Zur Hauptnavigation springen Direkt zum Inhalt springen

Logo: Deutsche Forschungsgemeinschaft (DFG) - zur Startseite Deutsche Forschungsgemeinschaft

Prof. Dr. Helge Ritter - Gottfried Wilhelm Leibniz-Preisträger 2001

Lebenslauf

17.03.58 In Naila (Oberfranken) geboren.

Eltern Helmut Ritter und Inge Ritter (geb. Bäuerle) 

1977 Abitur am Schillergymnasium in Hof an der Saale

1976-1982 Stipendiat der Studienstiftung des deutschen Volkes

1977-1983 Stipendiat der Bayerischen Begabtenförderung

WS 1977-1978 Studienbeginn in den Fächern Physik und Mathematik an der Universität Bayreuth

WS 1980-1981 Fortsetzung des Studiums an der Universität Heidelberg. Diplomarbeit bei Prof. F. Wegner am Institut für Theoretische Physik

Thema: "Zum Hall-Effekt im Gitter"

18.10.83 Physik-Diplom "mit Auszeichnung"

1984 Zivildienst beim Diakonischen Werk Hof

1985-1987 Promotionsstipendium der TU München

SS 87 Gastaufenthalt an der University of Illinois at Urbana-Champaign, USA

7.7.1988 Promotion ("m. Auszeichnung") in Theoretischer Physik bei Prof. K. Schulten an der TU München. Thema:";Selbstorganisierende Neuronale Karten"

1.2.-1.4.1989 Gastaufenthalt bei Prof. T. Kohonen, Laboratory of Information and Computer Science, Helsinki University of Technology

1.5.89 Research Associate am Department of Physics und Beckman Institute, Univ. of Illinois at Urbana-Champaign

1.1.90 Research Assistant Professor am Department of Physics

1.10.90 Professor (C3) für das Fach Mustererkennung an der Technischen Fakultät, Universität Bielefeld

1.10.93 Berufung zum C4-Professor für das Fach Neuroinformatik an der Technischen Fakultät der Universität Bielefeld

1993/94 Mitveranstalter der Forschergruppe "Prärationale Intelligenz" am Zentrum für interdisziplinäre Forschung (ZiF), Bielefeld

1995/96  Gastaufenthalt am Wissenschaftskolleg zu Berlin 

1999 Alcatel Forschungspreis "Technische Kommunikation" 

2001 Leibniz-Preis der Deutschen Forschungsgemeinschaft

Forschungsschwerpunkte

Im Zentrum meiner Forschungsarbeit steht die Frage, wie sich Aspekte der Informationsverarbeitungsleistungen des Gehirns, wie beispielsweise die visuelle Erkennung von Objekten, oder das Erlernen neuer Fähigkeiten, in künstlichen neuronalen Netzen nachahmen lassen.

Vorrangige Ziele sind dabei, unsere heutigen Vorstellungen über Mechanismen für das Zustandekommen von Wahrnehmungs und Kognitionsleistungen in neuronalen Netzen anhand von Computersimulationsmodellen auf ihre Tragfähigkeit zu prüfen, weiterzuentwickeln und die gewonnenen Einsichten zu nutzen, um Prinzipien biologischer Informationsverarbeitung wie etwa Adaptivität, Fehlertoleranz und die Fähigkeit, mit vager Information noch erfolgreich zu operieren für Anwendungsfelder zu erschließen.

Ein Teil dieser Forschungen ist dabei theoretisch-simulativer Natur und untersucht die Bedingungen, unter denen im Computer nachgebildete Netze vieler einfacher künstlicher Neuronen " intelligente" Leistungen, wie etwa die Erkennung von Mustern oder das Lernen von Zusammenhängen, erbringen können, und wie man das Verhalten derartiger Systeme mathematisch analysieren kann.

Mit diesen Grundlagenforschungen versuchen ich und meine Mitarbeiter zu verstehen, wie " prärationale", also noch unterhalb der rationalen Ebene ablaufende Intelligenzleistungen, wie etwa das Erkennen von Objekten, die Steuerung von Bewegungen oder die Fokussierung von Aufmerksamkeit auf Relevantes, aus der Kooperation vieler, selbst nicht intelligenter Verarbeitungseinheiten zustandekommen können.

