{"id":7565,"date":"2022-06-21T17:21:12","date_gmt":"2022-06-21T15:21:12","guid":{"rendered":"https:\/\/websites.fraunhofer.de\/audioblog\/?p=7565"},"modified":"2022-06-22T09:55:42","modified_gmt":"2022-06-22T07:55:42","slug":"audiolabs-mueller","status":"publish","type":"post","link":"https:\/\/www.audioblog.iis.fraunhofer.com\/de\/audiolabs-mueller","title":{"rendered":"The International Audio Laboratories Erlangen \u2013 Projects and People"},"content":{"rendered":"

Teil II der Serie: Music meets Hightech – Wie georgische Volksmusik komplexe Algorithmik voranbringt<\/strong><\/p>\n

<\/p>\n

Ohne technische Grundlagen bleiben die k\u00fchnsten und genialsten Ideen Luftschl\u00f6sser. Dieser Teil unserer Tour durch die AudioLabs bringt uns so gesehen zu den Baumeistern und -meisterinnen von der Musiksignalanalyse: Das Team um Meinard M\u00fcller forscht an den AudioLabs zu den Grundlagen der Audiosignalverarbeitung. Dabei werden moderne Technologien der Signalanalyse und Mustererkennung erprobt und weiterentwickelt, indem sie auf anspruchsvolle Musikszenarien angewendet werden.<\/p>\n

\"Prof.<\/a>
Prof. Meinard M\u00fcller<\/figcaption><\/figure>\n

Der Professor und Lehrstuhlinhaber f\u00fcr semantische Audiosignalverarbeitung ist seit September 2012 Teil des AudioLabs-Teams. Seine Forschung konzentriert sich dabei vornehmlich auf die Entwicklung von Methoden zur Analyse akustischer Signale und die computergest\u00fctzte Musikverarbeitung (Music Information Retrieval \u2013 MIR), also die Analyse von Audiosignalen in der Musik. Diese Signale haben spezifische Charakteristika, wie etwa Melodie, Klangfarbe oder Rhythmus. Heute werden diese Charakteristika schon vielfach verwendet, etwa um digitale Musikbibliotheken nach Genre zu sortieren oder \u00e4hnlich klingende Lieder zu finden.<\/p>\n

Besonders spannend ist f\u00fcr den Mathematiker und Informatiker die interdisziplin\u00e4re Forschung: Die Musik ist zwar Motivation und Kontext seiner Arbeit, \u201eaber im Vordergrund geht es um Signalverarbeitung, Mustererkennung und Algorithmik\u201c, sagt er. Immer wieder entdeckt er f\u00e4cher\u00fcbergreifende Szenarien, wie etwa die computergest\u00fctzte Analyse ber\u00fchmter Opern<\/a> oder georgischer Volksges\u00e4nge, die Teil des UNESCO-Weltkulturerbes sind. Im letzteren Fall untersucht M\u00fcller in Zusammenarbeit mit Frank Scherbaum und georgischen Musikethnologen tonale Aspekte dieser polyphonen Ges\u00e4nge. \u201eNat\u00fcrlich sind da viele auf den ersten Blick \u00fcberraschende Projekte dabei. Aber diese Szenarien sind eben nicht der Standard und gerade deswegen interessant\u201d, erkl\u00e4rt M\u00fcller. An genau solchen unkonventionellen F\u00e4llen wird getestet, wie sich theoretische \u00dcberlegungen in die Praxis \u00fcbertragen lassen und wo Algorithmen an ihre Grenzen sto\u00dfen. \u201eDas ist trotzdem komplexe Algorithmik, was wir hier machen\u201d, betont der Forscher. Seine Erkenntnisse dienen dazu, Problemstellungen aus unterschiedlichen Blickwinkeln zu betrachten.<\/p>\n

Dabei kommt ihm neben lebenslanger Begeisterung f\u00fcr Musik sein umfassender Wissensdurst zugute. Schon vor dem Abitur eignete er sich Grundkenntnisse im Programmieren an und w\u00e4hlte in seinem Mathematikstudium in Bonn das Nebenfach Informatik. Obwohl sein Schwerpunkt schon w\u00e4hrend der Promotion auf der Informatik lag, profitiert seine Arbeit von den erworbenen Mathekenntnissen. \u201eF\u00fcr meine jetzige Arbeit sind die diese Grundlagen essenziell, insofern war das Studium das perfekte Training\u201d, erl\u00e4utert er. Nach einem Aufenthalt in Japan als Postdoktorand an der Keio Universit\u00e4t inspirierte ihn sein ehemaliger Doktorvater zur Auseinandersetzung mit der Signal- und Musikverarbeitung und besonders mit digitalen Musikbibliotheken. \u00dcber die Habilitation in Bonn sowie eine Forschungsstelle am Max-Planck-Institut f\u00fcr Informatik in Saarbr\u00fccken f\u00fchrte ihn sein Weg schlie\u00dflich an die AudioLabs Erlangen. Aktuell besch\u00e4ftigen sein Team und er sich mit Methoden im Bereich des Deep Learning. Dabei ist es ihnen besonders wichtig, die Ursachen von Problemen zu identifizieren. Deep Learning liefere zwar h\u00e4ufig gute Ergebnisse, ben\u00f6tige aber gut annotierte Trainingsdaten in gro\u00dfem Umfang. Diese sind aber f\u00fcr spezielle Szenarien und Anwendungen, wie etwa der Analyse georgischer Ges\u00e4nge, oft nicht verf\u00fcgbar. Um dennoch verl\u00e4ssliche Analysemethoden zu entwickeln, werden Fragen mit klassischen Methoden und Deep Learning untersucht und anschlie\u00dfend die Ergebnisse der Arbeitsweisen verglichen, Unterschiede analysiert sowie jeweils Vor- und Nachteile herausgearbeitet. \u201eIm Endeffekt geht es auch darum, wie verschiedene Prozesse voneinander profitieren k\u00f6nnen. Beispielsweise l\u00e4sst sich die Flexibilit\u00e4t von datengetriebenen Verfahren h\u00e4ufig gut in modellbasierte Verfahren einbauen, w\u00e4hrend die herk\u00f6mmlichen Methoden das ben\u00f6tigte Wissen liefern\u201d, berichtet M\u00fcller.<\/p>\n

