Website
Informatik/Technik

Forschung zur Künstlichen Intelligenz an der Sektion Informatik/Technik der Universität zu Lübeck

Probleme des Alltags, die für Computer schwierig zu lösen sind, können vielfach von Menschen leicht gelöst werden (Klassifikation von multimodalen Inhalten, Gestaltung einer bilateralen Kommunikation, Ad-hoc-Planung, um nur einige zu nennen). Die menschlichen Lösungen sind dabei allerdings (auf lange Sicht) meist fehlerbehaftet und approximativ. Schwierige Probleme mit großen Datenmengen und/oder hoher Kombinatorik sind dagegen von Menschen kaum einfach zu lösen (kollektive Klassifikation in großen relationalen Strukturen (Big Data), Kommunikation mit vielen Teilnehmern, extreme Kurzzeit- oder auch rationale Langzeitplanung, usw.). 

Die Wissenschaft der Künstlichen Intelligenz ermöglicht es menschlichen Entwicklern, mit vertretbarem Aufwand leistungsfähige Systeme (z.B. Programme) zu erstellen, die Probleme effizient lösen können, die sowohl für Computer als auch für Menschen schwierig sind. Die Systementwicklung baut auf der Repräsentation von Wissen aus den Anwendungsfeldern in Form von Modellen auf, basiert unter Umständen auf Techniken des maschinellen Lernens zum Aufbau, zur Übertragung oder zur Weiterentwicklung der Modelle und endet mit der notwendigen automatischen Verifikation oder Weiterentwicklung von Systemen für sich ändernde Realweltbedingungen im Einsatz. Eventuell müssen auch bei dieser Vorgehensweise Approximationslösungen akzeptiert und, dem formalen Begriff der begrenzten Rationalität folgend, in ihrer Tragweite im Kontext von verteilten Systemen bei der Bewertung der Qualität eines Systems verstanden werden.

Neben einer formalen Systemerstellung und Qualitätsprüfung spielt bei der Problemlösung auch die menschliche Interaktion eine Rolle. Berechnungsergebnisse und Reaktionen der mit Hilfe von Modellen und Daten erstellten Systeme müssen von Menschen in einem Systemkontext sinnvoll weiterverwendet werden können und sollen im Sinne einer Nachvollziehbarkeit und eines "Weiterdenkens" in die Interaktion zwischen Menschen in virtuellen und in Realweltsystemen flüssig integriert werden können. Um diesen Ansprüchen gerecht zu werden, übernimmt die Künstliche Intelligenz Techniken aus vielen anderen Wissenschaften, sofern sie für die obige Vision nützlich sind. 

