Prof. Dr. Markus Lange-Hegermann und Steffen Fricke haben das inIT bei der internationalen Konferenz „Symbolic Computation and Machine Learning“ und dem angeschlossenen Workshop „Symbolic Computation and Differential and Difference Equations“ (SCML & SCDDE 2026) in Hagenberg, Österreich, vertreten. Die Gesamtveranstaltung fand vom 6. bis 10. Juli 2026 am Research Institute for Symbolic Computation (RISC) statt und war Teil des RISC Summer 2026. Die SCML lief vom 6. bis 8. Juli, der angeschlossene SCDDE-Workshop vom 8. bis 10. Juli. Im Mittelpunkt standen aktuelle Forschungsfragen an der Schnittstelle von symbolischer Berechnung, Machine Learning, formalen Methoden und Differentialgleichungen.
Mathematik und KI zusammendenken
Die SCML & SCDDE 2026 rückte die Verbindung zweier zentraler Ansätze der Künstlichen Intelligenz in den Fokus: Symbolic Computation und Machine Learning. Diskutiert wurden unter anderem hybride KI-Ansätze, erklärbare und verifizierbare KI, die Verbindung von Large Language Models mit formalen Methoden sowie Anwendungen in mathematischen Softwaresystemen.
Damit griff die Konferenz ein Forschungsfeld auf, das derzeit stark an Bedeutung gewinnt: Wie lassen sich lernende Systeme mit mathematischem Strukturwissen verbinden, damit KI-Anwendungen nicht nur leistungsfähig, sondern auch nachvollziehbarer und zuverlässiger werden? Neben den wissenschaftlichen Vorträgen bot die Veranstaltung Raum für Austausch über neue Forschungsansätze, mögliche Kooperationen und zukünftige Projekte.
Zwei Beiträge aus dem inIT
Das inIT war mit zwei Beiträgen auf der SCML & SCDDE 2026 vertreten. Die Vorträge zeigten unterschiedliche Perspektiven auf aktuelle KI-Forschung: von mathematischen Grundlagen des Machine Learning bis hin zur Anwendung großer Sprachmodelle in der Netzwerktechnik.
Differentialalgebraisches Machine Learning
Vorstandsmitglied Prof. Dr. Markus Lange-Hegermann war als Invited Speaker eingeladen. In seinem Vortrag „Differential Algebraic Machine Learning in Linear PDE Solution Spaces“ zeigte er, wie sich differentialalgebraische Methoden und Machine Learning verbinden lassen.
„Ich habe mich sehr über die Einladung gefreut, weil die Konferenz viele Themen zusammenbringt, die auch meine Forschung prägen: mathematische Strukturen, Machine Learning und die Frage, wie sich beides sinnvoll verbinden lässt. Der Austausch mit Forschenden aus unterschiedlichen Bereichen war entsprechend spannend“, sagt Prof. Dr. Markus Lange-Hegermann.
LLM-basierte Konfiguration von 5G-Netzen
Steffen Fricke, wissenschaftlicher Mitarbeiter und Doktorand in der Forschungsgruppe Computernetzwerke unter der Leitung von Prof. Dr. Jürgen Jasperneite, stellte den Beitrag „Approach for the network configuration of wireless systems using RAG, Fine-Tuning and formal verification component“ vor. Darin präsentierte er ein Konzept zur LLM-basierten Konfiguration von 5G-Netzen, das Retrieval-Augmented Generation, Fine-Tuning und formale Verifikation verbindet.
„Für mich war die Konferenz besonders spannend, weil ich unser Thema in einem internationalen Umfeld vorstellen und mit Forschenden aus ganz unterschiedlichen Bereichen diskutieren konnte. Der Blick über die eigene Fachrichtung hinaus war dabei sehr wertvoll“, sagt Steffen Fricke.
Austausch am Forschungsstandort Hagenberg
Auch das Rahmenprogramm bot Einblicke in den Forschungs- und Technologiestandort Hagenberg. Dazu gehörten eine Führung durch den von dem österreichischen Mathematiker Bruno Buchberger gegründeten Softwarepark Hagenberg und ein Vortrag von Stephen Wolfram, dem Gründer von Wolfram Research und Entwickler von Mathematica. Beim Conference Dinner auf der Terrasse des Parkhotels Hagenberg gab es zudem Gelegenheit für Gespräche und fachlichen Austausch.
„Wir freuen uns, mit unseren Beiträgen aus dem inIT Teil dieser rundum gelungenen Veranstaltung gewesen zu sein und den Austausch in diesem dynamischen Forschungsfeld mitzugestalten“, sagt Prof. Dr. Markus Lange-Hegermann
Autorin: Mona Marie Brinkmann