Bei der kontinuierlichen Weiterentwicklung seines Forschungsfelds hilft auch seine Begeisterung f\u00fcr die Ausbildung des wissenschaftlichen Nachwuchses. \u201eIch will, dass die Leute bei mir die grundlegenden Techniken lernen und verstehen, wie sich Methoden \u00fcbertragen lassen oder warum manche Algorithmen eben nicht funktionieren.\u201d Umgekehrt erh\u00e4lt er von Promovierenden immer neue Impulse: \u201eDie Werkzeuge \u00e4ndern sich ja st\u00e4ndig. Heutzutage arbeiten die jungen Leute prim\u00e4r mit der Programmiersprache Python, das musste ich selbst erstmal lernen, genau wie Deep Learning\u201d, betont er. Insofern ist M\u00fcller begeistert von dem Zusammenspiel der AudioLabs und dem Fraunhofer-Institut f\u00fcr Integrierte Schaltungen IIS, denn auf diese Weise erf\u00e4hrt er, welche Methoden f\u00fcr die Industrie relevant sind und kann Studierenden und Promovierenden die mathematischen und technischen Grundlagen vermitteln oder sie mit ihnen zusammen erarbeiten. Dies ist auch ein Vorteil f\u00fcr das IIS, denn Mitarbeitende erhalten so zus\u00e4tzliche Chancen, ihre Fertigkeiten zu vertiefen, Promotionen zu absolvieren oder neue Methoden zu erproben. Die Grundlagen und anderen Sichtweisen, die sie bei M\u00fcller erlernen, helfen ihnen wiederum, die Projekte am IIS vielseitig anzugehen. Insgesamt sieht der Forscher die AudioLabs als eine \u201cArt Klammer, die Industrie und Forschung verbindet.\u201d Er ist begeistert vom kontinuierlichen Austausch mit seinen Kollegen, mit denen ihn die gemeinsame Arbeit an Fragestellungen der Audio- und Signalverarbeitung verbindet.<\/p>\n

Auch au\u00dferhalb der AudioLabs und des IIS setzt sich M\u00fcller f\u00fcr den Wissensaustausch ein. Er war 2020\/21 Pr\u00e4sident der International Society of Music Information Retrieval (ISMIR) und das Institute of Electrical and Electronics Engineers (IEEE) ernannte ihn 2020 f\u00fcr seine Arbeit im Bereich der Musiksignalverarbeitung zum IEEE Fellow \u2013 eine Ehre, die nur wenigen Mitgliedern zuteilwird. Der Austausch mit der Fachwelt ist f\u00fcr ihn wichtig, schlie\u00dflich gibt es immer Neues zu entdecken.<\/p>\n

Hier kann man Teil I unserer Serie<\/a> noch einmal nachlesen.<\/p>\n

Titelbild: \u00a9 AudioLabs; Meinard M\u00fcller, Christian Dittmar<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"

Teil II der Serie: Music meets Hightech – Wie georgische Volksmusik komplexe Algorithmik voranbringt<\/p>\n","protected":false},"author":2,"featured_media":7561,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[106,116],"tags":[367],"class_list":["post-7565","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-forschung","category-menschen","tag-audiolabs-de"],"_links":{"self":[{"href":"https:\/\/www.audioblog.iis.fraunhofer.com\/de\/wp-json\/wp\/v2\/posts\/7565"}],"collection":[{"href":"https:\/\/www.audioblog.iis.fraunhofer.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.audioblog.iis.fraunhofer.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.audioblog.iis.fraunhofer.com\/de\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.audioblog.iis.fraunhofer.com\/de\/wp-json\/wp\/v2\/comments?post=7565"}],"version-history":[{"count":6,"href":"https:\/\/www.audioblog.iis.fraunhofer.com\/de\/wp-json\/wp\/v2\/posts\/7565\/revisions"}],"predecessor-version":[{"id":7596,"href":"https:\/\/www.audioblog.iis.fraunhofer.com\/de\/wp-json\/wp\/v2\/posts\/7565\/revisions\/7596"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.audioblog.iis.fraunhofer.com\/de\/wp-json\/wp\/v2\/media\/7561"}],"wp:attachment":[{"href":"https:\/\/www.audioblog.iis.fraunhofer.com\/de\/wp-json\/wp\/v2\/media?parent=7565"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.audioblog.iis.fraunhofer.com\/de\/wp-json\/wp\/v2\/categories?post=7565"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.audioblog.iis.fraunhofer.com\/de\/wp-json\/wp\/v2\/tags?post=7565"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}