Ergebnisse dieser Grundlagenforschung dienen uns zur Erweiterung bestehender Anwendungsmöglichkeiten künstlicher neuronaler Netze. So haben wir in den letzten Jahren im Bereich des Computersehens neue, verbesserte Verfahren entwickelt, mit denen neuronale Netze das immense "visuelle Wissen", das wir beim Erkennen und Unterscheiden von Objekten unbewußt einsetzen, anhand von Trainingsbeispielen schnell und gegenüber einer expliziten Programmierung sehr viel einfacher erlernen können. Ein wichtiges Anwendungsfeld ist dabei die medizinische Bildverarbeitung. So haben wir in Kooperation mit Partnern der Universität Magdeburg ein Verfahren entwickelt, um in Mikroskopbildern biologische Zellen zu klassifizieren und ihre genaue geometrische Form auch unter schwierigen Erkennungsbedingungen für den Computer erfaßbar zu machen. Ein anderes System erkennt die Art und Lage von Objekten, die ein Roboter greifen soll, oder identifiziert in einem Kamerabild die Lage von Gesichtsmerkmalen sowie die Kopf- und Blickrichtung eines Benutzers, der vor einem Bildschirm sitzt. Derzeit arbeiten wir an einer Übertragung dieser und verwandter Verfahren für Anwendungen im Datamining. Eine Forschungsrichtung ist dabei die Unterstützung " intelligenter Navigation" in großen Datenmengen. So arbeiten wir derzeit an einem Projekt, durch Verknüpfung neuronaler Mustererkennungsverfahren und Techniken der Datenvisualisierung die Informationssuche in großen Bilddatenbanken zu erleichtern. Mit der Lösung dieser Aufgabe eng verbunden ist dabei das Problem der " Entdeckung" von Strukturen in großen Datenbeständen. Auch hier können unsere natürlichen Wahrnehmungsfähigkeiten wieder als Vorbild für technische Lösungsansätze dienen. Unser visuelles System macht für uns zahlreiche Strukturen in einer komplexen Szene mühelos " evident", obwohl diese Strukturen aus den Bilddaten selbst nur mit aufwendigen Algorithmen extrahiert werden können. Ahnliche Fähigkeiten besitzt unser Hörsinn. Daher erforschen wir Möglichkeiten, um Daten in ein für unsere Sinnesorgane besonders wahrnehmungsgünstiges Format zu "übersetzen". Einen Schwerpunkt bildet dabei die sogenannte Datensonizierung, bei der Daten, wie beispielsweise medizinische Zeitreihen oder Wirtschaftsdaten, hörbar gemacht werden. Hier entwickeln wir Strategien, die unterschiedliche Regularitäten in den Daten für das menschliche Gehör besonders gut erfaßbar machen und so neue Möglichkeiten der Struktursuche zu scha en, die traditionellere Verfahren, wie etwa die Datenvisualisierung, ergänzen können.

Ein weiterer zentraler Forschungsschwerpunkt ist die Mensch-Maschine-Kommunikation. So kann das bereits erwähnte System zur Kopf- und Blickrichtungserkennung etwa für eine ergonomischere Kooperation zwischen Mensch und Computer genutzt werden, indem es einem mit einer kleinen Kamera ausgestatteten Computer ermöglicht festzustellen, auf welchen Bildschirmbereich der Benutzer gerade seine Aufmerksamkeit richtet. Eine wichtige Bedingung für eine stärker an den Menschen angepasste Kommunikation ist die Möglichkeit, Computern oder Robotern Dinge oder Arbeitsabläufe zeigen zu können. Langfristig möchten wir dabei die Programmierung von Robotern durch ein möglichst " intuitives" Anleiten, ähnlich wie wir es beim Menschen gewohnt sind, ersetzen.

Eine wesentliche Voraussetzung dazu bildet die Erkennung von Aktionen der menschlichen Hand. Aufgrund der Vielgestaltigkeit der uns möglichen Handbewegungen bildet die Erkennung von Hand- und Fingerstellungen anhand eines Kamerabildes für heutige Computerprogramme ein außerordentlich diffziles Problem.

Hier ist es uns in den vergangenen Jahren gelungen, auf der Basis neuronaler Netze einen Erkennungsansatz zu entwickeln, der diese Aufgabe für einen großen Bereich von Handstellungen löst und damit einen wichtigen Baustein für eine einfachere Unterweisung von Robotern liefert. Eine stark vereinfachte Variante des Verfahrens haben wir bereits als eine erste Demonstrationsanwendung in einem Laborroboter integriert. Dies ermöglicht es, Greifoperationen einer Roboterhand und die Aufmerksamkeit eines beweglichen Kamerakopfes durch einfache Zeigegestik zu steuern und damit erste Anfänge einer gestikbasierten Unterweisung von Robotern zu realisieren.