Sprach- und Bildverarbeitung

Ziel ist, automatisiert ausgewählte (Lauf-) Apps zu überwachen und deren gesammelte Daten zu analysieren, mit Social-Media-Profilen zu korrelieren und Personencluster zu bilden, um potenzielle Ziele zu identifizieren und ihr Gefährdungspotenzial abzuschätzen.

Das Verkehrsnetz aus Straßen, Schienen und Brücken ist entscheidend für unsere Mobilität. In Deutschland sind Tausende von Brücken sanierungsbedürftig, was zu hohem Verkehrsaufkommen, Staus, Umweltverschmutzung, Klimaschäden und Verzögerungen in der Lieferkette führen kann.

Ziel des Projekts ist es, digitales Lernen durch intelligente, hochwertige Aufgabenerstellung und skalierbare Unterstützungssysteme zu verbessern. Unser Team leitet das Zentrum für KI und Innovation und entwickelt Verfahren zur Generierung und Bewertung digitaler Aufgaben, für kontextbezogene Empfehlungen sowie für passgenaue Hinweise und Erklärungen für Studierende.

Das Ziel des Projekts ist die Entwicklung biometrischer Erkennungsalgorithmen auf Basis des Herzschlags der Personen. Die erforderlichen Elektrokardiogramm-Signale (EKG) werden mit einer speziell entwickelten Weste erfasst, wobei wir darauf abzielen, bei verschiedenen körperlichen Aktivitäten möglichst geringe Fehlerquoten zu erzielen, ohne die Privatsphäre der Personen zu beeinträchtigen.

Das Projekt „KiTIE“ entwickelt ein IT-basiertes Instrument zur Identifikation von Kooperationspartnern für außeruniversitäre Forschungseinrichtungen basierend auf Patentinformationen. Das Ziel ist es, eine effektive und effiziente Partnerfindung im Technologietransfer zu ermöglichen und eine transparente und eigenverantwortliche Beteiligung aller Akteure zu fördern.

Ziel des Projekts ist die Weiterentwicklung vertrauenswürdiger KI durch die Förderung multiattributiver Fairness für tabellarische, netzwerkbasierte und multimodale Daten. Unser Team entwickelt Methoden zur Identifikation, Minderung und Erklärung komplexer Bias- und Diskriminierungsformen, die aus der Interaktion geschützter Merkmale sowie aus zunehmender Datenkomplexität entstehen.

Ziel ist die Detektion von Objekten, wie z. B. Flugzeugen, Schiffen und Fahrzeugen, in hochaufgelösten optischen Satellitenbildern (Auflösung bis 30 cm). Hierzu werden Methoden der KI, insbesondere Convolutional Neural Networks (CNNs) und Transformer verwendet.

Gegenstand der Studie ist die Untersuchung innovativer KI-Methoden für die Auswertung von hochauflösenden Satellitenbildern zu entwickeln und hinsichtlich ihrer Leistungsgrenzen zu bewerten. Der Schwerpunkt liegt dabei auf Radardaten, für die speziell angepasste KI-Modelle erforderlich sind. Zielsetzung ist insbesondere die rasche 3D-Rekonstruktion, die beispielsweise für eine rasante Änderungsdetektion eingesetzt werden soll.

Ziel des Projekts ist der Aufbau einer umfassenden Daten- und KI-Infrastruktur durch die Entwicklung eines Knowledge Lake Management Systems, das FAIR-Daten (auffindbar, zugänglich, interoperabel, wiederverwendbar) und AI-ready-Daten (hochwertig, zuverlässig annotiert) bereitstellt – ein zentraler Schwerpunkt unseres Teams. Dadurch werden robuste und vertrauenswürdige KI-Anwendungen im Agrifood-Bereich ermöglicht.

Moderne KI-basierte Programme ermöglichen Usern, in nur wenigen Klicks täuschend echte Bilddaten zu generieren. Dadurch kommt es zunehmend zu Missbrauch, etwa für Desinformation oder Betrug. Das Projekt SynData setzt hier an: Es soll dazu beitragen, den zugrundeliegenden Generierungsprozess besser zu verstehen und gleichzeitig die Erkennung künstlich erzeugter Bilddaten zuverlässiger zu machen.

Das Projekt VIKING widmet sich der Erforschung vertrauenswürdiger KI-Methoden zur Textklassifikation. Aufgrund der umfangreichen Textdaten, die in der Polizeiarbeit untersucht werden, ist eine Unterstützung durch KI-Methoden erforderlich. Um die Vertrauenswürdigkeit der Methoden zur gewährleisten, werden Verfahren zur Analyse und Mitigation von Bias und zur Generierung von Erklärungen erforscht.