Projekte von Dr. Stefan Heindorf
TRR 318 - Erklärbarkeit konstruieren
In unserer digitalen Gesellschaft nehmen die algorithmischen Ansätze (wie das maschinelle Lernen) rasant an Komplexität 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
Gefördert 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
Gefördert durch: BMBF
KIAM: Kompetenzzentrum KI in der Arbeitswelt des industriellen Mittelstands in OstWestfalenLippe
KI für eine bessere ArbeitsweltWie wird Künstliche Intelligenz die Arbeitswelt verändern? Wie können Unternehmen neue Technologien einsetzen, um ihre Beschäftigten zu entlasten und ihre Wettbewerbsfähigkeit zu steigern? Und wie können Beschäftigten auf den Wandel vorbereitet werden? Antworten auf diese Fragen liefert das Kompetenzzentrum „KI für ...
Laufzeit: 10/2020 - 09/2025
Gefördert durch: BMBF
EML4U: Erklärbares Maschinelles Lernen für interaktive episodische Updates von Modellen
Mit Maschinellem Lernen (ML) lassen sich anhand von Daten komplexe Zusammenhänge modellieren. Somit können aufwändige und oft grob vereinfachte mathematische Modellierungen bestimmter Gegebenheiten umgangen werden. Außerdem eröffnet sich zudem eine neuartige Funktionalität: ML-Modelle können datengetrieben an geänderte Anforderungen und Bedingungen ...
Laufzeit: 04/2020 - 03/2022
Gefördert 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 selbsterklärende Smart-Services für Industriedaten entwickelt und mit Daten aus ...
Laufzeit: 01/2020 - 06/2022
Gefördert 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 ermöglichen die ...
Laufzeit: 09/2019 - 08/2022
Gefördert durch: BMWK
