Forschungsprojekte

  • Towards AI powered manufacturing services, processes, and products in an edge-to-cloud-knowlEdge continuum for humans [in-the-loop]

    Beschreibung:

    Künstliche Intelligenz (KI) ist der Software-Engine für die vierte industrielle Revolution, die die Art und Weise, wie wir leben und arbeiten, verändern wird. Die komplexen Technologien und der Mangel an qualifizierten Fachkräften sind jedoch ein Hindernis für die Weiterentwicklung der KI und damit für die Verbesserung der Produktqualität und die Nachhaltigkeit des Unternehmens. Das von der EU finanzierte knowlEdge-Projekt wird sich mit dem Bedarf an neuen KI-Lösungen befassen, die flexibel, wiederverwendbar, verteilt, skalierbar, verantwortlich, sicher, standardisiert und kollaborativ sind. Der vorgeschlagene neue Rahmen wird die sichere Verwaltung von verteilten Daten gewährleisten und den Wissensaustausch erleichtern. Um sein Ziel zu erreichen, wird das Projekt innovative Technologien aus den Bereichen Datenmanagement, Datenanalyse und Wissensmanagement kombinieren.

  • Gaussian processes for automatic and interpretable anomaly detection

    Beschreibung:

    Ziel dieses Forschungsprojekts ist die Erforschung von Gauß-Prozessen zur effizienten Erkennung und Interpretation von Anomalien in multivariaten Zeitreihendaten. Insbesondere sollen unüberwachte Gauß-Prozesse untersucht und weiterentwickelt werden, um zugrunde liegende Korrelationen und Anomalien zu erkennen, zu verstehen und aufzulösen. Um Gaußsche Prozessmodelle skalierbar und in Echtzeit zu erlernen, wollen wir neue Streaming-Algorithmen entwickeln, die quelloffen und unter Bezugnahme auf Industriestandards implementiert und in anwendungsorientierten Szenarien gemeinsam mit Partnern aus der Wirtschaft getestet werden.

  • Efficient Ptolemaic Indexing

    Beschreibung

    Mit dem rasanten Wachstum heterogener Daten steigt die Nachfrage nach effizientem und skalierbarem Datenzugriff. Ptolemäische Zugriffsmethoden bieten einen domänenunabhängigen Ansatz zur Indizierung und zum Zugriff auf komplexe Datenräume auf der Basis metrischer Ähnlichkeitsmodelle. Während erste Studien bereits die Effizienz dieser vergleichsweise jungen Indizierungsmethode in verschiedenen datenintensiven Domänen nachgewiesen haben, sind die Grundlagen dieses Ansatzes noch weitgehend unerforscht. Fragen zur Approximation von Distanzen in metrischen und ptolemäischen Datenräumen, zur Geometrie ptolemäischer Abfragen sowie zum Zusammenspiel verschiedener Lower Bounding-Verfahren gelten derzeit als nicht ausreichend beantwortet. Ziel dieses Forschungsprojektes ist es, die Grundlagen ptolemäischer und metrischer Zugriffsverfahren zu untersuchen und die gewonnenen Erkenntnisse methodisch weiterzuentwickeln, um die Leistungsfähigkeit dieser Klasse von Zugriffsverfahren für die Indizierung großer, komplexer Datenräume nachzuweisen. Dieses Forschungsprojekt verfolgt damit das übergeordnete Ziel, die Entwicklung effizienter Datentechnologien zur Erschließung digitaler Datenbestände voranzutreiben.

13.04.2022