Labore und Arbeitsgruppen

Die Arbeitsgruppe um Prof. Dr. Biedermann beschäftigt sich mit der Analyse und Prädiktion des Fahrerzustands und -verhaltens. Ziel ist es dabei, gefährliche Situationen aufgrund mangelnder Aufmerksamkeit des Fahrers, beispielsweise durch Ablenkung oder Müdigkeit, zu identifizieren und durch optische, akustische und / oder haptische Warnsignale anzuzeigen. Neben den unmittelbar erlebbaren Assistenzfunktionen im Auto, wie beispielsweise der Notbremsung oder dem Spurwechselassistent, kann die Analyse und Klassifikation des Nutzerzustands auch für die Auswahl des Infotainments oder als Informationen für Versicherungsunternehmen eingesetzt werden. Da regelbasierte Methoden die große interindividuelle Varianz von Verhaltensmustern bei der Nutzerzustandsmodellierung nur schwer beschreiben können, ist der Einsatz von künstlicher Intelligenz auf diesem Forschungsgebiet von besonderer Bedeutung.

Aufgrund seiner langjährigen Tätigkeit in der Automobilindustrie besitzt Prof. Dr.-Ing. Biedermann viel Erfahrung in der multisensorischen Mensch- / Fahrermodellierung, der Interpretation und Analyse von Mensch-Maschine-Interaktionsmustern sowie der Algorithmik und maschinellen Lernverfahren zur Verhaltensklassifikation. Im KI-Bereich verfügt Prof. Dr.-Ing. Biedermann darüber hinaus vor allem über Kompetenzen im Labeling von Daten sowie Validierungsstrategien und der Auswertung der Performance der programmierten Systeme.

Einer der Forschungsschwerpunkte der Arbeitsgruppe um Prof. Dr. Jouanne-Diedrich ist Explainable AI, auch X-AI genannt. In seiner langjährigen Forschungstätigkeit zum Thema künstliche Intelligenz stieß Prof. Dr. Jouanne-Diedrich immer wieder auf die Herausforderung, dass die Verwendung künstlicher neuronaler Netze zwar häufig hervorragende Ergebnisse liefert, die Art und Weise, wie diese Technologien allerdings ihre Entscheidungen treffen, nicht erklärbar ist.

Da das Verständnis über die Entscheidungsfindung jedoch in einigen Anwendungsbereichen, wie der Medizin oder der Finanzbranche, von hoher Relevanz ist, setzte sich das Team zum Ziel, Methoden zu entwickeln, die mehr Transparenz über den Lernmechanismus neuronaler Netze herstellen sollen. Um eine bessere Erklärbarkeit ohne Verlust von Genauigkeit zu erreichen, kombiniert die Arbeitsgruppe hierfür auf geschickte Art und Weise mehrere lineare Funktionen in klassischen Verfahren, wie beispielsweise Decision Trees oder Random Forests.

Weitere Informationen und Ausführungen über künstliche Intelligenz finden Interessierte auf Prof. Dr. Jouanne-Diedrichs Blog Learning Machines. A blog about data, science, and learning machines – like us

Die Arbeitsgruppe um Herrn Prof. Dr. Radke beschäftigt sich mit Datenanalyse im Allgemeinen. In der Handhabung von Realdaten ergeben sich oft diverse Schwierigkeiten und Fallstricke, die es zu umgehen gilt. Herr Radke besitzt langjährige Erfahrung in der Anwendung von KI-Modellen auf industrielle Daten und möchte diese den Studierenden in Form von Studien-, Bachelor oder Masterarbeiten weitergeben. Ein weiterer Schwerpunkt liegt in der Anwendung tiefer neuronaler Netze. Wissenschaftliche Arbeiten sind nach Absprache auch in Kooperation mit anderen Laboren möglich.

Die Arbeitsgruppe um Frau Prof. Dr. Schork beschäftigt sich mit Sustainable Digital Innovations und fokussiert nachhaltige KI-Systeme. Prof. Dr. Schork ist Expertin für die individuelle Profilbildung im Innovationsumfeld. Dieses Thema war bereits Bestandteil Ihrer Doktorarbeit und wird auch in den darauffolgenden Publikationen behandelt.

Prof. Dr. Schork betreut drei externe Promotionen und zwei Masterarbeiten pro Semester aus unterschiedlichen Studiengängen. Sie fokussiert sich in ihrer Forschung auf „Artificial Intelligence in Education“. Dabei interessiert Sie sich für nachhaltige und nachvollziehbare KI-Systeme zur Entwicklung von Lernenden, die das Wohlbefinden des Individuums im Blick behalten. Damit werden das UN-Nachhaltigkeitsziel (Sustainable Development Goal = SDG) 3 „Good Health and Wellbeing“, das SDG 4 „Quality of Education“, das SDG 13 „Climate Action“ und das SDG 11 „Industry, Innovation and Infrastructure“ behandelt. Prof. Dr. Schork gibt Studierenden und Promovierenden die Möglichkeit ihr individuelles Profil zu ergründen und darauf aufbauend ihr Studium bzw. ihren Lebensweg aktiv zu gestalten. Ein positives Wohlbefinden stehen hier neben dem Erreichen eines gutes Lernergebnis im Fokus. Studierende können im SDI Maker Space ihre favorisierten Themen zu Innovationen ausarbeiten - gerne auch auf Basis ihrer individuellen Profile.

Weitere Informationen und Ausführungen über die Aktivitäten von Prof. Dr. Schork