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

CHORUS

Eine massiv parallele und skalierbare Vektorprozessorplattform für hochautomatisierte Fahrerassistenzsysteme

 

Cleopatra

Analyse ereignisbasierter Informationen verschiedener Sprachen aus heterogenen Quellen

Coding of Sequencing Data

Streaming für die Genomforschung

d-E-mand

Vorhersage von Ladebedarf bei Elektromobilität als Business Enabler

Data4UrbanMobility

Entwicklung von Werkzeugen für einen ereignisbasierten Überblick über Mobilitätsinformationen und die effiziente Planung, Entwicklung, Durchführung und Nutzung von innovativen Mobilitätsdienstleistungen

Discovering Job Knowledge from Web Data

Discovering Job Knowledge from Web Data

EAST-CITIES

Aufstellen und Erreichen nachhaltiger Ziele in ostchinesischen Städten

eLabour II

Interdisziplinäres Zentrum für IT-basierte qualitative Forschung in der Arbeitssoziologie

ErrorlessLearning

Aufstockungantrag zu einer Orthografie-Übungsmethode

iASiS

Erkenntnisse aus Patientendaten für die Präzisionsmedizin