Unsere Forschung fokussiert sich auf die intelligente Regelung autonomer Systeme mit besonderem Schwerpunkt auf automatisierten und vernetzten Fahrzeugen. Wir verbinden Methoden der künstlichen Intelligenz und der Regelungstechnik, um adaptives, sicheres und effizientes Verhalten in vernetzten Regelungssystemen zu ermöglichen. Dabei erforschen wir Methoden des Multi-Agent Reinforcement Learning, der datengetriebenen prädiktiven Regelung sowie der kooperativen Sensordatenfusion. ... | mehr
Mit der rasanten Entwicklung der generativen KI rücken komplexe Mensch-KI-Interaktionen zunehmend in den Fokus. Fortschrittliche Technologien wie Sprachmodelle (LLMs) und KI-Agenten revolutionieren die traditionelle Mensch-Computer-Interaktion. Unsere Forschung beschäftigt sich mit der Analyse von Multi-Agenten-Systemen und Aspekten von Computer-Supported Cooperative Work (CSCW). ... | mehr
Deep Learning für Bildklassifikation (Image Classification) und Objekterkennung (Object Detention). Der Überbegriff ist Computer Vision. Einsatz von Algorithmen zur Identifikation von Abweichungen, Anomalien oder typischen Schadensverläufen an Brückenbauwerken. Machine Learning für Mustererkennung wäre hier der Begriff.
Machine Learning bietet viele interessante Aspekte, die auch aus dem Blickwinkel der Theoretischen Informatik und mathematischen Logik untersucht werden können. In der Algorithmischen Lerntheorie geht es zum Beispiel um die Frage, was überhaupt auf welche Weise algorithmisch gelernt werden kann und welche Ressourcen dafür gegebenenfalls benötigt werden. An unserem Institut wird sowohl Forschung als auch Lehre zu solchen Fragestellungen betrieben. ... | mehr
Seit über 20 Jahren entwickeln wir KI Methoden zur Steuerung multifunktionaler Prothesenhände und setzen diese sehr erfolgreich ein. Im Fokus unserer Arbeiten steht die präzise Klassifikation von Bewegungsmustern mit klassischen Machine-Learning-Methoden wie z. B. Neuronale Netze, Support-Vector-Machines und k-Nearest Neighbor Algorithmen. ... | mehr
Die KI-basierte Netzsicherheit fokussiert sich auf die Erkennung und Verteidigung von Angriffen auf der Netzebene. Zentrale Schwerpunkte sind die KI-gestützte Anomalieerkennung, insbesondere in 5G- und 6G-Kernnetzen, der Einsatz von Large Language Models (LLMs) zur Detektion und Analyse von Bedrohungen sowie die Untersuchung sozialer Netzwerke mithilfe von Deep Neural Networks. Darüber hinaus steht die Entwicklung neuer KI-basierter Ansätze zur Risikobewertung im Fokus.
Wir entwickeln datengetriebene Problemlösungen für Big Data: Neben Texten werden auch Audiosignale und Bilder verarbeitet. Unsere KI-Anwendungen reichen von der Erkennung von Deepfakes über die Rekonstruktion von Audiosignalen bis zum Einsatz von vertrauenswürdiger KI in polizeilichen Anwendungen. Ebenso analysieren wir die permanente Gefahr von Cyberangriffen und entwickeln ein Frühwarnsystem für die Gefährdung von Schutzobjekten.
Die Professur für Ingenieurmathematik (LRT 1.1) setzt KI-Methoden im Bereich der Steuerung und Regelung von technischen Systemen ein. Der Fokus liegt dabei auf problem-informierten maschinellen Lernverfahren für Trajektorienoptimierungsprobleme in komplexen Szenarien mit Echtzeitanforderungen. Problem-informierte maschinelle Lernverfahren nutzen vorhandene Problemstrukturen oder zu Grunde liegende Prinzipien, etwa Optimalitätsprinzipien, aus und ermöglichen eine Fehlerkontrolle. ... | mehr
Wir entwickeln Methoden für eine zuverlässige, sichere, faire und datenschutzfreundliche biometrische Erkennung. Dazu nutzen wir Methoden des Machine und Deep Learning, um Angriffe auf biometrische Systeme zu erkennen und die extrahierten Templates irreversibel zu transformieren, um die Privatsphäre der Probanden zu schützen. Wir arbeiten auch mit generativen KI-Techniken, um synthetische biometrische Daten zu erzeugen, um die Leistung biometrischer Systeme für verschiedene Aufgaben weiter zu verbessern.
