Direkt zum Inhalt
Inklusion im Internet

Auch Sehbehinderte können kollaborativ Lehrmaterialien erstellen. Mit der Integration von InclusiveOCW gelingt es SlideWiki, dass Sehende und Menschen mit Seheinschränkung kollaborativ neue Lehrmaterialien schaffen und bestehende gemeinsam erschließen können.

PDF PDF
Data4UrbanMobility. Mehr Verkehr, weniger Kollaps.

Die Deutschen zieht es in die Städte. Besonders die Metropolen werden in den nächsten Jahren weiter boomen und überdurchschnittlich wachsen. Was können Städte tun, um einen Verkehrskollaps zu vermeiden? Wie lassen sich Verkehrsflüsse zukunftsgerecht gestalten?

PDF PDF
Projekt Blinker. Navigieren mit 360°-Kamera

Industrielle Prozesse sind heutzutage hochgradig mit Automatisierungsanforderungen verknüpft. Wesentliche Bestandteile moderner Lager- und Transportprozesse sind daher (teil-)autonome Systeme wie mobile Roboter, fahrerlose Transportsysteme oder Staplerleitsysteme. 

PDF PDF
Maschinelles Lernen für Bibliotheken

Die digitale Transformation ist in vollem Gange. Big Data beeinflusst in unserer digitalisierten Gesellschaft beinahe alle Lebensbereiche und ist auch aus der Wissenschaft nicht mehr wegzudenken. Bibliotheken als zentrale Wissensanbieter stehen vor einer gewaltigen Herausforderung. 

PDF PDF
Wie sieht ein selbstfahrendes Auto?

Um sicher navigieren zu können, müssen sich selbstfahrende Autos ein Bild von ihrer Umgebung konstruieren.

PDF PDF
Geisteswissenschaften digital. Neue Forschungsmethoden veröffnen neue Blickwinkel.

Die Digitalisierung macht auch vor den Geisteswissenschaften nicht halt. Dadurch können große Mengen an Texten, Bildern und anderen digitalen Objekten verarbeitet werden. 

PDF PDF
Gemeinsam lernen im Netz

Google, Facebook, YouTube – das Internet und seine sozialen Netzwerke haben die Art, wie wir kommunizieren und nach Informationen suchen, stark verändert. Für den Bildungssektor heißt das: Statt in Kursen und nach Lehrplan zu lernen, können wir uns auch zeit- und ortsunabhängig in Lernnetzwerken austauschen und gemeinsam an Lerninhalten arbeiten.

PDF PDF
Lernende Computersysteme verändern unser Leben

ML ermöglicht die Automatisierung einfacher, eintöniger Aufgaben. Die Systeme können aber auch komplexere Aufgaben lösen und potenziell menschliche Leistung erreichen – vielleicht eines Tages sogar weit darüber hinaus? In den letzten Jahren hat es in der Mustererkennung große Fortschritte durch »tiefe«, das heißt sehr große, neuronale Netze gegeben (»Deep Learning«).

PDF PDF
Rechtliche Implikationen des maschinellen Lernens

Auf Grundlage großer Datenbestände können Algorithmen erfolgreich Muster erkennen und so ihr »Wissen« erweitern. Fraglich ist, wem diese Daten »gehören«, ob Ausschließlichkeitsrechte an ihnen bestehen und ob sie als Wirtschaftsgut tauglich sind. Aber weder die rechtliche Konstruktion des Sacheigentums noch das Immaterialgüterrecht sind auf Datens anwendbar. Mögliche Lösungen sind derzeit Teil des wissenschaftlichen Diskurses.

PDF PDF