wir bieten...
Dekobild im Seitenkopf ISMLL
 
Projekte & Kooperationen:

Forschungsprojekte

KIWI - biolab

(Start: Mai 2020)
Ziel des internationalen Zukunftslabors: KIWI-biolab: Das KIWI-biolab wird durch Forschung in den Bereichen KI, ML und Automatisierung ein völlig autonomes Biolabor für die Bioprozessentwicklung ermöglichen. Wichtige Grundlage ist die führende Rolle Deutschlands in der automatisierten Hochdurchsatz- Bioprozessentwicklung. Durch die Gewinnung exzellenter Wissenschaftler, die sich mit der Entwicklung neuer digitaler Lösungen für die autonome Planung von Experimenten, der Überwachung und Steuerung von Roboteranlagen, der Analyse und Auswertung der erzeugten Daten und der Optimierung von Bioproduktionsprozessen befassen, wird diese führende Rolle weiter ausgebaut werden. Das KIWI-biolab wird die große Lücke in der Forschung, Entwicklung und Anwendung von Werkzeugen der Künstlichen Intelligenz (KI) und des Machine Learning (ML) für die Biotechnologie und Biomanufacturing schließen. Zu diesem Zweck sind die Hauptziele des KIWI-biolab:
  • Aufbau einer internationalen Gruppe exzellenter Wissenschaftler in der KI für nachhaltige biotechnologische Anwendungen
  • Schaffung und Entwicklung neuer Instrumente zur Förderung der Entwicklung nachhaltiger und umweltfreundlicher Produktionsprozesse
  • Deutschland an der Spitze beim autonomen Betrieb von Parallelkultivierungsrobotern halten
  • Ausbau eines internationalen Netzwerks für einen langfristigen Betrieb des KIWI-biolabs
[mehr]
Kontakt: Prof. Lars Schmidt-Thieme, Randolf Scholz

Zukunftslabor Gesellschaft und Arbeit

(Start: Januar 2020)
Wir möchten die Chancen der Digitalisierung nutzen, um Gestaltungsspielräume zu öffnen, belastende Tätigkeiten zu minimieren und neue Beschäftigungssegmente zu schaffen. Lebensqualität und Wirtschaftlichkeit sind dabei keine Gegensätze.
Das Teilprojekt "Künstliche Intelligenz und Organisationsprozesse" befasst sich mit Möglichkeiten zur Verbesserung von Organisations-und Arbeitsprozessen. Erforscht werden Ansätze zur Erklärbarkeit und Nachvollziehbarkeit der Entscheidungen und Aktionen von intelligenten Systemen und Verfahren, um bei der Entwicklung von KI-Lösungen Diskriminierungen zu vermeiden und die Fairness zu steigern. [mehr]
Kontakt: Prof. Lars Schmidt-Thieme, Thorben Werner

Learning to Optimize (L2O)

(Start: Mai 2020)
Während die Tourenplanung für kleinere bis mittlere Anzahlen an Fahrzeugen mit Methoden des klassischen Operations Research (OR) seit langem zuverlässig gelöst werden kann, stellen Probleme mit mehr als 100 Fahrzeugen sowie komplexen Nebenbedingungen (relevant im Bereich von Logistik- Unternehmen und Flotten großer mobiler Pflegedienste) Herausforderungen dar, die im Normalfall sehr lange Rechenzeit in Anspruch nehmen und häufig nur noch näherungsweise gelöst werden können. Aus diesem Grund widmet sich das Projekt der effektiven und innovativen Kombination von klassischen Optimierungsmethoden des OR und Techniken der Künstlichen Intelligenz (KI), um diese Herausforderungen zu adressieren. [mehr]
Kontakt: Prof. Lars Schmidt-Thieme, Jonas Falkner

IIP-Ecosphere Next Level Ecosphere for Intelligent Industrial Production

(Start: Februar 2020)
Die Digitalisierung der Industrie sowie die zunehmende Vernetzung erhöhen die Leistungsfähigkeit und Komplexität technischer Systeme und der zugehörigen Prozesse. Im industriellen Umfeld wird der intelligenten Produktion (Industrie 4.0) ein disruptives Innovationspotential eingeräumt, wobei künstliche Intelligenz (KI) als Schlüsseltechnologie gilt. Daher ist es zwingend erforderlich, KMUs den Zugang zu Kompetenzen und leistungsfähigen Methoden des maschinellen Lernens zu erleichtern sowie geeignete Geschäftsmodelle aufzuzeigen und diese zu ermöglichen. Dies und die Integration KI-basierter digitaler Prozessketten in reale Prozessketten und deren Fortentwicklung ist nur möglich, wenn die Randbedingungen in Form eines geeigneten Ökosystems geschaffen werden. Diese Randbedingungen sind beispielsweise einfache Verwendbarkeit, übergreifende Standardisierung sowie die Bereitstellung von Mehrwertdiensten mit geringerer Einstiegsschwelle. [mehr]
Kontakt: Lars Schmidt-Thieme Hadi S. Jomaa

