Alessandro Oltramari, Ph.D.

Erzählen Sie doch mal: was fasziniert Sie an der Forschung?
Für mich ist Forschung eine intellektuelle Reise, die Erkundung eines Problemfelds, an deren Ende eine Karte mit möglichen Lösungen steht. Als zutiefst menschliches Unterfangen steckt die Forschung voller Emotionen: Freude, Frustration, Enttäuschung und Überraschung liegen im Leben eines Wissenschaftlers eng beieinander. Für mich persönlich ist die Forschung auch eine ganz reale Reise, denn auf der Suche nach besseren Karrieremöglichkeiten habe ich meine Heimat Italien verlassen. Bei der Bosch Forschung habe ich jedoch die perfekte Forschungsheimat gefunden.

Was macht die Forschung bei Bosch besonders?
Die Arbeit bei Bosch ist aus verschiedenen Gründen etwas ganz Besonderes, das reicht von der multikulturellen Umgebung bis hin zum offenen Austausch mit dem Management. Am wichtigsten ist für mich allerdings das Gleichgewicht zwischen geschäftlich orientierten Forschungsaufgaben und wissenschaftlicher Arbeit im Rahmen der Forschungsteams. Die Balance zwischen kurzfristiger und langfristiger Forschungsarbeit wird durch eine strikte und zugleich flexible Herangehensweise sichergestellt. Diese umfasst klare Zielsetzungen, die Entwicklung und Validierung von Geschäftsmodellen, die kollaborative Planung und Umsetzung von Aufgaben sowie die gründliche retrospektive Aufarbeitung und offene Diskussionen.

Woran forschen Sie bei Bosch?
Meine Forschungen beschäftigen sich mit der Entwicklung von robusten intelligenten Assistenten. Dafür verknüpfen wir verschiedene Wissensquellen wie elektronische Dokumente und Daten aus dem Internet sowie aus den sozialen Medien mit Algorithmen für das maschinelle Lernen. Unter konkreten Anwendungsaspekten interessieren mich dabei besonders die folgenden drei Bereiche: kontextsensible Chatbots für Kundenservices, Entscheidungssysteme für (halb-)autonome Fahrzeuge und das Szenario-Verständnis in smarten Umgebungen.

Was sind die größten wissenschaftlichen Herausforderungen in Ihrem Forschungsfeld?
Explainable Artificial Intelligence ist eindeutig die größte Herausforderung. Um hier Fortschritte zu erzielen, brauchen wir hybride Systeme, die für den Menschen verständliche Maschinendarstellungen mit neuronalen Systemen verknüpfen. Zum gegenwärtigen Zeitpunkt gibt es aber noch keinen allgemeingültigen Rahmen für die Integration von tiefen Netzwerken und Wissensgraphen.

Wie werden Ihre Forschungsergebnisse zu „Technik fürs Leben“?
Explainable AI bedeutet, dass wir intelligente Maschinen mit semantischer Transparenz ausstatten, sowohl mit Blick auf die interne Funktionsweise als auch auf die Korrelation zwischen Input und Output. Ähnlich wie Menschen einander vertrauen lernen, indem sie ihr Wissen teilen, werden XAI-fähige Systeme die Interaktion zwischen Mensch und Maschine vertrauenswürdiger und persönlicher machen. Dies wird in vielen Bereichen zu einer Verbesserung des menschlichen Lebens führen, in denen KI einen wichtigen Beitrag leisten kann, z. B. im Gesundheitswesen oder bei der Mobilität.