Projekte von Dr. Stefan Heindorf
TRR 318 - Erkl?rbarkeit konstruieren
In unserer digitalen Gesellschaft nehmen die algorithmischen Ans?tze (wie das maschinelle Lernen) rasant an Komplexit?t zu. Diese erschwert es den Bürger:innen, die Assistenz nachzuvollziehen und die von Algorithmen vorgeschlagenen Entscheidungen zu akzeptieren. Als Antwort auf diese gesellschaftliche Herausforderung hat die Forschung begonnen, ...
Laufzeit: 07/2021 - 06/2025
Gef?rdert durch: DFG
Colide: Co-Training and Co-Regulierung für Industriedaten
Ziel von COLIDE ist die Entwicklung von Auto-Multi-View-Learning-Verfahren (AutoMVL) für heterogene Industriedaten. Dazu werden multi-view learning (MVL) und automatisiertes maschinelles Lernen (AutoML) erstmals kombiniert. Damit werden insbesondere KMUs in die Lage versetzt, den Mehrwert der simultanen Nutzung verschiedenster ML-Methoden auf ...
Laufzeit: 05/2021 - 04/2024
Gef?rdert durch: BMBF
KIAM: Kompetenzzentrum KI in der Arbeitswelt des industriellen Mittelstands in OstWestfalenLippe
KI für eine bessere ArbeitsweltWie wird Künstliche Intelligenz die Arbeitswelt ver?ndern? Wie k?nnen Unternehmen neue Technologien einsetzen, um ihre Besch?ftigten zu entlasten und ihre Wettbewerbsf?higkeit zu steigern? Und wie k?nnen Besch?ftigten auf den Wandel vorbereitet werden? Antworten auf diese Fragen liefert das Kompetenzzentrum ?KI für ...
Laufzeit: 10/2020 - 09/2025
Gef?rdert durch: BMBF
EML4U: Erkl?rbares Maschinelles Lernen für interaktive episodische Updates von Modellen
Mit Maschinellem Lernen (ML) lassen sich anhand von Daten komplexe Zusammenh?nge modellieren. Somit k?nnen aufw?ndige und oft grob vereinfachte mathematische Modellierungen bestimmter Gegebenheiten umgangen werden. Au?erdem er?ffnet sich zudem eine neuartige Funktionalit?t: ML-Modelle k?nnen datengetrieben an ge?nderte Anforderungen und Bedingungen ...
Laufzeit: 04/2020 - 03/2022
Gef?rdert durch: BMBF
DAIKIRI: Diagnostische KI für industrielle Daten
Das Forschungsprojekt DAIKIRI zielt auf die erstmalige Entwicklung und Verwendung von automatischen Verfahren für die Semantifizierung von industriellen Daten und die datengetriebene Diagnose von Industrieanlagen ab. Mit Hilfe dieser Verfahren sollen diagnostische selbsterkl?rende Smart-Services für Industriedaten entwickelt und mit Daten aus ...
Laufzeit: 01/2020 - 06/2022
Gef?rdert durch: BMBF
RAKI: Rapide XAI for Industrial Plants
RAKI entwickelt neuartige Verfahren, um skalierbare, nachvollziehbare Machine Learning-Verfahren mit ?humans in the loop“ zu entwickeln.Im Fokus des Projekts steht die skalierbare KI-getriebene Optimierung der Konfiguration und des Betriebs von Industrieanlagen sowie der notwendigen Produktionslogistik.Verteilte Implementierungen erm?glichen die ...
Laufzeit: 09/2019 - 08/2022
Gef?rdert durch: BMWK
