Fokus unserer Forschung
Künstliche Intelligenz und im Speziellen maschinelles Lernen bilden den gemeinsamen inhaltlichen Kern unserer Forschungsaktivitäten. Im Fokus des Forschungsinstituts stehen neuartige intelligente und lernfähige Systeme für Wirtschaft, Verwaltung und Industrie, aber auch für Start-ups. Durch die Zusammenführung der Forschung im maschinellen Lernen werden gemeinsame Modellierungs- und Entwicklungsmethoden sowie Technologie-Sets genutzt und weiterentwickelt, um neuartige Anwendungsmöglichkeiten zu unterstützen und auch neue intelligente Anwendungen zu erforschen.
Dabei analysieren wir umfangreiche strukturierte und unstrukturierte Datenbestände mittels Clustering, Klassifizierung sowie Text und Data Mining mit dem Ziel einer mehrstufigen Entscheidungsfindung im Umfeld dynamischer Systeme. Wir forschen an vernetzten intelligenten Transportsystemen genauso wie an neuen Lösungen in der Robotik (z. B. Assistenzroboter) und in der Entscheidungsunterstützung für komplexe Problemstellungen. Ferner untersuchen wir mit Hilfe von Fernerkundungsdaten Vegetationsstrukturen im Forstbereich oder Katastrophenschäden.
Wir arbeiten interdisziplinär zusammen und profitieren durch die sich ergebenden Synergieeffekte in breit angelegten Forschungsvorhaben.
Unsere Kompetenzen
Das Forschungsinstitut IAMLIS bündelt Verfahren des maschinellen Lernens:
- Deep Learning
- Reinforcement Learning
- Generative Verfahren
- Semantische Modellierung
- Textmining
- Soft Computing
- Fuzzy Rough Sets
- Parameterschätzung
- Signalverarbeitung
Durch die Zusammenführung der Kompetenzen ergeben sich neben den bisherigen Forschungsthemen auch übergreifende, interdisziplinäre Lösungsansätze. Vor allem in der Analyse sehr umfangreicher Daten mit Hilfe von maschinellen Lernverfahren sehen wir großes Potenzial für die anwendungsorientierte Forschung. Durch die interdisziplinäre Kombination des fachlichen Know-Hows und der Methodenanwendung aus unterschiedlichen Blickwinkeln können Problemstellungen ganzheitlich bearbeitet werden.
Anwendungsszenarien
Momentan konzentrieren wir uns in mehreren Anwendungsgebieten auf Anwendungsszenarien, die von Methoden des maschinellen Lernens geprägt sind:
- Ambient Assisted Living (Assistenzroboter).
- Machine Learning gestützte Ressourcenzuteilung und Informationsverbreitung in Mobilfunknetze
- Matching von Web-Content
- Mustererkennung in Social Media Kanälen
- Mustererkennung bei Krankheitsverläufen
- Waldinventuren mit Hilfe von Fernerkundungsdaten
- Analyse von Siedlungsmustern
- Gletschermonitoring
- Schadensdetektion nach Sturmereignissen
- Wasserstandskartierung aus dem All
- UAV-gestützte Geodatenerfassung