Klaus-Robert Müller

Person und Bedeutung

Klaus-Robert Müller (* 29. Dezember 1964 in Karlsruhe) ist ein deutscher Informatiker und Physiker. Seine wichtigsten Forschungsschwerpunkte sind Gehirn-Computer-Schnittstellen und Maschinelles Lernen.

Er gilt als einer der Wegbereiter des Maschinellen Lernens. Maschinelles Lernen bezeichnet Verfahren, bei denen Computersysteme aus Daten Muster erkennen und daraus Vorhersagen oder Entscheidungen ableiten. Eine Gehirn-Computer-Schnittstelle ist eine Verbindung zwischen Gehirnaktivität und einem Computersystem, mit der Signale des Gehirns technisch ausgewertet oder genutzt werden können.

Akademischer Werdegang

Müller schloss 1989 sein Physik-Studium an der Universität Karlsruhe mit dem Diplom ab. 1992 promovierte er dort am Institut für Informatik bei Wolfram Menzel.

Danach arbeitete er beim GMD-Forschungszentrum Informationstechnik in Berlin. Nach Gastaufenthalten an der University of Illinois im Jahr 1994 und an der Universität Tokio bei Shun’ichi Amari im Jahr 1995 wurde er Leiter der „Intelligent data analysis Group“ am GMD Forschungsinstitut für Rechnerarchitektur und Softwaretechnik (FIRST), dem heutigen Fraunhofer-Institut für Offene Kommunikationssysteme (FOKUS).

1999 wurde Müller Professor für Neuroinformatik an der Universität Potsdam. 2004 übernahm er dort die Professur für Neuronale Netze und Zeitreihenanalyse. Seit 2006 ist er Inhaber des Lehrstuhls für Maschinelles Lernen an der Technischen Universität Berlin.

Leitungsfunktionen und internationale Forschung

Neben seinen Professuren war Müller auch als Gastwissenschaftler und Forschungsprofessor tätig. Seit 2014 ist er Co-Direktor des Berlin Big Data Centers. Seit 2018 ist er Direktor des Berlin Machine Learning Centers an der Technischen Universität Berlin.

Seit 2020 ist er Direktor des Nationalen Kompetenzzentrums für KI-Forschung Berlin Institute for the Foundations of Learning and Data (BIFOLD). Außerdem ist er Direktor der European Laboratory for Learning and Intelligent Systems (ELLIS) Unit Berlin.

2020/2021 verbrachte er ein Forschungssemester bei Google Brain als Principal Scientist. Bis 2017 wurden 29 frühere Doktoranden oder Post-Doktoranden von Klaus-Robert Müller selbst Vollzeit-Professoren.

Forschungsschwerpunkte

Müllers Forschung liegt vor allem in den Bereichen Gehirn-Computer-Schnittstelle, Neuronale Netze, künstliche Intelligenz und Big Data.

Neuronale Netze sind Modelle des Maschinellen Lernens, die vereinfacht an vernetzte Nervenzellen angelehnt sind und in Daten Zusammenhänge erkennen können. Künstliche Intelligenz bezeichnet Computersysteme und Methoden, die Aufgaben bearbeiten, die sonst menschliche Intelligenz erfordern würden. Big Data meint sehr große und komplexe Datenmengen, deren Auswertung besondere technische und mathematische Verfahren braucht.

Auszeichnungen und Mitgliedschaften

Müller erhielt zahlreiche Preise und Auszeichnungen. Genannt werden der Gottfried Wilhelm Leibniz-Preis 2026, der IEEE Neural Network Pioneer Award 2025, der Feynman Prize in Nanotechnology 2024, der Hector Wissenschaftspreis 2023, der Vodafone Innovations Award 2017, der Berliner Wissenschaftspreis 2014, ERC panel consolidator grants 2014, der Alcatel SEL Forschungspreis Technische Kommunikation 2006 und der Olympus-Preis für Mustererkennung 1999.

Für die Jahre 2024, 2023, 2022, 2021, 2020 und 2019 wird er außerdem als Clarivate Highly Cited Researcher aufgeführt. Das bezeichnet Forschende, deren wissenschaftliche Arbeiten besonders häufig zitiert werden.

Er ist seit 2021 Mitglied der Deutschen Akademie der Technikwissenschaften, seit 2017 Mitglied der Berlin-Brandenburgischen Akademie der Wissenschaften und externes wissenschaftliches Mitglied der Max-Planck-Gesellschaft. Seit 2012 ist er Mitglied der Nationalen Akademie der Wissenschaften Leopoldina.

Wichtige Schriften

Zu den aufgeführten Schriften gehören mehrere herausgegebene Fachbücher. 2022 erschien mit Andreas Holzinger et al. „xxAI – Beyond Explainable Artificial Intelligence“ bei Springer in Cham, ISBN 978-3-031-04082-5, doi:10.1007/978-3-031-04083-2.

2020 erschien mit Kristof T. Schütt et al. „Machine Learning Meets Quantum Physics“, ebenfalls bei Springer in Cham, ISBN 978-3-030-40244-0, doi:10.1007/978-3-030-40245-7. 2019 erschien mit Wojciech Samek et al. „Explainable AI: Interpreting, Explaining and Visualizing Deep Learning“, ISBN 978-3-030-28953-9, doi:10.1007/978-3-030-28954-6.

2012 erschien mit Grégoire Montavon et al. die 2. Auflage von „Neural Networks: Tricks of the Trade“ bei Springer in Berlin und Heidelberg, ISBN 978-3-642-35288-1, doi:10.1007/978-3-642-35289-8.