Stefan Huber, Leiter des Josef Ressel Zentrums ISIA | © FH Salzburg/wildbild
Ein Forschungsteam der FH Salzburg hat einen internationalen Erfolg im Bereich Künstliche Intelligenz erzielt. Mit einer wissenschaftlichen Arbeit war die Hochschule auf der International Conference on Machine Learning (ICML) 2026 in Südkorea vertreten – einer der weltweit wichtigsten Konferenzen für KI und Machine Learning.
Besonders bemerkenswert: Das Paper erhielt einen Spotlight-Vortrag und gehörte damit zu den besten 2,2 Prozent aller mehr als 24.000 eingereichten wissenschaftlichen Arbeiten.
36 Jahre altes Problem gelöst
Im Mittelpunkt der ausgezeichneten Forschung steht ein mathematisches Problem aus dem Bereich Reinforcement Learning, das seit 36 Jahren ungelöst war. Reinforcement Learning beschreibt Verfahren, bei denen KI-Systeme selbstständig Strategien entwickeln, indem sie aus Erfolgen und Fehlern lernen. Die Technologie kommt unter anderem in Robotik, autonomen Fahrzeugen, Energiesystemen und intelligenten Assistenzsystemen zum Einsatz.
Dem Team des Josef Ressel Zentrums für Intelligente und Sichere Industrieautomatisierung (JRZ ISIA) gelang es erstmals, die optimale Lösung des bekannten Benchmark-Problems „Mountain Car“ exakt zu bestimmen. Gleichzeitig entwickelten die Forschenden eine neue Klasse von Reinforcement-Learning-Methoden auf Basis mehrdimensionaler Chebyshev-Polynome, die bestehende Verfahren deutlich übertreffen soll.
Grundlagenforschung mit industriellem Nutzen
Die wissenschaftlichen Ergebnisse bleiben nicht auf die Forschung beschränkt. Sie bilden zugleich die Grundlage für eine gemeinsame Patentanmeldung mit B&R/ABB zur energieoptimalen Ansteuerung von Elektromotoren.
„Ein 36 Jahre offenes Problem zu lösen, daraus eine neue Klasse von Reinforcement-Learning-Policies abzuleiten und nebenbei den State of the Art zu schlagen, ist ein echter Durchbruch. Dass dieser Durchbruch direkt die Basis für die Patentanmeldung mit B&R/ABB bildet, zeigt eindrucksvoll, was das JRZ-Modell leisten kann, wenn Grundlagenforschung und industrielle Anwendung wirklich ineinandergreifen“, sagt FH-Rektor Dominik Engel.
Neue Perspektiven für Reinforcement Learning
Nach Angaben der Forschenden reduziert das entwickelte Verfahren den Abstand zur optimalen Lösung um den Faktor sechs. Damit könnten sich künftig neue Möglichkeiten für die Entwicklung leistungsfähigerer KI-Systeme eröffnen.
„Unser Ziel war nie nur, einen bestehenden Algorithmus ein wenig zu verbessern. Wir wollten verstehen, wie weit heutige Reinforcement-Learning-Verfahren tatsächlich von der optimalen Lösung entfernt sind. Dass daraus die Lösung eines seit 36 Jahren offenen Problems entstanden ist und die Ergebnisse gleichzeitig in industrielle Anwendungen einfließen können, zeigt, welches Potenzial in langfristiger Grundlagenforschung steckt“, sagt Stefan Huber, Leiter des Josef Ressel Zentrums ISIA.
Bereits jetzt arbeitet das Forschungsteam an hybriden KI-Verfahren, die mathematische Modelle mit neuronalen Netzen kombinieren sollen. Ziel ist es, künftig auch hochkomplexe Anwendungen wie humanoide Robotik effizienter zu lösen.
Mit dem Auftritt auf der ICML 2026 unterstreicht die FH Salzburg ihre internationale Sichtbarkeit in der KI-Forschung und den Transfer wissenschaftlicher Erkenntnisse in industrielle Anwendungen.