Smarte Daten & Wissensdienste

Im Themenfeld Mustererkennung untersuchen wir Daten unterschiedlichster Natur auf Ähnlichkeiten, Wiederholungen und Gesetzmäßigkeiten, um diese praktisch nutzbar zu machen. Charakteristisch für das Themenfeld Mustererkennung ist das adressierte breite Anwendungsfeld mit unterschiedlichsten Datenformaten und Zielstellungen, welche durch ein großes Spektrum an Methoden und Ansätzen abgedeckt wird.

Die Ziele der Musterkennung liegen in der automatischen Übertragung von Erkennungsergebnissen in standardisierte Formate, in der Prognose von Eigenschaften, Zuständen und zeitlichen Entwicklungen, in der Erkennung von Anomalien/Problemen sowie in der Optimierung von Steuerungen und medizinischen Behandlungen.

Die von uns betrachteten Anwendungsfelder sind u.a. Geschäftsdokumente, technische Zeichnungen, medizinische Protokolle und Daten (z.B.  Gensequenzen und Bildmaterial), Messwerte in komplexen technischen Systemen (z.B. in Fahrzeugen, bei Produktionsmaschinen und in der Energieversorgung) sowie Cyber Communities.

Die besonderen Kompetenzen in unserem Themenfeld sind:

1. Hybrid AI: In vielen Anwendungsfelder der Mustererkennung liegt bereits etabliertes Expertenwissen vor. Dieses wird von uns zur Verbesserung von Deep Learning basierten Analysemethoden genutzt. Durch die Kombination von Expertenwissen und Deep Learning verbessern wir die Erkennungsgenauigkeit von Deep Learning Algorithmen, gerade auch bei kleineren Trainingsmengen.
2. Explainable AI: Wir erweitern Deep Learning um Erklärkomponenten - eine Unabdingbarkeit für die Akzeptanz der Ergebnisse eines maschinellen Algorithmus.
3. Privacy Preserving Machine Learning: Wir wollen das Potenzial großer Datenbestände zum Lernen ausnutzen, ohne die Schutzrechte der beitragenden Individuen zu gefährden.

Unsere Vision ist, das Potential von Deep Learning für intelligente Systeme zu nutzen, die menschliches Expertenwissen einbeziehen, für den Menschen nachvollziehbare Entscheidungen treffen und die Privatsphäre jedes einzelnen schützen.

Aktuelle Arbeiten in unserem Team betreffen:

• Hybride Künstliche Intelligenz für Automatisiertes Fahren
• Prädiktive Wartung und Vorhersage
• Anomalieerkennung
• Analyse medizinische Bilder (Genomanalyse, Zellanalyse)
• Erklärkomponenten für Zeitreihenanalyse und medizinische Anwendungen
• Überwachung von Sensornetzwerken zur Analyse und Steuerung
• Privacy Preserving Machine Learning
• Federated Learning
• Few Shots Learning
• Dokumentanalyse im Kontext von Geschäftsprozessen
• Tabellenerkennung und –analyse
• Analyse von technischen Zeichnungen/Ablaufplänen
• Automatische Analyse, Überwachung und Profing in wissenschaftlichen Cyber Communities