Prof. Joachim Buhmann

This page is available in German only!

Vorlesung "Maschinelles Lernen II"

Pattern Analysis and Machine Learning Group

Wie sollen stark verrauschte Daten aus reichhaltigen, aber ganz unterschiedlichen Datenquellen, wie sie im Bereich der Biodatenanalyse vorkommen, miteinander verrechnet werden? Wie können Satellitenbilder in Segmente aufgeteilt werden, um diese nach ihrer Landnutzung zu klassifizieren? Wie geht man mit Optimierungsfragen um, die durch unsichere Daten definiert sind? Diesen und anderen Fragestellungen zu generischen Methoden und Optimierungen geht Professor Joachim Buhmann, der seit Oktober letzten Jahres an der ETH lehrt, in seinen Vorlesungen "Maschinelles Lernen I + II" nach.
Interview: Beate Anna Bernhard

07. April 2004

In welchen Bereichen der Informatik forschen Sie?

Die Hauptinteressen meiner Arbeitsgruppe liegen im Bereich des maschinellen Lernens und der Mustererkennung, ein Gebiet, das zwischen der Mathematik und der Informatik liegt und mindestens so alt wie die Informatik ist. Wir untersuchen einerseits Fragen der Algorithmik und der Optimierung in der Mustererkennung, andererseits aber auch Modellierungsprobleme in Anwendungsbereichen wie der Bildanalyse und der Bioinformatik. Wir, das bedeutet meine Gruppe und ich, freuen uns an der ETH auf die Zusammenarbeit mit Molekularbiologen, um im Bereich der Regulations- und Reaktionsnetzwerke gemeinsam forschen zu können. In diesem Bereich findet man sehr reichhaltige Datenquellen mit stark verrauschte Daten und wir wollen Modelle entwickeln, um dann funktionale Zusammenhänge aus diesen Daten isolieren zu können. Als weiteres Problem macht uns die Heterogenität der Daten zu schaffen und es ist apriori überhaupt nicht klar, wie stark unterschiedliche Messdaten miteinander zu verrechnen sind. Datenfusion ist eine hochspannende Fragestellung, in denen die Kernwissenschaften des 21. Jahrhunderts, die Informations- und die Biowissenschaften eng zusammenarbeiten müssen, um neuartige Einsichten und Theorien zu entwickeln.

Sie sind seit dem letzten Oktober hier an der ETH. Haben sie im Wintersemester schon eine Vorlesung gehalten? Welches ist Ihre Vorlesung in diesem Semester?

Im Wintersemester hatte ich bereits drei Vorlesungen, teilweise zusammen mit Kollegen gehalten. Das hatte sich durch Planungszufälle so ergeben. Ursprünglich wollte ich den zweiten Teil der Vorlesung "Kognitive Systeme" übernehmen, um statistische Modelle aus der Bildverarbeitung zu diskutieren. Es bot sich ausserdem recht kurzfristig an, die Kernfachvorlesung "Wissenschaftliches Rechnen" von Gaston Gonnet zu übernehmen, der im Wintersemester ein Sabbatical nahm. Als dritte Vorlesung hatte ich den zweiten Teil des Kurses "Maschinelles Lernen I" übernommen, um die Grundlagen für die Nachfolgevorlesung "Maschinelles Lernen II" zu legen.

Das heisst jetzt lesen Sie "Maschinelles Lernen II"?

Ja, das ist eine Vertiefungsfachvorlesung für das Hauptstudium. Hier werden dann die theoretischen und algorithmischen Grundlagen des maschinellen Lernens vertieft und der Bezug zum statistischen Lernen hergestellt. Ich bin sowieso der Meinung, dass Statistik und Informatik in Zukunft noch stärker zusammenwachsen werden, was beide Gebiete stark befruchten dürfte.

Das heisst, die Thematik Ihrer Vorlesungen entspricht genau Ihren Forschungsinteressen?

