BOKU Magazin 4/2022
INHALT 3 Editorial 4 Festrede Konrad Paul Liessmann 7 Das Jubiläumsjahr, eine Rückschau in Bildern 13 Jubiläumsfinale mit Festakt 18 Parkplatz-Entsiegelung mit BOKU-Hilfe 19 Herbstfest am BOKU-Standort Tulln 20 AfricaUniNet: General Assembly in Kenia 24 Afrikanisches Blattgemüse und Gendergerechtigkeit 26 Exkursionen neu gedacht 30 Ein Abend im Zeichen der BOKU-Lehre 34 BOKU-Ball erstrahlt in neuem Glanz 36 Wissenschaftliches Porträt: Andreas Holzinger 40 Evaluierung von Lehrveranstaltungen 41 Gender & Diversity 44 Das war der BOKU-Nachhaltigkeitstag 2022 47 Splitter 50 technet / accent Innovation Award 51 Horizon Partnerships 52 Strategische Kooperation BOKU – Umweltbundesamt 58 Forschung: FAQ
INHALT
3 Editorial
4 Festrede Konrad Paul Liessmann
7 Das Jubiläumsjahr, eine Rückschau in Bildern
13 Jubiläumsfinale mit Festakt
18 Parkplatz-Entsiegelung mit BOKU-Hilfe
19 Herbstfest am BOKU-Standort Tulln
20 AfricaUniNet: General Assembly in Kenia
24 Afrikanisches Blattgemüse und Gendergerechtigkeit
26 Exkursionen neu gedacht
30 Ein Abend im Zeichen der BOKU-Lehre
34 BOKU-Ball erstrahlt in neuem Glanz
36 Wissenschaftliches Porträt: Andreas Holzinger
40 Evaluierung von Lehrveranstaltungen
41 Gender & Diversity
44 Das war der BOKU-Nachhaltigkeitstag 2022
47 Splitter
50 technet / accent Innovation Award
51 Horizon Partnerships
52 Strategische Kooperation BOKU – Umweltbundesamt
58 Forschung: FAQ
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
<strong>BOKU</strong> Medienstelle/Christoph Gruber<br />
Von Georg Sachs<br />
zum Wald geschuldet, es ist auch die<br />
gesamtgesellschaftliche Bedeutung der<br />
Forstwirtschaft, die ihn fasziniert: „Was<br />
wir hier machen, entspricht genau dem<br />
‚One Health‘-Gedanken: Gesunde Menschen<br />
brauchen einen gesunden Planeten.“<br />
Dazu müssen die verschiedensten<br />
Faktoren zusammenspielen, die man im<br />
Wald findet: Luft, Pflanzen, Boden – „es<br />
heißt ja nicht von ungefähr Universität<br />
für Bodenkultur“, meint Holzinger<br />
schmunzelnd.<br />
„WIR HABEN DIE DATENMENGEN<br />
UND ZUNEHMENDE<br />
RECHENLEISTUNG“<br />
Als sich Holzinger begann, für Computer<br />
zu interessieren, war KI noch lang nicht<br />
so angesagt, wie heute. Und auch gegenwärtig<br />
bleibt mitunter im Dunkeln, was<br />
damit eigentlich gemeint ist: „Ich finde<br />
den Begriff ‚Künstliche Intelligenz‘ nicht<br />
gut gewählt. Wir wissen gar nicht, was<br />
menschliche Intelligenz ist – und wollen<br />
sie doch künstlich nachbauen.“ Innerhalb<br />
des weiten Felds KI-basierter Werkzeuge<br />
ist maschinelles Lernen heute aber eine<br />
gut definierte und breit angewandte Aufgabenstellung<br />
– „unser Arbeitspferd“,<br />
wie Holzinger sagt. Ein Teil sind sogenannte<br />
„Deep-Learning“-Ansätze, bei<br />
denen „tiefe neuronale Netze“ verwendet<br />
werden, die zahlreiche Zwischenschichten<br />
zwischen Eingabe und Ausgabe<br />
enthalten. Der mathematische Kern<br />
all dieser Methoden ist dabei das, was<br />
man „Inverse Probability“ nennt: Man<br />
betrachtet eine Wahrscheinlichkeitsverteilung<br />
von Daten, die von einem Parameter<br />
abhängt (einer bestimmten Eigenschaft<br />
der beobachteten Sachverhalte,<br />
die Einfluss auf die Verteilung nimmt)<br />
und schließt („invers“) vom Auftreten<br />
der Verteilung auf den Wert des Parameters.<br />
Dabei gehen die KI-Spezialisten<br />
von einer A-priori-Wahrscheinlichkeit<br />
aus (welche Verteilung der Messwerte<br />
kann ich annehmen, wenn ich noch gar<br />
nichts weiß), aus der sie anhand der erhobenen<br />
Daten eine A-Posteriori-Wahrscheinlichkeit<br />
(was weiß ich jetzt mehr?)<br />
errechnen. Dieses Spiel wiederholt sich<br />
dann immer und immer wieder, indem<br />
bei jeder Schleife die anhand der Daten<br />
errechnete Verteilung die neue A-priori-Wahrscheinlichkeit<br />
wird, die an neuen<br />
Daten geprüft wird. Von Schritt zu<br />
Schritt wird dabei die sogenannte Verlustfunktion<br />
(die Abweichung der erhobenen<br />
Daten von den Modelldaten)<br />
minimiert.<br />
„Böse Zungen sagen, wir machen nichts<br />
anderes als Funktionen zu optimieren“,<br />
lacht Holzinger, „aber wir kämpfen dabei<br />
schnell gegen den Fluch der Hochdimensionalität.“<br />
Das hat mit dem schon<br />
erwähnten Phänomen der „Big Data“<br />
zu tun: Wenn immer mehr miteinander<br />
zusammenhängende Daten erhoben<br />
werden, müssen dementsprechend viele<br />
Paramater gleichzeitig untersucht<br />
werden. Das ist auch der Grund dafür,<br />
warum maschinelles Lernen heute auf<br />
einen viel fruchtbareren Boden fällt als<br />
<strong>BOKU</strong> <strong>Magazin</strong> 4 | <strong>2022</strong><br />
37