Videospiele eigenständig zu erlernen, sondern auch einen Demonstrator für „Pong“ entwickelt. In kurzen Videos können Interessierte dem durch Künstliche Intelligenz (KI) gesteuerten Spielenden zusehen, wie dieser am Anfang mit dem „Paddel“ keinen „Ball“ trifft und am Ende mit großem Vorsprung gegen den Computer gewinnt.
Heute, ein Jahr später, spielt Daniel Lukats nur noch in seiner Freizeit Videospiele. Beruflich hat er sich als Informatiker im DFKI-Labor Niedersachsen in Oldenburg auf die Entwicklung von Algorithmen zur Analyse von Datenströmen spezialisiert. „Klar könnte ich auch Software für smarte Assistenzsysteme in Autos entwickeln“, sagt er über das Reinforcement Learning, das innerhalb der KI immer noch zu seinen Lieblingsfeldern zählt. Trotzdem fühle es sich für ihn besser an, seinen naturwissenschaftlichen Kolleginnen und Kollegen zu helfen, die Nordsee besser zu verstehen. „Ich mache hier etwas Nützliches mit dem Fokus auf Umwelt und Nachhaltigkeit und vielleicht kämpfen wir ja ein ganz kleines bisschen gegen den Klimawandel“, begründet der Oldenburger, der sich auch privat für den Klimaschutz engagiert, warum er sich nach dem Studium für das DFKI entschied.
Seitdem entwickelt Lukats im Projekt „ChESS“ (Change Event based Sensor Sampling), das das DFKI zusammen mit der Universität Oldenburg und der Jade Hochschule durchführt, einen Algorithmus, der Änderungen in zugrunde liegenden Mustern wahrnimmt und dann veranlasst, dass sich das System neu darauf einstellt. Dafür analysiert der junge Wissenschaftler derzeit Datenströme, die von Sensoren rund um die Insel Spiekeroog erfasst werden, unter anderem von einem Messpfahl im Meer sowie künstlich angelegten Inseln im Watt vor Spiekeroog. Die Sensoren erfassen Variablen wie Wasser- und Lufttemperatur, Luftfeuchtigkeit und Windgeschwindigkeit. Lukats erklärt: „Wenn man die Datenströme ausliest, kann man zum Beispiel mit einer gewissen Wahrscheinlichkeit sagen, dass es 20 Grad warm ist. Die Idee von ChESS ist, dass sich diese Wahrscheinlichkeit im Laufe der Zeit ändern kann, beispielsweise durch einen Sturm mit extremen Windgeschwindigkeiten oder durch das Zusammenspiel mehrerer Variablen wie Temperatur und Luftfeuchtigkeit.“ Derartige Veränderungen der Umgebung könnten dazu führen, dass die eingesetzten Algorithmen eine schlechtere Performance erzielten: „Die Systeme lernen das einmal und dann vertrauen sie darauf, dass alles so bleibt.“
KI-Methoden zur Lösung der sogenannten „Concept Drift“-Problematik, also der Änderung von Mustern in Daten, will Daniel Lukats aber nicht nur für die Meeresbeobachtung erarbeiten. „Ich möchte robuste Lösungen entwickeln, die auch für andere Bereiche wie Industrieanlagen oder Empfehlungssysteme bei Musikplattformen anwendbar sind“, sagt er und nennt ein Beispiel: „Wenn dir eine Band vor fünf Jahren gefallen hat, heißt das nicht, dass du die Musik heute immer noch magst. Anbieter müssen ihre Empfehlungen an geänderte Musikgewohnheiten also anpassen.“ Um sich mit der Thematik noch intensiver befassen zu können, will Daniel Lukats sie im Rahmen einer Doktorarbeit erforschen. Das Proposal ist bereits auf dem Weg.