Ja, und das sollte auch so sein. Für uns Forscher an der Hochschule ist der studentische Nachwuchs das grundlegende Kapital, die dauernde Herausforderung und auch Ideenquelle. Wir sollten die Studenten deshalb möglichst bald an aktuelle Forschungsfragen heranführen. Dadurch werden wir mit Grossforschungseinrichtungen wie den Max-Planck Instituten, die sich primär der Forschung widmen können, wettbewerbsfähig. Natürlich werde ich im Laufe der nächsten Semester auch Service-Veranstaltungen für Studierende anderer Fachrichtungen abdecken - und ich freue mich auf diese Aufgabe. Gerade dort, an der Schnittstelle zwischen Informatik und den Anwendungen muss der Modellierungsaspekt herausgearbeitet werden. Ich denke dabei an einen Modellierungsbegriff, wie ihn z.B. die Naturwissenschaften und die Ingenieurswissenschaften verstehen. Ein guter Algorithmiker sollte eben ein noch besserer Modellierer sein, um sich im Wettbewerb mit den Informatik-Anwendern durchzusetzen.

Was für einen Nutzen haben die Studenten, wenn Sie Ihre Vorlesung besuchen?

Also, den Nutzen würde ich auf verschiedenen Ebenen ansiedeln. Direkt anwenden lassen sich die Bildungsinhalte, die im "Maschinellen Lernen" vermittelt werden, wie beispielsweise Datenklassifikation, das Schätzen von funktionalen Abhängigkeiten, Kompressionsfragen, Datengruppierungsfragen usw. Diese generischen Methoden können vielfältig von der Sprach- und Bildverarbeitung bis zur Robotik, Bioinformatik und Information Retrieval eingesetzt werden. Ebenso werde ich das Thema "Statistisches Lernen" behandeln. Ein Sekundärziel, das ich als ziemlich bedeutsam ansehe, ist den Studenten ein gewisses statistisches Denken beim Problemlösen beizubringen. Die meisten Probleme der Mustererkennung sind dadurch charakterisiert, dass die Optimierungsfragen durch unsichere Daten definiert werden und typische Lösungen als Ergebnis gefunden werden sollen.

Warum würden Sie empfehlen, Informatik zu studieren?

Warum?! Weil es wissenschaftlich wahrscheinlich eines der interessantesten Gebiete ist, das ausserdem eine sehr hohe gesellschaftliche Relevanz hat. Fast alle Lebensbereiche werden heute von der Informatik berührt. Meiner Meinung nach entwickeln die Wissenschaften im 21. Jahrhundert einen deutlicheren Focus im Bereich der Bio- und der Informationswissenschaften. Der Reduktionismus, der in den klassischen Naturwissenschaften wie Physik, Chemie und Teilen der Ingenieurswissenschaften vorherrschend ist, scheint ja, z. Beisp. in den Biowissenschaften, nicht mehr unbedingt anwendbar zu sein. Ausserdem finde ich den Begriff "Information", der unsereGebiet zu Grunde liegt, faszinierend. Dieser Begriff bezeichnet eines der schillernsten Konzepte unserer Zeit. Gleichzeitig ist dieser Begriff aber noch sehr unvollständig charakterisiert, wenn sie ihn vo Begriffen wie "Wissen" und "interessante Information" abgrenzen wollen. Die meisten Menschen verstehen unter Information z.B. in der Bildanalyse nicht die Menge an Bits, die zur Codierung nötig sind, sondern die Objekte, die wir in Bildern entdecken. Nicht das Pixelrauschen interessiert uns, sondern die Gegenstände und Personen, die im Bild zu sehen sind. Dieses Konzept der "interessanten Information" mathematisch zu fassen, stellt die grosse Herausforderung für uns und die nächsten Generationen von Forschern dar.

Haben Informatikstudierende gute Zukunftsperspektiven?

Aktuell ja - sehr gute sogar! Die Akademiker-Arbeitslosigkeit unter jungen Informatikern ist ja deutlich geringer als in anderen Fächern. Aber Untersuchungen zeigen auch, dass die vertikale Mobilität von Informatikern deutlich geringer ist als bei Wissenschaftlern anderer Fachrichtungen. Die Informatikstudenten haben kaum Schwierigkeiten, den Einstieg zu finden, bleiben dann aber zu einem höheren Prozentsatz auf dieser Ebene stehen. Die Frage, ob vielleicht zu direkt für den Ersteinstieg ausgebildet wird, wird im Kollegenkreis öfters diskutiert und ich bin sicher, wir werden eine angemessene Antwort darauf finden.

