Neural Attention Search (NAtS) bringt KI bei, sich auf das Wesentliche zu konzentrieren. Energie- und Hardwarekosten werden erheblich reduziert – bei gleichbleibender Leistung.
Fed-FUEL ermöglicht faire, leistungsstarke und datenschutzkonforme KI im föderierten Lernen – ohne Anpassung der zugrundeliegenden Modelle und mit besonderem Fokus auf den Schutz benachteiligter Gruppen.
Mit 40 fein abgestuften Gefühlszuständen und einem ausgewogenen Datensatz schließt EmoNetFace die Lücke zwischen „emotional blinder“ KI und der Emotionswahrnehmung menschlicher Experten.
DeepCAVE bietet Einblicke in komplexe AutoML-Optimierungen und zeigt, welche Parameter wirklich zählen – für verständlichere, effizientere und vertrauenswürdigere KI-Systeme
Mit HyperSHAP wird erstmals sichtbar, welche Hyperparameter ein KI-Modell wirklich voranbringen – und wie sie miteinander interagieren. Die Methode macht Hyperparameteroptimierung transparenter, effizienter und besser nachvollziehbar.
Eine Kombination aus pulsierendem Fluidstrahl, Audio-Monitoring und KI ermöglicht die minimalinvasive und sichere Entfernung von Knochenzement – ein wichtiger Baustein für eine schonende und automatisierbare Revisionschirurgie.
Beim 10. Town Hall Meeting des L3S am 6. Februar 2026 standen neben aktuellen Entwicklungen und neuen Projekten wieder exzellente Forschungsergebnisse im Fokus.
Visuelle KI-Systeme, die Bild und Text gemeinsam verarbeiten, sind in vielen Bereichen im Einsatz – und anfällig für Manipulationen und Vorurteile. Forscher des L3S haben eine neue Trainingsmethode entwickelt, die solche Systeme zuverlässiger und gerechter macht.
Sensoren werden im Laufe der Zeit ungenau und können Fehlentscheidungen auslösen. Eine AutoML-Lösung des L3S erkennt diese Drift automatisch und korrigiert sie in Echtzeit – für verlässliche Daten und weniger Ausfälle.
Effiziente und vertrauenswürdige Verwaltung von Datenökosystemen: Der strukturierte, lebenszyklusgetriebene Ansatz für Knowledge Graph Ecosystems (KGEs) ermöglicht Rückverfolgbarkeit von Änderungen, Interoperabilität und Erklärbarkeit.