Egraphsen - Möglichkeiten und Perspektiven der digitalen Malerzuweisung

(Start: Dezember 2019)
Die Frage nach den Produzenten der bemalten griechischen Vasen beschäftigt die archäologische Forschung schon seit gut 150 Jahren. Die digitale Analyse von attischen Vasen bietet nun die Möglichkeit, umstrittene Arbeitsweisen der Klassischen Archäologie, die bislang auf dem fachkundigen Auge von Kennern basierten, zu überprüfen. Denn nicht isolierte Kriterien, sondern charakteristische Merkmalskombinationen objektivieren die Malerzuweisung, die computergestützt sehr viel leichter und umfassender zusammengestellt und gewichtet werden können. Daher soll in diesem Projekt in Kooperation mit der Universität Göttingen die Zuweisung der Vasen an Maler, Werkstätten und Gruppierungen nicht mehr exemplarisch und intuitiv, sondern auf breiter Grundlage datengestützt erfolgen. Es soll untersucht werden, wie sich die Zuschreibungskriterien systematisieren, ihre Aussagekraft evaluieren und die Bedeutung der Ähnlichkeitsnetzwerke durch genaues Benennen von Kriterien und Argumenten historisch gewichten lässt. [mehr]
Kontakt: Lars Schmidt-Thieme Lukas Brinkmeyer

Upgrade IT-Wissen

(Start: January 2019)
Ziel des Projekts ist der Aufbau von Transfer- und Austauschstrukturen, die Führungskräfte aus der Wirtschaft sowie Wissenschaftlerinnen und Wissenschaftler der SUH zusammenbringen, um IT-Wissen und IT-Synergien gegenseitig zu generieren. Insbesondere werden die drei IT-relevanten Themenbereiche Data Science, Software Engineering und Business Engineering, welche an der SUH bereits in Forschung und Lehre behandelt werden, betrachtet und zielgerichtete Veranstaltungsformen konzipiert und erprobt, um Kompetenzen zur aktiven Gestaltung der Digitalisierung in den Vordergrund zu stellen. [mehr]
Kontakt: Lars Schmidt-Thieme Johannes Burchert

Programm für gute Lehre in Niedersachsen

(Start: January 2019)
This project, in cooperation with Software Systems Engineering (SSE) and Information Systems and Enterprise Modelling (ISUM) departments from University of Hildesheim, aims at developing an open source learning management service that provide digital support to improve learning of the students at the University of Hildesheim. Our objective in this project is to integrate digital feedback and recommender systems to provide individually tailored recommendations to further the teaching and learning paths. [mehr]
Kontakt: Lars Schmidt-Thieme Vijaya Krishna Yalavarthi

Data Science für alle

(Start: Oktober 2018)
Die Universität Hildesheim möchte ihre Expertise im Bereich der Data Science, die im internationalen Masterstudiengang Data Analytics, dem derzeit größten Data Science-Studiengang in Deutschland, und im Aufbau eines Research and Innovation Centers Data Science Ausdruck gefunden haben, mit der Expertise in den an der Universität angesiedelten Studiengängen kombinieren, um allen Studierenden ein Bildungsangebot im Bereich der Data Science zu unterbreiten, das die unterschiedlichen Anforderungen und Schwerpunkte der Fächer berücksichtigt, ohne dabei die Vermittlung der zugrundeliegenden Methoden zu opfern. Im Kern steht dabei ein Gespann aus zwei Einführungs-Kursen in die Data Science, die mikromodular aufgebaut sind, d.h., in Einheiten von maximal 10 Minuten gegliedert sind: methodische Mikromodule, die für alle Fächer gleich sind, und Beispiel-Mikromodule, die eine Methode anhand eines Beispiels verdeutlichen. Die Beispiel-Mikromodule können dann fachspezifisch so spezialisiert werden, daß die Studierenden für jede Methode stets Beispiele aus ihrem eigenen Fach studieren können. [mehr]
Kontakt: Lars Schmidt-Thieme Lukas Brinkmeyer