Wo lägen denn die Ansätze, um den vertikalen Aufstieg leichter zu ermöglichen?

In den Hierarchien können sie immer dann gut aufsteigen, wenn sie zu abstrahieren und generalisieren gelernt haben, wenn sie schnell den Blick von den Details weg auf das Generelle richten können. Dieses Abstrahieren beschleunigt die Entscheidungsprozesse, die dann den Mehrwert für die Firmen entstehen lassen.
Man kann nur versuchen herauszufinden, was in benachbarten Wissenschaften (wie der Physik) effektiver in der Ausbildung gemacht wird als in der eigenen. Wir sollten aber auch bedenken, dass die Informatik erst eine kurze Geschichte hat, die durch eine einzigartige technische Revolution angetrieben wird. In einigen Teilgebieten der Informatik sind wir uns heute nicht sicher, ob die Bildungsinhalte morgen noch die gleiche Relevanz haben wie zum Zeitpunkt, an dem die Lehrpläne entworfen wurden. Die technologischen Rahmenbedingungen können sich rasant ändern und entsprechend fragen wir in Ausbildung und Forschung immer wieder von neuem nach der Relevanz. Deshalb ist es wichtig, dass wir uns Fragen heraussuchen, die für die Zukunft unserer Wissenschaft eine entscheidende Rolle spielen und über den eigenen Forschungsbereich hinaus ausstrahlen.

Könnte man in den Industriekursen des D-INFK den Problempunkt der "Vertikalen Aufstiegsmöglichkeiten" gezielter berücksichtigen?

Das wäre sicher sehr nützlich und wir überlegen uns, wie man im Bereich der Mustererkennung Weiterbildungsangebote organisieren kann. Ich denke auch, man muss sehr deutlich machen, wenn Forschung im interdisziplinären Bereich stattfindet und dort Flexibilität im Problemlösen gelehrt werden soll, dass sich die Wissenschaften auf gleicher Augenhöhe treffen. Z. Beisp. in der Zusammenarbeit von Biologie und Informatik sollte der Biologe auch ein Verständnis dafür entwickeln, was die Herausforderung beim aktuell vorliegenden Forschungsproblem für die Informatik ist. Umgekehrt gilt das für den Informatiker ebenso. Informatik als Hilfswissenschaft zu betrachten, wie es nicht selten gemacht wird, ist insbesondere auch wegen der Tiefe der konzeptionellen Fragen in der Informationsverarbeitung nicht angemessen.

Dann muss ich wohl gar nicht fragen, ob ein Informatikstudium sehr spannend sein kann?

Also, es ist sehr facettenreich, das würde ich auf jeden Fall so sehen! Und hier im Departement hat man ja mit einem Kollegium von fast 30 Dozenten ein sehr reichhaltiges Lehrangebot.

Sie haben die Statistik angesprochen. Ist die Mathematik im Informatikstudium wichtig?

Ja, ich halte die Mathematik für ausserordentlich wichtig. In der Bildverarbeitung sehen sie das ganz deutlich, in der u.a. die Analysis eine wichtige Rolle spielt. Wenn einem nun die kontinuierliche Mathematik nicht liegt, hat man im Computersehen schlechte Karten. Meine Empfehlung ist, die Mathematik nach einer soliden Grundausbildung "on the basis of need" zu lernen. Für gute Studenten, die diese Herausforderung suchen, sehe ich da überhaupt keine Schwierigkeiten. Das Denken in der mathematischen Formalisierung und in der mathematischen Sprache kennen zu lernen, ist für viele Bereiche der Informatik wichtig. Natürlich gibt es auch hoch spannende Bereiche der Informatik, die mit wenig oder ohne kontinuierliche Mathematik auskommen. Dort spielen Algebra oder Logik eine grössere Rolle als Analysis.

Was denken Sie, warum studieren so wenige Frauen Informatik?

