Verleihung von VDE-Förderpreisen an der Universität Ulm

Ausgezeichnet wurde Herr Sebastian Benedikt Bitzer mit seiner Masterarbeit zur Verbesserung des Fehlervorwärtskorrekturverfahrens zur Dekodierung mit Reed-Solomon Codes für ein essentielles Verfahren bei der Speicherung und Übertragung digitaler Daten.

Laudatio zur prämierten Masterarbeit von Sebastian Benedikt Bitzer, M.Sc.

Fehlervorwärtskorrektur ist ein essentielles Verfahren bei Speicherung und Übertragung digitaler Daten. Dabei sind Reed-Solomon Codes eine der meistgenutzten Codeklassen, mit Anwendung bei Festplatten, CD, QR-Codes, Internetzugang, DAB+, DVB-T und vielen weiteren Systemen.
Sebastian Bitzer hat in seiner Masterarbeit die aus der Literatur bekannten, sehr anspruchsvollen, Verfahren zur Decodierung von Reed-Solomon Codes simuliert und die Ergebnisse verifiziert. Er hat selbstständig drei wesentliche Verbesserungen gefunden, analysiert und durch Simulationen bestätigt. Eine Wahrscheinlichkeitsanalyse verbessert
die Wahl alternativer Basen bei Information Set Decodierung. Die symbolbasierte Decodierung verbessert er durch geschickte Berücksichtigung von zuverlässigen Symbolen. Schließlich hat er neue Ergebnisse zur Decodierung bei Kanälen mit Gedächtnis erzielt. Zu allen drei Ergebnissen hat er nicht-triviale analytische Schranken hergeleitet, die sein herausragendes theoretisches Verständnis des Themas
bestätigen.
Eines dieser drei Ergebnisse hätte für eine gute Masterarbeit genügt. Damit handelt es sich um eine herausragende und weit überdurchschnittliche Masterarbeit.

Ausgezeichnet wurde ebenfalls Herr Paul Josef Kässer mit seiner Masterarbeit zu einer neuartigen Schaltungsarchitektur unter geschickter Kombination von analogen und digitalen Schaltungsteilen für ein mixed-signal Neuronales Prozesselement mit enormer  Leistungsersparnis.

Laudatio zur prämierten Masterarbeit von Paul Josef Kässer, M.Sc.

Künstliche Intelligenz, maschinelles Lernen und neuronale Netze sind zu Eckpfeilern in vielen Wissenschaftsgebieten geworden. Ihr Einsatz in den 1990er Jahren im Deep Blue, dem ersten Computer der einen Schachweltmeister schlug, und im letzten Jahrzehnt, als eine künstliche Intelligenz erstmals einen Meister im komplexen, koreanischen Brettspiel GO schlug, wurde mit großer öffentlicher Aufmerksamkeit verfolgt. Dabei hat die Technik großen Einfluss auf viele andere Gebiete, bei denen kein oder nur geringes systematisches Wissen über das zu lösende Problem vorliegt, wie z.B. Sprach-, Text- und Bilderkennung, die Analyse großer Datenmengen, in Wirtschaftsprozessen sowie in vielfältigen anderen technischen Einsatzgebieten.
Dabei werden die neuronalen Netze als Untermenge des maschinellen Lernens in Anlehnung an das biologische Pendant aus Neuronen aufgebaut, die über viele Schichten zu einem Netz verknüpft werden. Dennoch ist im Stand der Technik der Einsatz von neuronalen Netzen noch überwiegend von leistungsfähigen, stationären Großrechnern dominiert, wohingegen eine künstliche Intelligenz in verteilten, zum Teil autarken Systemen, einen Paradigmenwechsel hin zu Ressourcenbeschränktheit benötigt.
In diesem Forschungsfeld hat Herr Kässer seine Masterarbeit angefertigt. Er hat eine neuartige Schaltungsarchitektur für ein sogenanntes mixed-signal Neuron entworfen, das aus einer geschickten Kombination von analogen und digitalen Schaltungsteilen besteht. Diese Verknüpfung ermöglicht potentiell eine enorme Leistungsersparnis und soll in weiteren Forschungsarbeiten zu einem leistungseffizienten Co-Prozessor spezialisiert auf neuronale Netze weiterentwickelt werden.