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

MIRROR

Von der Wahrnehmung über die Erwartung bis zur Realisierung: Umfassende medienübergreifende Analyse von Fehlinformationen bei der Migration in die EU und potenziell daraus resultierenden Bedrohungen.

OSCAR

Opinion Stream Classification with Ensembles and Active learners

PRESENt

Wege zu einer personalisierten Prävention und Behandlung von schwerer Norovirus-Gastroenteritis

Regio

Eine Kartierung der Entstehung und des Erfolgs von Kooperationsbeziehungen in regionalen Forschungsverbünden und Innovationsclustern

Design eines Recommender-Systems für Kleidung

ROXANNE

Netzwerk-, Text- und Audio-Analyse für eine effektive Bekämpfung organisierter Kriminalität

ScienceGRAPH

Knowledge Graph based Representation, Augmentation and Exploration of Scholarly Communication

Simple-ML

Verbesserung der Benutzbarkeit von ML-Verfahren für einen breiten Anwenderkreis

SoBigData: Social Mining & Big Data Ecosystem

Die zunehmende Fülle an Daten ist eine Chance die soziale Komplexität zu entflechten und die Herausforderungen der Welt zu adressieren

TRAVELOGUES

Wahrnehmung des Anderen und des Orients in der Neuzeit