Datengetriebe Tourenplanung für die ambulante Pflege

(Start: Oktober 2018)
In diesem Projekt wollen wir, die Arbeitsgruppe Informationssysteme und Maschinelles Lernen (ISMLL) der Universität Hildesheim und die MediFox GmbH (MF), welche für ca. 50% der ambulanten Pflegedienste in Deutschland Softwarelösungen anbieten, die ambulante Pflege in Deutschland verbessern. Unser Ansatz besteht darin, innerhalb des Projekts einen Software-Prototypen erstellen, der in der Lage ist, die Tourenplanung, die Pflegedienste täglich absolvieren müssen, in einem ersten Schritt (teil-)automatisiert vorzuschlagen. In einem zweiten Schritt wollen wir die Tourenplanung aus Daten lernen, um die Pflege so für jeden Pflegedienst und für jeden Pflegebedürftigen individuell optimal zu gestalten. Ziel ist es also insgesamt, eine Tourenplanung datengetrieben und automatisch zu ermitteln, die den Wünschen der Klienten, des Pflegepersonals und des Pflegedienstes entsprechen. [mehr]
Kontakt: Lars Schmidt-Thieme Jonas Falkner

Automated Development of Data Analysis

(Start: Juni 2018)
Dieses Kooperationsprojekt zwischen der PSIORI GmbH und dem Information Systems and Machine Learning Lab (ISMLL) der Universität Hildesheim hat zum Ziel, die Entwicklung von kundenspezifischen Datenanalysen durch den Einsatz von künstlicher Intelligenz stärker zu automatisieren und damit die Produktivität von Data Scientists signifikant zu erhöhen. Dadurch wird es möglich, “Schnellanalysen” als neue Dienstleistung am Markt anzubieten. Diese Schnellanalysen können Unternehmen schnell und kostengünstig konkrete Möglichkeiten für den Einsatz von Big Data und Maschinellem Lernen aufzeigen. Damit wird der Einstieg in intelligente Datenanalysen erleichtert und innovative Technologien des Machine Learning werden auch kleinen und mittleren Unternehmen zugänglich gemacht. [mehr]
Kontakt: Lars Schmidt-Thieme, Randolf Scholz Rafael Drumond

Data-driven Mobility Services

(Start: February 2018)
Data-driven Mobility Services is a three years cooperative research project between Volkswagen Financial Services (concretely the Data Analytcs Unit 'DnA') and Information Systems and Machine Learning Lab (ISMLL) at Uni Hildesheim. As part of the contracted research cooperaton, several data analytics studies are being conducted, which includes parking availability prediction, automatic damage assessment for cars, and residual value prediction for cars. The outcome of the research done at ISMLL can be directly integrated into the backend system developed by the DnA unit, especially after the prototyping phase, during which a proof of concept is presented that highlights the effective of the solutions presented. [more]
Contact: Lars Schmidt-Thieme, Mohsan Jameel Hadi S. Jomaa Ahmed Rashed

ÜberDax

(Start: November 2017)
Die fortschreitende Digitalisierung von Wirtschaft und Gesellschaft macht immer mehr Prozesse beobachtbar und damit offen für eine teilweise Automatisierung oder zumindest Entscheidungsunterstützung durch Modelle des Maschinellen Lernens: in der Industrie 4.0 können Maschinendaten verwendet werden, um Probleme früh zu erkennen und Ausfälle zu vermeiden oder Fertigungsvarianzen zu verkleinern und Planungen robuster zu gestalten, im Autonomen Fahren können Sensor- und Videodaten schon heute für einfache Manöver wie das Einparken und bald auch für das Fahren auf Autobahnen verwendet werden, im Bereich e-Health helfen sie beim Segmentieren von Organen oder beim Prognostizieren wie ein Tumor sich höchstwahrscheinlich entwickelt. [mehr]
Contact: Lars Schmidt-Thieme,Ahmed Rashed

HyLAP

(Start: September 2014)
Eine der größten Herausforderungen im Maschinellen Lernen ist die geeignete Auswahl von Hyperparametern und Modellen, da State-of-the-Art Verfahren wie die Gitter-Suche oder zufällige Hyperparameter-Stichproben viele Durchläufe des Lernalgorithmus erfordern und aus diesem Grund üblicherweise in Rechenzentren statt in Robotern, Autos oder Smartphones durchgeführt werden. Folglich müssen autonome Hyperparameter-Lernverfahren entwickelt werden, die in der Lage sind, bisherige Hyperparameter-Performanz auf anderen Datensätzen und möglicherweise anderen Modellklassen einzubeziehen und somit lernenden Systemen zu ermöglichen, in einem Bruchteil der Zeit zu lernen, der gegenwärtig nötig ist. [more]
Contact: Nicolas Schilling, Martin Wistuba, Lars Schmidt-Thieme

iTalk2Learn

(Start: November 2012)
Das Projekt iTalk2learn hat das Ziel eine Plattform zu entwickeln, die Struktur- und Forschungsaufgaben für Mathematik kombiniert. Hierfür werden kognitive Modelle erstellt, die den lernenden Grundschüler darstellen. Die Plattform wird Schülern ermöglichen durch technisch aktuelle Touchscreens und Sprachsteuerung auf einer natürlichen Weise zu kommunizieren und interagieren. [more]
Contact: Carlotta Schatten, Lars Schmidt-Thieme

