Ende Mai versammelte der 7. SLSIP-Workshop im albanischen Krujë erfahrene und angehende Forschende des statistischen Lernens für die Signal- und Bildverarbeitung. Mitorganisiert wurde er von emergenCITY-PI Michael Muma.
Vom 25. bis 29. Mai 2026 war die historische Stadt Krujë in Albanien Gastgeberin des 7. SLSIP-Workshops (Statistical Learning for Signal and Image Processing). Die europäische Workshop-Reihe, die 2018 in Helsinki ihren Anfang nahm, widmet sich der Entwicklung robuster, datengetriebener Methoden für die Signal- und Bildverarbeitung und dem interdisziplinären Austausch über Ländergrenzen hinweg. emergenCITY begleitet die Initiative seit ihrer dritten Auflage im Jahr 2021 und versteht sie als Beitrag zur nächsten Generation resilienter Systeme.
Der Workshop konzentrierte sich erneut auf eine Reihe hochaktueller Themen: statistisches Lernen für robuste Signalverarbeitung und -steuerung, biomedizinische Signal- und Bildverarbeitung, statistische Modellierung dünnbesetzter, komplexer und multisensorischer Daten, Graphentheorie für die Signalverarbeitung in dynamischen und großen Netzwerken sowie verteilte Optimierung für intelligente Systeme. Die Anwendungen reichten von der Neurowissenschaft über elektrische Systeme bis hin zur Array-Signalverarbeitung.
Rund 50 Doktorand:innen, Postdocs und weitere Nachwuchsforschende, darunter der emergenCITY Doktorand Christoph Löser und der assozzierte Doktorand Taulant Koka nahmen teil. Der Workshop bot ihnen eine Plattform für intensive Zusammenarbeit und Vernetzung. Das Programm kombinierte einstündige Vorträge, Kurzvorträge und offene Diskussionsrunden, um neue Kontakte und gemeinsame Forschungsideen zu fördern.
emergenCITY förderte in diesem Jahr den Plenarvortrag von Igal Bilik (Ben-Gurion-Universität des Negev), der auf Einladung von Michael Muma zum Workshop kam. In „Statistical Signal Processing for 4D Imaging Radar-based Autonomous Applications“ sprach Bilik über den Übergang von modellbasierter statistischer Signalverarbeitung hin zu datengetriebenen Deep-Learning-Architekturen in der automobilen Radarwahrnehmung. Klassische, statistisch fundierte Verfahren wie CFAR-Detektion, Richtungsschätzung (DOA) und Kalman-Filterung stoßen an ihre Grenzen, sobald moderne 4D-Bildgebungsradare mit Entfernung, Doppler, Azimut und Elevation zum Einsatz kommen, denn die hohe Dimensionalität und Dünnbesetztheit der Daten überfordert herkömmliche Schätzer. Bilik zeigte, wie sich das Rahmenwerk des statistischen Lernens auf zentrale Radaraufgaben anwenden lässt, etwa verteilte Zieldetektion, semantische Segmentierung von Radar-Punktwolken, leistungsfähige Sensorik mit kostengünstiger Hardware sowie die Fusion von Radar- und Kameradaten und kooperatives Sensing über vernetzte Radarsysteme. Zum Abschluss stellte er Radar und LiDAR gegenüber und betonte, dass gerade die statistische Robustheit des Radars eine zuverlässige, wetterunabhängige Wahrnehmung ermöglicht, eine Fähigkeit, die für resiliente Sensorik in Krisensituationen unmittelbar relevant ist und damit ein Kernanliegen von emergenCITY berührt.
Ebenfalls auf Einladung von Michael Muma, finanziert aus Mitteln seines ERC Starting Grant, sprach Reinhard Heckel (TU München) in „Learning to Reconstruct, Learning to Discover“ über den Wandel von handentworfenen hin zu aus Daten gelernten Algorithmen. Während Verfahren der Signal- und Informationsverarbeitung traditionell von Hand entworfen wurden, werden viele der heute leistungsfähigsten Ansätze, insbesondere bei der Bildrekonstruktion, aus Daten gelernt. Heckel stellte zunächst eigene Arbeiten zum Lernen effizienter Rekonstruktionsalgorithmen vor und erläuterte anschließend, wie LLM-gestützte Agenten dabei helfen können, neue Lösungen für langjährige algorithmische Herausforderungen der Signal- und Informationsverarbeitung zu finden.
Mitorganisiert wurde der Workshop von Michael Muma, Principal Investigator im LOEWE-Zentrum emergenCITY und Leiter der Robust Data Science Group an der TU Darmstadt. Für die hervorragende lokale Organisation des SLSIP-Workshops in Krujë, von der reibungslosen Logistik bis hin zum abwechslungsreichen Rahmenprogramm, war Taulant Koka als Local Chair verantwortlich. Sein großes Engagement hat maßgeblich dazu beigetragen, dass der Workshop zu einem außergewöhnlichen wissenschaftlichen und persönlichen Erlebnis für alle Teilnehmerinnen und Teilnehmer wurde. Im Namen aller Beteiligten möchten wir Taulant Koka herzlich für dieses gelungene Treffen danken.