  • Das Institut für Informationssysteme (Leitung: Prof. Dr. Ralf Möller) arbeitet an den statistisch-relationalen Grundlagen der Modellierung in der KI und an der automatischen Gewinnung von probabilistischen relationalen Modellen aus Daten (Data- und Text-Mining, Deep Relational Maschine Learning, Web und Data Science) sowie an effizienten Anfragebeantwortungs- und Schlussfolgerungsverfahren bezogen auf komplexe Modelle (Wissensbasen), große Datenmengen und ausdrucksstarken Ontologie-Beschreibungssprachen. IFIS bietet eine breite Palette an Lehrveranstaltungen in den Bereichen KI und Data Science und stellt regelmäßig seine Forschungsarbeiten auf deutschen und internationalen KI-Konferenzen vor.
  • Das Institut für IT Sicherheit (Leitung: Prof. Dr. Thomas Eisenbarth) erforscht und verwendet Methoden des maschinellen Lernens zur Sicherheitsanalyse und Evaluation von Sicherheitsanwendungen. Darüber hinaus beschäftigt sich das Institut neuerdings mit der Manipulierbarkeit dieser Algorithmen, dem Adversarial Machine Learning, sowie dessen Verhinderung und Auswirkungen in sicherheitskritischen Anwendungen.
  • Das Institut für mathematische Methoden der Bildverarbeitung (Leitung: Prof. Dr. Jan Modersitzki) erforscht Methoden der KI in den Bereichen medizinischer Bildverarbeitung und Optimierung. In der Bildverarbeitung stehen dabei KI-Methoden zur Klassifikation, Mustererkennung und Wissensgenerierung klinischer Daten im Vordergrund, in der Optimierung KI-basierte Ansätze zur Beschleunigung und Robustheit von Verfahren. Zudem ist das Institut das Brückeninstitut zum Fraunhofer-Institut für Digitale Medizin MEVIS. MEVIS erforscht und entwickelt Verfahren der KI umfänglich u.a. in den Bereichen Entscheidungsunterstützung, klinische Workflow-Unterstützung, Infrastruktur für KI-Software, Translation KI-basierter Systeme.
  • Das Institut für Medizinische Elektrotechnik (Leitung: Prof. Dr. Philipp Rostalski) forscht und lehrt an Methoden der statistischen Lerntheorie mit Anwendungen in der (Bio-) Signalverarbeitung, der Parameterschätzung sowie der Regelung von sicherheitskritischen, autonomen Systemen. Methodischer Schwerpunkt liegt auf bayesschen Algorithmen basierend auf probabilistischen graphischen Modellen sowie Gauß-Prozessmodellen und der darauf basierenden Anwendung von Optimierungsverfahren. In verschiedenen Industrieprojekten, sowie in zahlreichen Veröffentlichungen und Patenten kommt die Praxisrelevanz dieser Forschung zum Ausdruck.
  • Das Institut für Medizinische Informatik (Leitung: Prof. Dr. Heinz Handels) arbeitet seit Jahren in dem Bereich der KI-basierten medizinischen Bild- und Signalverarbeitung und entwickelt diagnose- und therapieunterstützende Methoden und Systeme unter Verwendung neuester maschineller Lernverfahren (Neuronale Netze, Deep Learning  etc.). Diese Themen werden in verschiedenen drittmittelgeförderten Forschungsprojekten und Industriekooperationen bearbeitet.
  • Am Institut für Multimediale und Interaktive Systeme (Leitung: Prof. Dr. Michael Herczeg) wird seit Jahren im Bereich der symbolischen KI geforscht. Das zentrale Thema dabei ist „Explainable AI“, d.h. die Fähigkeit von KI-Systemen Nutzern ihre Schlussfolgerungen verständlich zu erklären und dadurch ein hohes Maß an Transparenz und Vertrauen vor allem in sicherheitskritischen komplexen Domänen wie Medizin oder Mobilität  aber auch in alltäglichen datenreichen Smart Environments wie Ambient Assisted Living, Smart Buildings oder Smart Cities zu gewährleisten.
  • Das Institut für Neuro- und Bioinformatik (Leitung: Prof. Dr. Thomas Martinetz) forscht und lehrt seit Jahren auf dem Gebiet des maschinellen Lernens und der Neuronalen Netze (Deep Learning) in den Bereichen der Bildverarbeitung und der Mustererkennung mit Anwendungen in Medizin, Biologie und Industrie. Neben langjährigen Industriekooperationen gingen mehrere erfolgreiche Start-Ups im Bereich der KI aus dem Institut hervor.
  • Das Institut für Robotik und Kognitive Systeme (Leitung: Prof. Dr. Achim Schweikard) forscht und lehrt seit Gründung (2002) an den Themen Robotik und Künstliche Intelligenz in Industrie und Medizin. Zahlreiche Technologien in den Bereichen Radiochirurgie, Orthopädische Chirurgie und Neurochirurgie wurden von uns entwickelt und in Zusammenarbeit mit Firmen in den vollen weltweiten klinischen Routineeinsatz gebracht.
  • Das Institut für Signalverarbeitung (Leitung: Prof. Dr. Alfred Mertins) forscht und lehrt seit vielen Jahren auf dem Gebiet der Signal- und Datenverarbeitung mittels Maschinellen Lernens. Insbesondere Deep-Learning-Methoden finden dabei Anwendung in der Biosignalanalyse, der akustischen Ereigniserkennung und der Bildrekonstruktion aus gestörten Messungen.
  • Das Institut für Softwaretechnik und Programmiersprachen (Leitung: Prof. Dr. Martin Leucker) arbeitet an Engineering-Fragestellungen für intelligente Systeme, insbesondere im Bereich der Medizintechnik und der Logistik. Hierzu werden Lernverfahren von Automaten erarbeitet, die sich zur Beschreibung des Verhaltens dieser Systeme besonders eignen und die Basis von Sicherheitsanalysen darstellen.
  • Das Institut für Telematik (Leitung: Prof. Dr. Stefan Fischer) arbeitet an Fragestellungen zu den Themen Internet der Dinge, Cyber-Physical Systems und Nanorobotik und -kommunkation. Dabei stehen zurzeit Selbstorganisation von intelligenten IoT-Verbünden wie bspw. die automatisierte Bildung von Ensembles im Ambient Computing mit Hilfe lernender KI-Methoden und die Organisation von In-Body Nano-Netzwerken im Vordergrund.
  • Das Institut für Theoretische Informatik (Leitung: Prof. Dr. Rüdiger Reischuk) beschäftigt sich unter anderem mit algorithmischen Lernverfahren sowie kausaler Inferenz. Außerdem werden Sicherheits- und Privacy-Aspekte beim Maschinellen Lernen untersucht. Mehrfach konnten in den letzten Jahren Forschungsergebnisse auf angesehenen internationalen KI-Tagungen publiziert werden.