Ach, das ist eine schwierige Frage! Als ich an der TU in München anfing, Physik zu studieren, hatte ich als Nebenfach "Informatik" belegt. Der Frauenanteil in diesen Grundkursen "Informatik" war damals grob geschätzt 50 %, also sehr ausgeglichen. Dies hat sich dann aber innerhalb von wenigen Jahren stark zu Ungunsten der Frauen verschoben.
Eine Kollegin an der Universität Bochum vertritt die Hypothese, es seien in unserer Gesellschaft deshalb wenig Natur- und Ingenieurswissenschafterinnen tätig, weil die Berufe wegen der guten Bezahlung dominant von Männern frequentiert würden. Ihrer Statistik nach sind in Italien anscheinend 50 % Physikerinnen tätig, wobei die Entlohnung von Physikern vergleichsweise niedrig sei. Ich weiss nicht, ob diese gesellschaftspolitischen Beobachtungen und Analysen stimmen. Evident erscheint mir aber der Zusammenhang, dass bei niedrigem Frauenanteil auch viel zu wenig Rollenmodelle in Führungspositionen vorhanden sind und dadurch ein Selbstverstärkungseffekt entsteht, d.h. ohne Rollenmodelle geringere Attraktivität.
Sicherlich ist es auch weiter notwendig, die Vereinbarkeit von Familie und Beruf, besonders in einem Gebiet wie der Informatik, noch mehr zu fördern. Kreative Teilzeitmodelle auch für akademische Positionen sollten wir verstärkt andenken, auch wenn das oftmals nicht populär ist.

Eine persönliche Frage: Sie kommen aus Deutschland. Wie erleben Sie die Schweiz?

Ich fühle mich hier sehr wohl! Ich komme aus der Region des Bodensees und habe mit der Mentalität und der Lebensart der Schweizer überhaupt keine Probleme. Die Lebensart ist sehr ähnlich wie diejenige, die man im süddeutschen Raum antrifft. Und wenn man den Schweizern nachsagt -sie seien so etwas bodenständig - dann würde ich das als Lob und nicht als Kritik empfinden.

Und wie beurteilen Sie die ETH als Forschungsstätte?

Die ETH hat einen ausgezeichneten Ruf und das kommt nicht von ungefähr! Für mich als Forscher ist es natürlich sehr attraktiv, an solch einer Hochschule tätig zu sein, hoch motivierte Studenten um sich herum zu haben und mit ausgezeichneten Kollegen zusammenarbeiten zu können. Die Arbeit bereitet mir große Freude, die Ausbildung ist eine tägliche Herausforderung! Ob eine Universität allerdings einen klaren Eliteausbildungsauftrag oder eher einen Breitenbildungsprofil anstreben soll, muss immer wieder von Neuem diskutiert werden. Gerade in der aktuellen Eliteuniversitätsdiskussion in Deutschland wird hier vieles durcheinandergeworfen. Ohne erhebliche Investitionen kann nicht gleichzeitig die Elite gefördert und der Durchschnittsabsolvent auf hohem Niveau ausgebildet werden. Die ETH hat das schon früh erkannt und sie wird deshalb schon seit Jahrzehnten zu fünf besten Universitäten in Europa gezählt.

Möchten Sie den gegenwärtigen und zukünftigen Studenten noch etwas mit auf den Weg geben?

Jetzt läuft ja ein Mentorenprogramm für die Bachelor- / Master-Studenten an, in denen die meisten Arbeitsgruppen recht offen und die Doktoranden sehr hilfsbereit sind, Wegweisungen zu geben. Studierende sollten schnell aus der Anonymität heraustreten und diese Angebote annehmen. Das betrifft das Annehmen von Ratschlägen bei Seminaren, wie Präsentationen verbessert werden können, genauso wie Studienberatung, die eigentlich jeder Kollege auf Nachfrage gerne geben wird. Ich bin überzeugt, dass der gute Wille hier allerortens zu finden ist. Auf den sollten die Studierenden bauen und zielstrebig auf einen Abschluss mit hoher Ausstrahlung, die von der ETH ausgeht, zuarbeiten.

Herr Buhmann, herzlichen Dank für das Gespräch!