Die Gruppe Kausale Inferenz (CAI) entwickelt theoretische Grundlagen, Algorithmen und zugängliche Softwarewerkzeuge für kausale Inferenz und maschinelles Lernen und arbeitet eng mit Anwendern der Methoden in vielen Bereichen des DLR, sowie nationalen und internationalen Partnern zusammen.
Die Kausale Inferenz ist ein herausforderndes und vielversprechendes Forschungsgebiet, dessen Anwendung auf Gebiete wie die Klimawissenschaften und weiteren von kritischer Bedeutung für die Gesellschaft ist. Zu den methodischen Kernthemen gehören Kausale Inferenz für raum-zeitliche dynamische Systeme, maschinelles Lernen, Deep Learning und nichtlineare Zeitreihenanalyse.
Die Gruppe ist über das ELLIS-Netzwerk und Partner in den USA stark in die internationale Forschungsgemeinschaft des Maschinellen Lernens und der Künstlichen Intelligenz vernetzt. Darüber hinaus werden die methodischen Fragestellungen inspiriert durch die vielfältige Zusammenarbeit in internationalen Forschungskonsortien mit Partnern aus der Klimaforschung und vielen weiteren Gebieten.