Der Fokus der Forschungsgruppe liegt auf Multi- und High-Dimensional-Data, die in vielen Fällen auch zeitabhängig sind. Ziel der Gruppe ist es, die Nutzerinnen und Nutzer dabei zu unterstützen, neue Erkenntnisse zu gewinnen und die Entscheidungsfindung zu verbessern, indem ein interaktiver Dialog mit großen strukturierten Daten ermöglicht wird. Zu diesem Zweck entwickeln die Forscherinnen und Forscher der Visual Analytics-Gruppe neue Technologien, die Visualisierung, Benutzerinteraktion und automatisierte Analysemethoden wie Data Mining mit Echtzeitreaktion kombinieren. Die Anwendungsbereiche aktueller Projekte umfassen z.B. den Energiesektor, die industrielle Fertigung, die Gesundheitspolitik und die simulationsbasierte Entwicklung von Antriebssystemen.
Die Forschung unserer Visual Analytics-Gruppe konzentriert sich auf die Entwicklung effektiver visueller Techniken zur Unterstützung bei der Durchführung von Aufgaben im Bereich der Datenanalyse:
Ein weiteres Forschungsfeld ist der Aufbau von reaktionsschnellen Software-Infrastrukturen, die auch bei großen Datenmengen unmittelbares Feedback zur Benutzerinteraktion liefern. In diesem Zusammenhang konzentriert sich die Forschungsgruppe auf die Integration gängiger Analyseplattformen wie Matlab, R und Python sowie auf die Entwicklung flexibler Module, die ein schnelles Prototyping von aufgabenspezifischen analytischen Anwendungen ermöglichen.
Head of Visual Analytics, Visual Analytics
johanna.schmidt(at)vrvis.at +43 1 908 98 92 302Hinter smarten Lösungen und innovativer Software stehen immer intelligente und motivierte Menschen. Lernen Sie das Team kennen.
Web- und Cloudbasierte Lösungen
Analytische Software-Architekturen
Visual Analytics
Human-Computer-Interaction
Partner: Austrian Power Grid AG, HAKOM Time Series GmbH
Qualitätsbewertung von Zeitreihendaten; Validierung und Vergleich von Vorhersagemodellen
Partner: AVL List GmbH
Validierung von Simulationsdaten, Sensitivitätsanalyse, Mehrzweck-Optimierung
Partner: RHI Magnesita
Monitoring von Produktionsprozessen und Produktionsfehlern, Analyse zur Prozessoptimierung
Partner: Landesgesundheitsagentur Niederösterreich
Qualitätsbewertung von Bilanzierungsdaten, Überwachung und Analyse von Leistungsindikatoren im Bereich des Gesundheitswesens
Auf dem Weg zu nachhaltigen, klimaneutralen Städten entwickelt das EU-Projekt GREENGAGE innovative Technologielösungen, für bessere Bevölkerungsbeteiligung bei den Themen Mobilität, Luftqualität und gesundes Leben.
Das Projekt REINFORCE erforscht, wie mithilfe von Reinforcement Learning und menschzentrierte Visualisierungsmethoden komplexe Steuerungsprobleme effizient, schnell und flexibel gelöst werden können.
Zum Training von KI-Algorithmen braucht es viele Daten. Gerade Rohdaten enthalten jedoch oftmals heikle Informationen. Homomorphe Verschlüsselung bietet hier die Lösung, um sicheres Machine Learning – mit geschützten sensiblen Daten – zu ermöglichen.
Erneuerbare Energien, wie die Wasserkraft, bilden eine wichtige Stütze für eine klimafreundliche Zukunft. Um eine bessere Echtzeitüberwachung und damit Instandhaltung von Wasserkraft-Infrastruktur zu ermöglichen, werden in diesem Projekt innovative digitale Wasserkraft-Zwillinge entwickelt.
Das Projekt Rail4Future arbeitet an der Gestaltung eines digitalen Bahnsystems der Zukunft. Dafür wird eine neuartige und vollständig virtuelle Validierungsplattform für großskalige Simulationen ganzer Bahnstrecken zur Effizienzsteigerung der bestehenden Schieneninfrastruktur entwickelt.
Das Forschungsziel des Projekts Ingress besteht darin, die Prozesse von Data Scientists, die mit Industrie 4.0- und IoT-Daten arbeiten, zu beschleunigen, indem eine engere Integration der visuellen Analyse in bestehenden Arbeitsabläufe ermöglicht wird.
Das RAILING-Projekt beschäftigt sich mit der Erforschung und Entwicklung von interaktiven, skalierbaren und vertrauensschaffenden Visualisierungs- und Analysewerkzeugen für die Exploration von zeitabhängigen und komplexen Daten.
Businesses go smart with Data Science: mit Hilfe visueller Datenanalyse, maschinellem Lernen, Deep Learning, Data Mining und visueller Datenverarbeitung helfen wir Unternehmen das Potenzial ihrer Daten voll auszuschöpfen.
Ziel des angewandten Forschungsprojekts En2VA ist es, die Effizienz und die Qualität der fortgeschrittenen Analytik für hochdimensionale Daten aus Fertigung, Technik und dem Energiesektor zu erhöhen.
DEXHELPP entwickelt neue Methoden zur Unterstützung der Analyse, Planung und Steuerung im Gesundheitswesen durch die Kombination von Entscheidungsanalyse, Datensicherheit, Datenmanagement, Statistik, mathematischer Modellierung, Simulation und visueller Analyse.
Um die Qualitätskontrolle und Qualitätssicherung von Glasartikeln zu automatisieren, entwickeln wir in diesem Projekt neue Methoden aus dem Bereich der visuellen Analytik und des maschinellen Lernens.
MINERVA ist ein integriertes Framework für die Planetenforschung, das es Wissenschaftlerinnen und Wissenschaftlern aus verschiedenen Teams ermöglicht, in virtuellen Arbeitsbereichen zusammenzuarbeiten.
Neuartige visuelle Analysetechnologien für hochdimensionale Daten im Automobilbau, in der industriellen Fertigung und im Energiesektor.