Mit dem Einsatz von KI fördern wir die digitale Transformation in den Bereichen integrativer Middleware-Technologien, serviceorientierter Unternehmensarchitekturen und vernetzter Operationsführung. Unsere Forschung erstreckt sich von der Entwicklung eigener Multi-Agenten-Systemen bis hin zur Adaption von Large Language Modellen. Diese Expertise erbringen wir sowohl für Deutschland als auch die NATO, um die Zukunft effizienter und sicherer zu gestalten.
Data-Fusion-Engine: Das System sammelt in Echtzeit verkehrliche Trajektorien aus Videoanalysen mithilfe der Software FLOW von DataFromSky und wertet sie mit Kibana von Elasticsearch aus. Durch die Verarbeitung und intelligente Verknüpfung heterogener Datenquellen – wie Trajektorien, Wetterdaten, Immissionsdaten und weiteren Sensordaten – entwickeln wir KI-gestützte Verfahren zur Analyse, Bewertung und Prognose von Verkehrsströmen.
Unser (Professor Dr. Marko Hofmann und PD Dr. Silja Meyer-Nieberg) Schwerpunkt liegt auf der Entwicklung digitaler Lösungen für komplexe Systeme im Bereich der Medizin, der Gesundheitsversorgung und des Gesundheitssystems. Unsere Ansätze folgen dem dual use Prinzip und sind damit bei zivilen und militärischen Systemen anwendbar. ... | mehr
Wir nutzen Machine Learning im Kontext der IT-Sicherheit u. a. für Security Monitoring und Angriffserkennung durch die Analyse von aggregiertem Datenverkehr sowie Security Events von Endgeräten und dedizierter eigener Security-Sensorik. Die praktischen Anwendungsgebiete erstrecken sich dabei von klassischen Security Operations Centers über Taktische Datenlinks bis zu Low Power Wide Area Networks, insbesondere auf Basis von LoRa und LoRaWAN.
Wir forschen aktiv an der Anwendung von Künstlicher Intelligenz in der Seitenkanalanalyse. Durch den Einsatz von Machine-Learning-Algorithmen werden Angriffsmethoden optimiert, um Schwachstellen in kryptografischen Implementierungen aufzudecken. Besonders im Bereich asymmetrischer und post-quantum Kryptografie untersuchen wir, inwiefern KI-Techniken klassische statistische Methoden ergänzen oder übertreffen können. ... | mehr
Auch im Bereich der architekturbasierten und modellgetriebenen Wertschöpfungskette in Richtung „höherer Digitalisierungsgrad“ spielen Ansätze der Künstlichen Intelligenz eine immer größere Rolle. Die Professur fokussiert im Kontext von Enterprise Architecture beispielsweise Verfahren zur (semi-) automatisierten Abbildung von Modellfragmenten auf unterschiedlichen Ebenen der Unternehmenspyramide (AI-Based Model Mapping). ... | mehr
Physik-Informierte Neuronale Netze (PINNs) in der Strukturmechanik (Doktorandenthema).
Wir nutzen künstliche Intelligenz zur Modellierung turbulenter, ein- und mehrphasiger sowie reaktiver Strömungen. Mittels genetischer Programmierung und künstlicher neuronaler Netze werden datenbasierte Schließungsansätze trainiert, mit Fokus auf präzisen und transparenten Modellen für großskalige Strömungssimulationen.
Computer Vision ist seit den Anfängen Teil von KI. Wir nutzten schon vor dreißig Jahren symbolische KI für die automatische Interpretation von Karten sowie Luft- und Satellitenbildern. 2016 stellten wir den weltweit ersten Ansatz zur Interpretation von Fassaden in terrestrischen Bildern mittels CNNs vor. Seit gut fünf Jahren liegt der Schwerpunkt auf Objektdetektion in höchstaufgelösten optischen Satellitenbildern, u. a. mittels Multi-task und Self-supervised Learning und auf Grundlage von Transformern.
Die Arbeit von PD Dr. Silja Meyer-Nieberg fokussiert auf Computational Medicine und Biomedical Data Science. Hier werden Machine und Deep Learning Techniken im Bereich des Biomonitorings entwickelt, um u.a. Stress und kognitive Last zu erkennen. Weitere Anwendungsfälle finden sich im medizinischen Bereich. Aufgrund der meist schlechten Datenlage, fokussieren wir insbesondere auf Techniken der Frugal Artificial Intelligence. ... | mehr
Unsere Arbeit legt besonderen Fokus auf Prescriptive Analytics, theoretische Grundlagen und Erklärbarkeit des Reinforcement Learnings sowie Quantum Machine Learning und Optimierung. Wir entwickeln Methoden, die datengetriebene Entscheidungsprozesse verbessern, und legen dabei besonderen Wert auf vertrauenswürdige und nachvollziehbare KI. ... | mehr
Univ.-Prof. Dr.-Ing. Bassam Alrifaee
