Gastvortrag von Prof. Kerschke zu automatisierten maschinellen Lernverfahren und ihr Potenzial für die Mobilitätswende

In der Mobilitätsforschung wird man regelmäßig mit verschiedenen Arten von Optimierungsproblemen konfrontiert. So sind beispielsweise Logistikunternehmen an möglichst kurzen Lieferwegen interessiert, Forschende der Ingenieurswissenschaften befassen sich mit der Entwicklung effizienter, schadstoffarmer Kraftstoffe und Motoren, und Verkehrsbetriebe streben nach einer möglichst guten Erreichbarkeit und Abdeckung von Car- und Bikesharing-Diensten.

Unabhängig vom zugrundeliegenden Optimierungsproblem stehen dabei zumeist diverse Algorithmen zur Verfügung, die in der Lage sind, (nahezu) optimale Lösungen für das vorliegende Problem zu finden. Je nach Struktur des Optimierungsproblems wird für gewöhnlich ein jeweils anderer Algorithmus "am besten" abschneiden, da jeder einzelne der betrachteten Algorithmen unterschiedliche Stärken und Schwächen aufweist. Aufgrund der Vielfalt an Algorithmen und Problemen gibt es kaum ein Optimierungsgebiet, in dem ein einzelner Algorithmus seine Konkurrenten auf allen Instanzen in diesem Gebiet dominiert. Folglich stellt die Wahl des "besten" Algorithmus eine äußerst wichtige und anspruchsvolle Aufgabe dar, da "falsche" Entscheidungen sich erheblich auf die Gesamtleistung (Zeit, Kosten, Profitabilität, etc.) auswirken können. Auf Grund des Mangels an dominanten Algorithmen verlagert sich das ursprüngliche Optimierungsproblem auf die Wahl eines möglichst performanten Algorithmus. Im Laufe der Jahre wurden zahlreiche automatisierte und datengetriebene Verfahren entwickelt mit dem Ziel, uns von der manuellen "Last" dieser Wahl zu befreien. Die entwickelten Verfahren sind in der Lage, vollkommen automatisiert das fachliche Know-How menschlicher Experten, die Diversität äußerst spezialisierter Optimierungsalgorithmen und die Vorzüge hochmoderner Methoden des maschinellen Lernens möglichst gewinnbringend zu kombinieren. Dadurch konnte in jüngster Zeit regelmäßig der Stand der Technik in verschiedenen Teilbereichen der Optimierung angehoben werden.

Seit dem 15. März 2021 leitet Prof. Pascal Kerschke die neue Professur für "Big Data Analytics in Transportation" an der Fakultät Verkehrswissenschaften »Friedrich List«. Am 10. Juni 2021 stellte der ambitionierte Forscher den Kollegiat/inn/en des Boysen-TU Dresden-Graduiertenkollegs die Grundidee der automatisierten Algorithmenauswahl vor und beschrieb dabei insbesondere den Stand der Forschung in zwei für die Mobilitätsforschung relevanten Optimierungsbereichen.

Den Abschluss seines Vortrags bildeten Ausblicke auf zukünftige Erweiterungen in diesem Forschungsgebiet, insbesondere aus der Perspektive der (datengetriebenen) Automatisierung, Digitalisierung und Big Data Analytics.