Forschungsthemen

Unser Portfolio für die komplette Pipeline KI-gestützter Datenanalyse

Forscherin Theresa Neubauer zeigt auf einen Computerbildschirm auf dem ihre Forschungsarbeit zu Künstlicher Intelligenz zu sehen ist. Ein Mann hört aufmerksam zu.
VRVis-Forscherin Theresa Neubauer entwickelt KI-basierte Bildverarbeitungsmethoden für die Materialwissenschaften und Industrie.

Datenvorbereitung

Die Qualität der Trainingsdaten im Kontext der jeweiligen Anwendung ist entscheidend für die Qualität des Ergebnisses. Unsere Erfahrung und die Anwendung elementarer Data Science-Techniken sowie Tools, die die Daten-Annotierung durch Expertinnen und Experten erleichtern, sind die Basis für die Aufbereitung von ausreichend viel "Big Data" und die Zusammenstellung adäquater Trainingssets.

Eine Bildcollage, welche die Daten-Pipeline darstellt, wie Trainingsdaten für Künstliche Intelligenz hergestellt werden, am Beispiel von Meteroiden-Strahlenkegeln auf der Marsoberfläche.
Gute Trainingsdaten für Künstliche Intelligenz-Algorithmen sind oft Mangelwaren - speziell wenn es um extraterrestrische Daten geht. Die Abbildung zeigt die Pipeline, wie solche Daten erzeugt werden.

Erzeugung von Trainingsdaten für KI-Systeme

KI-Lösungen sind nur so gut, wie die Daten, mit denen sie trainiert werden. Doch gute Trainingsdaten sind oft Mangelware, teilweise gar nicht verfügbar oder nur schwer/teuer zu beschaffen. Wir unterstützen unsere Unternehmenspartner, indem wir die notwendigen Daten künstlich simulieren, um neuronale Netze zu trainieren. Synthetische Daten sind sicher, anonymisiert und unbürokratisch. Die künstlich erzeugten Trainingsdatensets zeichnen sich durch eine sehr gute Datenqualität aus und helfen so, Innovationsprozesse zu beschleunigen, indem sie durch ihre schnelle Verfügbarkeit beispielsweise den time-to-market stark verringern.

Bildcollage, welche die einzelnen Schritte zeigt, wie aus den Daten einer Punktwolke mithilfe von Segmentierung und 3D-Rekontruktion Gehsteige "rausgerechnet" und erkannt werden können.
Die Datenpipeline zeigt, wie aus großen Punktwolken mittels Segmentierung und 3D-Rekonstruktion Gehsteige und Gehsteigkanten erkannt werden.

Entwicklung maßgeschneiderter KI-Lösungen

Wir entwickeln Deep Learning- und Machine Learning-Technologien in enger Kooperation mit unseren Partnern sowie Kundinnen und Kunden, um gezielte Lösungen zum Verarbeiten, Analysieren und Visualisieren von großen Datenmengen und mehrere Terabyte umfassende Laserscandaten als auch für die Bildanalyse zu entwickeln.

Ein Diagramm, dass den Ablauf einer Künstliche Intelligenz-Pipeline anzeigt, die vertrauenswürdig ist.
VRVis entwickelt Methoden, die die Grundlagen für Entscheidungen eines neuronalen Netzes für sichtbar und somit nachvollziehbar machen (Vertrauenswürdige Künstliche Intelligenz).

Explainable Artificial Intelligence (XAI)

Entscheidungen, die von Maschinen getroffen werden, sollen vor allem in sensiblen Bereichen, wie der Medizin oder bei selbstfahrenden Fahrzeugen, für den Menschen verständlich, zuverlässig und transparent bleiben ("Ethische KI"). Wir entwickeln Methoden, die maschinelles Verhalten erklärbar und so komplexe Entscheidungen, die mit Hilfe künstlicher Intelligenz getroffen werden, nachvollziehbar machen. Unsere Methoden unterstützen die Beurteilung von Sicherheit und Stabilität trainierter Netzwerke.

Anwendungsfelder

An unserem Forschungszentrum sind bereits mehrere KI-basierte Anwendungen, Patente sowie High-Impact-Publikationen in den Bereichen Bildverarbeitung, Data Science, und Punktwolkensegmentierung ebenso wie den Anwendungsgebieten Digital Radiologie, Neuroscience, Life Sciene, Materialwissenschaft und Industrie, Trainingsdatenerzeugung und digitale Landwirtschaft entstanden.

Publikationen

Projekte