08
Jul
2026
In der ersten Förderrunde erhalten Projekte zu Gesundheit, Klima, Robotik, Teilchenphysik und nachhaltiger Künstlicher Intelligenz eine Förderung. Ziel des Angebots „KI-Forschungsgruppen Niedersachsen“ ist es, wissenschaftlich exzellente Forschende in frühen Karrierephasen für Niedersachsen zu gewinnen und zu fördern sowie die Entwicklung und Anwendung von KI langfristig auszubauen.
Die geförderten KI-Forschungsgruppen bestehen in der Regel aus einer Postdoktorandenstelle für die wissenschaftliche Leitung sowie bis zu vier Promotionsstellen. Die Projekte laufen über fünf Jahre, pro Antrag konnten bis zu zwei Millionen Euro beantragt werden.
Gefördert wird u.a. das Projekt Leveraging Artificial Intelligence to Forecast Trends and Extremes in Ocean Temperature, Ocean Productivity and Carbon Cycling an der Carl von Ossietzky Universität Oldenburg. Die Forschenden unter Leitung von Dr. Julian Merder untersuchen, wie moderne KI-Methoden eingesetzt werden können, um klimabedingte Veränderungen und Extremereignisse in den Ozeanen besser vorherzusagen. Im Fokus stehen maritime Hitzewellen, schädliche Algenblüten, Veränderungen der Meeresproduktivität sowie deren Auswirkungen auf den globalen Kohlenstoffkreislauf. Hierfür soll ein KI-gestützter „Digital Ocean Twin“ entwickelt werden, der globale Beobachtungsdaten nutzt und insbesondere seltene und extreme Ereignisse prognostizieren kann. Die Ergebnisse sollen zu einem besseren Verständnis der Folgen des Klimawandels beitragen und wissenschaftliche Grundlagen für ein nachhaltiges Ozeanmanagement schaffen.
“
Die hohe Qualität der eingereichten Anträge hat eindrucksvoll gezeigt, wie dynamisch sich die KI-Forschung in Niedersachsen entwickelt.
Falko Mohrs, Niedersächsischer Wissenschaftsminister
Das Projekt Advancing Methods for Infectious Diseases Using Novel Artificial Intelligence Methods am Helmholtz-Zentrum für Infektionsforschung unter Leitung von Dr. Alina Bazarova entwickelt neue KI-gestützte Methoden, um Infektionskrankheiten auf gesellschaftlicher und individueller Ebene besser zu verstehen und vorherzusagen. Dazu werden Gesundheits-, Mobilitäts- und Verhaltensdaten mithilfe von Verfahren der Künstlichen Intelligenz, Deep Learning und epidemiologischen Modellen ausgewertet. Ziel ist es, die Ausbreitung von Krankheiten präziser zu modellieren, Risikofaktoren zu identifizieren und individuelle Krankheitsrisiken besser einzuschätzen. Die Ergebnisse sollen die Vorbereitung auf zukünftige Epidemien verbessern, politische Entscheidungen unterstützen und zu einer stärker personalisierten Gesundheitsversorgung beitragen.
Unter der Leitung von Dr. Timo Janßen entwickeln die Forschenden an der Georg-August-Universität Göttingen KI-Verfahren für die Simulation hochenergetischer Teilchenkollisionen. Ziel ihres Projekts Production-Ready AI for Unbiased Simulation in High Energy Physics ist es, aufwendige Rechenprozesse in der Teilchenphysik deutlich zu beschleunigen, ohne dabei die wissenschaftliche Genauigkeit zu beeinträchtigen. Hierfür sollen erprobte KI-Methoden für Simulationen und Modellberechnungen in einer gemeinsamen, modularen Softwareplattform zusammengeführt und ausgewertet werden. Die Ergebnisse sollen effizientere und nachhaltigere Forschungsprozesse ermöglichen und den Einsatz von KI in datenintensiven wissenschaftlichen Anwendungen voranbringen.
Eine neue Generation vertrauenswürdiger KI-Systeme für Prothesen und Exoskelette, die intelligenter, anpassungsfähiger und sicherer sind, um Nutzerinnen und Nutzer im Alltag besser zu unterstützen. Das ist das Ziel der Forschenden im Projekt Trustworthy Embodied Foundation Models for Bionic Intelligence an der Universitätsmedizin Göttingen unter Leitung von Dr. Sharmita Dey. Hierfür soll ein KI-Grundlagenmodell entwickelt werden, das visuelle, physiologische und gerätebezogene Daten kombiniert, Situationen versteht und Handlungen vorausplanen kann. Zudem sollen die Systeme ihre Entscheidungen nachvollziehbar erklären und sich an unterschiedliche Personen und Einsatzumgebungen anpassen können.
Das Projekt Tuning for FFMs: Optimizing Post-Training Pipelines for Energy-Efficient AI an der Leibniz Universität Hannover unter Leitung von Dr. Marcel Wever erforscht neue Methoden, um große KI-Grundlagenmodelle energieeffizienter zu gestalten. Solche Modelle ermöglichen zwar leistungsstarke Automatisierung, aber ihr Betrieb ist sehr energieintensiv. Das Vorhaben soll automatisierte Verfahren entwickeln, die die Modelle gezielt an Aufgaben und Hardware anpassen, um Energiebedarf und Rechenaufwand zu reduzieren, ohne die Leistungsfähigkeit der KI wesentlich zu beeinträchtigen. Die Ergebnisse sollen dazu beitragen, moderne KI-Anwendungen nachhaltiger, kostengünstiger und breiter einsetzbar zu machen.
Insgesamt gingen 52 Anträge ein, die von 16 etablierten KI-Forscherinnen und -Forschern bewertet wurden. Erstmals gab es bei dieser Ausschreibung die Möglichkeit, ein Internationalisierungsmodul zu beantragen. Dieses ermöglicht es, bis zu 10% der eigentlichen Antragssumme zusätzlich für die Unterstützung internationaler Kooperationen zu beantragen. Zwei der geförderten Projekte werden durch diese Internationalisierungsfinanzierung zusätzlich unterstützt.
Insgesamt stehen für die Förderlinie 20 Millionen Euro zur Verfügung. In der ersten Förderrunde wird etwa die Hälfe des Budgets für fünf Forschungsgruppen ausgeschüttet, die verbleibenden Mittel werden in einer weiteren Ausschreibungsrunde im Jahr 2027 vergeben. Die Förderung wird aus dem gemeinsamen Förderprogramm zukunft.niedersachsen finanziert.