T. Konstantin Rusch neuer Gruppenleiter am ELLIS Institute Tübingen

Die neue Gruppe von Dr. T. Konstantin Rusch trägt den Namen „Computational Applied Mathematics & Artificial Intelligence Lab (CAMAIL)“ und hat sich zum Ziel gesetzt, das Forschungsfeld der KI durch die Beseitigung grundlegender Einschränkungen, darunter das Fehlen strenger Sicherheitsgarantien und rechnerische Ineffizienzen, weiterzuentwickeln. Konstantin konzentriert sich auf die Kombination von KI mit angewandter Mathematik, um verbesserte KI-Systeme zu entwickeln, die auf strengen mathematischen Grundlagen basieren. 

Darüber hinaus konzentriert er sich auf den Aufbau effizienter KI-Frameworks, die Strukturen physikalischer Systeme in das Modelldesign integrieren und so zu besseren induktiven Verzerrungen führen. Sein Ziel ist es, sicherzustellen, dass Fortschritte sowohl theoretisch robust als auch in konkreten, realen Umgebungen wirkungsvoll sind. Im Mittelpunkt seiner Forschungsagenda steht die Entwicklung von KI-Systemen, die mathematisch rigoros, rechnerisch effizient und praktisch anwendbar sind und grundlegende KI-Forschung mit Lösungen verbinden, die auf reale Herausforderungen zugeschnitten sind.

Konstantin war SNSF-Postdoktorand am Massachusetts Institute of Technology (MIT), im Computer Science and Artificial Intelligence Laboratory (CSAIL), wo er von Professorin Daniela Rus betreut wurde. Zuvor promovierte er 2023 an der ETH Zürich in Angewandter Mathematik und Maschinellem Lernen unter der Betreuung von Professor Siddhartha Mishra. Während seiner Promotion war er zusätzlich an der UC Berkeley tätig, wo er von Professor Michael Mahoney betreut wurde. Darüber hinaus war er als Gastforscher an der UC Berkeley und der University of Oxford tätig.

Konstantins bisherige Arbeit hat bereits gezeigt, wie die Nutzung von Strukturen aus physikalischen Systemen zu modernsten KI-Modellen führen kann, die grundlegende Grenzen innerhalb ihrer jeweiligen Modellklassen erfolgreich überwinden. Darüber hinaus hat er gezeigt, wie KI in die computergestützte Mathematik integriert werden kann, um deren Grenzen zu erweitern. Seine Modelle wurden bereits in verschiedenen Anwendungen, darunter auch von großen industriellen Forschungsgruppen, erfolgreich eingesetzt.