Der Ingenieur und Forscher von morgen ist gleichzeitig Datenspezialist

Dresden, 12. September 2018. Wer heute in den Ingenieurwissenschaften oder experimentellen Naturwissenschaften vorne mitspielen will, kommt um mindestens eine Zusatzqualifikation kaum herum: Er oder sie muss auch Datenspezialist sein. „Moderne Mikroskope und andere Forschungsgeräte erzeugen in wenigen Minuten mehrere Terabyte Daten“, erklärte Prof. Giovanni Cuniberti vom Lehrstuhl für Materialwissenschaften und Nanotechnik am Rande der internationalen akademischen Sommerschule „Materials 4.0“, zu der 23 Studenten und Nachwuchswissenschaftler aus zwölf Ländern an die TU Dresden gekommen sind. Experimente mit neuen Materialien seien so komplex, dass kein menschliches Gehirn die miteinander verwobenen Messdaten noch überschauen könne. Dann seien selbst lernende Computer gefragt – und vor allem junge Wissenschaftler, die nicht nur forschen, sondern auch Daten analysieren und Computeralgorithmen schreiben können.

Muster erkennen, wo das menschliche Auge und Gehirn überfordert sind

In die Hörsäle der Maschinenbauer und Naturwissenschaftler ziehe entsprechend derzeit ein neuer Typ von Studenten ein, die der Nanotechnologe Cuniberti „Coding Natives“ nennt: eine Generation, die autodidaktisch programmierend groß geworden sind. „Das müssen wir fördern“, betonte der Physiker Alexander Croy, der an Cunibertis Lehrstuhl tätig ist. Denn Materialwissenschaftler werden in naher Zukunft noch stärker als bisher auf Computer und vor allem auf selbstlernende Systeme angewiesen sein, um neuartige Hochtechnologie-Werkstoffe zu entwickeln „Diese Systeme erkennen Muster in riesigen Bilderserien, die kein menschliches Auge sehen würde“, ergänzte sein Kollege Florian Pump.

Entwickelt Computer eine Art „Intuition“?

Schon jetzt ist absehbar, dass diese selbstlernenden Computer besondere Eigenschaften entwickeln könnten, die der Intuition erfahrener menschlicher Handwerker und Ingenieure ziemlich nahe kommen: Die Fähigkeit, etwas neues zu entdecken oder eine schwierige Aufgabe durch erlernte Erfahrung zu lösen statt sie wirklich durchzurechnen. Erste Beispiele mit schwingenden Molekülen, deren Bewegungsmuster ein Computer durch Filme erlernt hatte und dann neue Muster voraussagen konnte, wurden während der Sommerschule bereits vorgestellt. hw

Ihre Unterstützung für Oiger.de!

Ohne hinreichende Finanzierung ist unabhängiger Journalismus nach professionellen Maßstäben nicht dauerhaft möglich. Bitte unterstützen Sie daher unsere Arbeit! Wenn Sie helfen wollen, Oiger.de aufrecht zu erhalten, senden Sie Ihren Beitrag mit dem Betreff „freiwilliges Honorar“ via Paypal an:

paypal.me/oigerDD

Vielen Dank!