Dr. Isabelle Kuhlmann
Lebenslauf
Studium und Ausbildung
| 2017 – 2020 | M. Sc. Computervisualistik, Universität Koblenz-Landau, Koblenz |
| 2013 – 2017 | B. Sc. Computervisualistik, Universität Koblenz-Landau, Koblenz |
Akademischer Werdegang
| seit 2021 | Wissenschaftliche Mitarbeiterin, FernUniversität in Hagen |
| 2020 – 2021 | Wissenschaftliche Mitarbeiterin, Universität Koblenz-Landau, Koblenz |
Auszeichnungen
| 2021 | Hochschulpreis der Wirtschaft, Verliehen für die Masterarbeit, IHK Koblenz |
| 2020 | Best Student Paper Award, 14th Intl. Conf. on Scalable Uncertainty Management, 2020 |
| 2019 | Best Team Award Consumer League, European Robotics League, 2018-19 |
| 2019 | Best Team Award Professional League, European Robotics League, 2018-19 |
| 2019 | 1. Platz @home Open Platform League, RoboCup World Cup 2019 Sydney |
| 2019 | 3. Platz @home Open Platform League, RoboCup German Open 2019 Magdeburg |
| 2018 | Hochschulpreis der Wirtschaft,Verliehen für die Bachelorarbeit, IHK Koblenz |
Betreute Arbeiten
Abschlussarbeiten
- Bachelorarbeit: "Untersuchung des Einflusses von Graph-Eigenschaften auf die Vorhersagequalität maschineller Lernverfahren im Kontext abstrakter Argumentation", Sandra Hoffmann, abgeschlossen, 2023
- Masterarbeit "Utilizing Knowledge Graphs in Outside Knowledge-based Visual Question Answering", Max Upravitelev, abgeschlossen, 2023
- Masterarbeit „Entwicklung von Algorithmen zur Elizitierung von sigma-äquivalenten abstrakten Argumentationssystemen“, Daniel Frahm, abgeschlossen, 2022
- Bachelorarbeit: "Analyse des formelbasierten Contension-Inkonsistenzmaßes", in Bearbeitung
- Bachelorarbeit: "Analyse des kumulativen Contension-Inkonsistenzmaßes", in Bearbeitung
- Bachelorarbeit: "Vorverarbeitungsmethoden für Inkonsistenzmessung", in Bearbeitung
- Masterarbeit: "Entwicklung algorithmischer Ansätze zur Berechnung des formelbasierten Contension-Inkonsistenzmaßes", in Bearbeitung
- Masterarbeit: "Entwicklung von Algorithmen für Inkonsistenzmessung auf Basis von QBF-Solving und ganzzahliger linearer Optimierung", in Bearbeitung
Publikationen (Auswahl)
- Isabelle Kuhlmann, Anna Gessler, Vivien Laszlo, Matthias Thimm. Comparison of SAT-Based and ASP-Based Algorithms for Inconsistency Measurement. In Journal of Artificial Intelligence Research, 82, 563-685. February 2025.
- Isabelle Kuhlmann, Carl Corea. Inconsistency Measurement in LTLf Based on Minimal Inconsistent Sets and Minimal Correction Sets. In Proceedings of the 16th International Conference on Scalable Uncertainty Management (SUM'24). November 2024.
- Carl Corea, Isabelle Kuhlmann, Matthias Thimm, John Grant. Paraconsistent Reasoning for Inconsistency Measurement in Declarative Process Specifications. In Information Systems, 122:102347. February 2024.
- Isabelle Kuhlmann, Andreas Niskanen, Matti Järvisalo. Computing MUS-Based Inconsistency Measures. In Proceedings of the European Conference on Logics in Artificial Intelligence (JELIA'23). September 2023.
- Andreas Niskanen, Isabelle Kuhlmann, Matthias Thimm, Matti Järvisalo. MaxSAT-Based Inconsistency Measurement. In Proceedings of the 26th European Conference on Artificial Intelligence (ECAI'23). September 2023.
- Isabelle Kuhlmann, Carl Corea, John Grant. An ASP-Based Framework for Solving Problems Related to Declarative Process Specifications. In Proceedings of the 21st International Workshop on Non-Monotonic Reasoning (NMR'23). September 2023.
- Isabelle Kuhlmann, Thorsten Wujek, Matthias Thimm. On the Impact of Data Selection when Applying Machine Learning in Abstract Argumentation. In Proceedings of the 9th International Conference on Computational Models of Argument (COMMA'22). September 2022.
- Isabelle Kuhlmann, Tjitze Rienstra, Lars Bengel, Kenneth Skiba and Matthias Thimm. Distinguishability inAbstract Argumentation. Proceedings of the 18th International Conference on Principles ofKnowledge Representation and Reasoning (KR’21), 2021.
- Isabelle Kuhlmann, Matthias Thimm. An Algorithm for the Contension Inconsistency Measure using Reductions to Answer Set Programming. In Proceedings of the 14th International Conference on Scalable Uncertainty Management (SUM'20). September 2020. (Best Student Paper)
- Isabelle Kuhlmann, Matthias Thimm. Using Graph Convolutional Networks for Approximate Reasoning with Abstract Argumentation Frameworks: A Feasibility Study. In Proceedings of the 13th International Conference on Scalable Uncertainty Management (SUM'19). December 2019.
20.06.2025
