Ein Schwerpunkt der Initiative ist die Ausschreibung und Förderung von Gruppen im Emmy Noether-Programm der DFG. Mit ihnen soll die nächste Generation von hoch qualifizierten Wissenschaftler*innen mit Forschungsfokus auf KI-Methoden durch frühzeitige Öffnung von Karriereoptionen mit hoher Eigenständigkeit gewonnen werden. Verteilt über vier Ausschreibungsrunden können im Rahmen der Initiative bis zu 45 Emmy Noether-Gruppen eingerichtet werden.

• 2026/2027(Anchor Link)
• 2025/2026(Anchor Link)
• 2020/2021(Anchor Link)
• 2019/2020(Anchor Link)

2026/2027:

Ausschreibung 4: Information für die Wissenschaft Nr. 24 | 1. April 2026(interner Link)

Die Liste der Geförderten Projekte in alphabetischer Reihenfolge nach Namen der Antragsteller wird zu gegebener Zeit bekannt gegeben.

2025/2026:

Ausschreibung 3: Information für die Wissenschaft Nr. 27 | 25. März 2025(interner Link)

Geförderte Projekte in alphabetischer Reihenfolge nach Namen der Antragsteller:

• „ACTIVUS: Repräsentationen und Grundlagenmodelle für handlungsorientiertes visuelles Verständnis“(externer Link) - Dr.-Ing. Nikita Araslanov
• „Von mittelmäßigen zu meisterhaften Generalisten: Die Macht des Kontexts im RL“(externer Link) - Dr. André Biedenkapp
• „Kausalität und Repräsentationslernen für interventionelle Grundlagenmodelle“(externer Link) - Dr. Simon Buchholz
• „KI erschließt das Potenzial des Higgs-Bosons“(externer Link) - Dr. Nicole Hartman
• „Flow-basierte Generative Modelle und Optimaler Transport für Sampling und Inverse Probleme“(externer Link) - Dr. Johannes Hertrich
• „Neuro-Symbolische Methoden zur Sequentiellen Entscheidungsfindung“(externer Link)  - Dr. Daniel Höller
• „Verbesserung der Effizienz neuronaler Netzwerke durch kombiniertes Lernen des Gewichtsraums mit Architektur-Suche“(externer Link) - Dr. Jovita Lukasik
• „Kontrollsinn in natürlicher und künstlicher Intelligenz“(externer Link) - Dr. Alireza Modirshanechi
• „Struktur und Geometrie für KI Modelle: Verbesserung von Vision (Language) Modellen mit Graphen, Topologie und menschenzentriertem Design“(externer Link) - Dr. Johannes C. Paetzold
• „KI-Methoden zur Messung und Minderung von Politischer Voreingenommenheit in KI-Systemen“(externer Link) - Dr. Paul Röttger
• „Earth Embeddings: Lernen von Konzeptkarten in Künstlichen Neuronalen Netzen“(externer Link) - Professor Dr.-Ing. Marc Rußwurm
• „RMT4DL: Zufallsmatrixtheorie für Deep Learning“(externer Link) - Dr. Mariia Seleznova
• „Verifizierung zum Lernen und Lernen zur Verifizierung“(externer Link) - Chelsea Rose Sidrane Ph.D.
• „Skalierbares Automatisches Schlussfolgern“(externer Link) - Dr. Dominik Schreiber
• „Multimodales Repräsentationslernen für verallgemeinerbare Patienten-Embeddings“(externer Link) - Dr. Sophia Wagner

2020/2021:

Ausschreibung 2: Information für die Wissenschaft Nr. 83 | 17. November 2020(interner Link)

Geförderte Projekte in alphabetischer Reihenfolge nach Namen der Antragsteller:

• „Harmonische Künstliche Intelligenz durch Lineare Operatoren“(externer Link) - Dr. Felix Dietrich
• „Robustes Machinelles Sehen durch Neuronale Analyse-durch-Synthese mit 3D-bewussten Kompositionellen Netzwerkarchitekturen“(externer Link) - Dr. Adam Kortylewski
• „Grapheneinbettungen: Theorie trifft Praxis“(externer Link) - Dr. Christopher Morris
• „Vertrauenswürdiges verstärkendes Lernen für Multi-Agenten-Systeme: Grundlagen von robuster und verantwortungsbewusster Entscheidungsfindung“(externer Link) - Dr. Goran Radanovic
• „Effizientes Lernen für übertragbare Roboterautonomie in menschenzentrierten Umgebungen“(externer Link) - Prof. Dr. Abhinav Valada
• „Die theoretischen Grundlagen von Lebenslanges bestärkendes Lernen“(externer Link) - Prof. Dr. Claire Vernade

2019/2020:

Ausschreibung 1: Information für die Wissenschaft Nr. 74 | 31. Oktober 2019(interner Link)

Geförderte Projekte in alphabetischer Reihenfolge nach Namen der Antragsteller:

• „Eidetische Repräsentationen Natürlicher Sprache“(externer Link) - Prof. Dr.-Ing. Alan Akbik
• „Ressourcensparende bayesianische Methoden zum maschinellen Lernen“(externer Link) - Prof. Dr. Robert Bamler
• „Starke Konsistenzbedingungen für robustes, interpretierbares und generalisierbares maschinelles Sehen“(externer Link) - Dr. Wieland Brendel
• „Maschinelles Lernen von Mobiler Manipulation für Intelligenten Assistenzroboter“(externer Link) - Prof. Georgia Chalvatzaki Ph.D.
• „Bewegungskoordinierung für heterogene Flugroboterschwärme in verkehrsreichen Umgebungen“(externer Link) - Wolfgang Hönig Ph.D.
• „Intuitive Roboter Intelligenz: Effektives Lernen und Verbessen von Fähigkeiten und Verhalten für intutive Mensch-Roboter Interaktion.“(externer Link) - Dr.-Ing. Rudolf Lioutikov
• „Entscheidungsverfahren unter Unsicherheit: Einarbeiten von physikalischem Vorwissen“(externer Link) - Dr. Michael Mühlebach
• „Approximationsalgorithmen für geometrische Datenanalyse und ihre Anwendbarkeit“(externer Link) - Prof. Dr. Melanie Schmidt
• “Stability and Solvability in Deep Learning”(externer Link) - Prof. Dr. Felix Voigtlaender