Raffinierte Algorithmen

Weltweite Anerkennung erlangte Schölkopf mit speziellen maschinellen Lernverfahren, den sogenannten Support Vektor Maschinen (SVM). Das sind raffinierte Algorithmen, mit denen Computer hochkomplizierte KI-Berechnungen schnell und präzise erledigen können. Die SVM ähneln dem Gehirn nachempfundenen neuronalen Netzen und beruhen auf soliden mathematischen Grundlagen.

Erste SVM-Systeme aus den 1990er-Jahren konnten handgeschriebene Ziffern auf Briefen fast so gut erkennen wie Menschen. Wegen ihres systematischen mathematischen Ansatzes gaben sie der Informatik einen deutlichen Schub. Aktuell erforscht Schölkopfs Team am MPI Tübingen Algorithmen, die aus Daten auch kausale Zusammenhänge erkennen können.

Bernhard Schölkopf ist seit 2011 einer der Gründungsdirektoren am Max‐Planck‐Institut für Intelligente Systeme in Tübingen. Seit Dezember 2018 ist er affiliierter Professor für Empirische Inferenz an der ETH Zürich. Gemeinsam mit Thomas Hofmann, Professor am Institut für Maschinelles Lernen an der ETH Zürich, leitet er seit 2015 das Max Planck ETH Center for Learning Systems als Co-Direktor. Diese Zusammenarbeit hat zum Ziel, die theoretischen Prinzipien des Lernens auf reale Maschinen anzuwenden und Nachwuchsforschende in diesem Gebiet auszubilden.