REDUCTION - Reducing Environmental Footprint based on Multi-Modal Fleet management Systems for Eco-Routing and Driver Behaviour Adaptation

(Start: September 2011)
REDUCTION focuses on advanced solutions that combine mechanical / measurement technologies with information and communication technologies (ICT) for the management of multi-modal fleets, in order to reduce their environmental footprint. [mehr]
Kontakt: Josif Grabocka, Lars Schmidt-Thieme

EFRE project: AcoGPR - Adaptive Contactless Ground Penetrating Radar

(Start: Juni 2011)
Das ISMLL entwickelt für die aktuelle Städteplanung und Stadtentwicklung in Kollaboration mit der Universität Braunschweig und der Detectino GmbH aus Hildesheim ein mobiles Radarsystem, mit dem sich unterirdische Versorgungsleitungen aufspüren und automatisch identifizieren lassen. [mehr]
Kontakt: Andre Busche, Lars Schmidt-Thieme

DFG project on Multirelational Factorization Models

(Since April 2011)
Faktorisierungs-Modelle sind Modelle des Maschinellen Lernens, die Größen basierend auf Vergangenheitsdaten vorhersagen, z.B. Kundenpräferenzen, Gesundheitsrisiken, etc. Faktorisierungs-Modelle behandeln insb. Probleme, in denen die Interaktion zwischen Objekten vorhergesagt werden soll, über die nicht viele Informationen vorliegen. Das ISMLL forscht bereits seit mehreren Jahren an Faktorisierungs-Modellen. [mehr]
Kontakt: Lars Schmidt-Thieme

RFID-Enhanced Museum for Interactive Experience (REMIX)

(since Sep. 2010)
Museumsbesuchern fällt es aufgrund der Vielfältigkeit der Ausstellungsstücke manchmal schwer, die für sie interessanten Exponate neben für sie weniger Interessanten zu finden. Die derzeit vorwiegend aus dem World Wide Web bekannten Personalisierungstechniken sind hier ideal geeignet, um dem Besucher "seine" Ausstellung zu zeigen, und direkt auf seine Bedürfnisse einzugehen. Als alleinige Grundannahme wird bei REMIX davon ausgegangen, dass sich Besucher länger die für sie interessanten Exponate ansehen. [mehr]
Kontakt: Alexandros Nanopoulos, Rasoul Karimi

Master Online Intelligent Embedded Microsystems (IEMS)

(since October 2007)
Im Rahmen des von der Universität Freiburg angebotenen Online-Weiterbildungsstudiengangs "Master Online Intelligente Eingebettete Mikrosysteme" (IEMS) entwerfen und gestalten wir das Modul "Analytische Methoden" und betreuen die zugehörigen Lehrveranstaltungen. Das Modul vermittelt vertiefte Kenntnisse im Bereich Wahrscheinlichkeitstheorie, Statistik und Differentialgleichungen.
Kontakt: Christoph Freudenthaler, Lars Schmidt-Thieme

Kürzlich abgeschlossene Projekte:

Learning Recommender Systems for Online Shops(LEFOS)

\
(ended on Feb. 2011)
Die Universität Hildesheim forscht an Empfehlungssystemen für den Drogeriehandel.
("Kunden, die diesen Artikel gekauft haben, kauften auch") Seit dem 01.04. diesen Jahres weist die Arbeitsgruppe Wirtschaftsinformatik und Maschinelles Lernen (ISMLL) der Universität Hildesheim mit dem Projekt "Lernende Empfehlungssysteme für Online-Shops" (LEFOS) ein drittes aus EU-Mitteln gefördertes Projekt auf. [mehr]
Kontakt: Artus Krohn-Grimberghe, Lars Schmidt-Thieme

Dynamic Personalization of Multimedia (MyMedia)

(ended on Feb. 2011)
Im Projekt MyMedia werden neue Verfahren zur Personalisierung von Multimedia-Inhalten entwickelt. Die Projektpartner sind Microsoft, BBC, BT, Universität Eindhoven, Novay und Microgenesis. [mehr]
Kontakt: Zeno Gantner, Lars Schmidt-Thieme

Siehe auch Abgeschlossene Forschungsprojekte und Vergangene IndustrieKooperationen.