Direkt zum Inhalt

Intelligente Systeme sind durch Lernvorgänge geprägt, die den Erwerb neuer Fähigkeiten ermöglichen und mit einer großen Menge von heterogenen, unsicheren und probabilistischen Daten umgehen können. Aufgrund der Komplexität der dadurch repräsentierten Situationen in der realen Welt ist eine automatische Abstraktion von Informationen aus Daten, die Bildung  geeigneter repräsentativer Modelle und die semantische Verarbeitung der vorhandenen Informationen unabdingbar, um auf dieser Basis intelligente Systeme für den digitalen Wandel, zum Beispiel im Bereich Mobilität, Industrie, Medizin und Bildung, zu ermöglichen.

Projekte

Alexandria

Entwicklung von Modellen, Werkzeugen und Technologien zur Archivierung von Web-Inhalten

AMA - Applied Machine Learning Academy

Weiterbildung auf der Grundlage eines nachhaltigen, flexiblen und stark anwendungsorientierten Qualifizierungskonzepts

AutoPIN

Kostenersparnis durch maschinelles Lernen bei der Inspektion von Rohrleitungssystemen 

BIAS

Vorurteile und Diskriminierung bei großen Datenmengen und algorithmischer Verarbeitung. Philosophische Bewertungen, rechtliche Aspekte und technische Lösungen

BigMedilytics

Einsatz von Big-Data-Technologien zur Unterstützung effizienter und effektiver Gesundheitssysteme

BLINKER - Localization and Navigation With a 360°-Camera

Collaboration between L3S and Goetting KG, a company which is specialized on driverless transportation systems

BOOST4.0 - Big Data for Factories

Big Data Value Spaces for COmpetitiveness of European COnnected Smart FacTories 4.0

BRENDA II

Weltweit größte Informationssystem für biochemische, molekularbiologische und funktionale Enzymdaten

CHORUS

Eine massiv parallele und skalierbare Vektorprozessorplattform für hochautomatisierte Fahrerassistenzsysteme

 

Cleopatra

Analyse ereignisbasierter Informationen verschiedener Sprachen aus heterogenen Quellen