Hochdimensionale zeitbasierte Daten, wie sie etwa im Internet-of-Things (IoT) Bereich entstehen, stellen die Forschung durch ihre schiere Menge und Größe vor viele Herausforderungen. Wir entwickeln neue Visualisierungstechniken bzw. machen bereits existierende effektiver, um diese Daten sicht- und lesbar zu machen.

Im Bereich der Immersive Analytics beschäftigen wir uns damit, wie wir Analyseprozesse weiterdenken und vom herkömmlichen Desktop-Computer lösen können. Um effizientere Brücken zwischen dem User und seinen Daten zu schlagen, stellen wir uns vor allem technische Fragen: Auf welche Arten können Daten dargestellt werden? Wie kann Interaktion mit Daten jenseits von Tastatur und Computermaus noch funktionieren und für welche Anwendungszwecke macht das Sinn?

Da in der Industrie immer mehr Daten anfallen, die auch häufiger zentralisiert gespeichert werden, nimmt die Bedeutung an web- und cloudbasierte Lösungen weiter zu. Auch für Userinnen und User sind solche Lösungen angenehm: alles liegt an einem Ort und ist bestenfalls durch intuitive Interfaces zugänglich. Wir schaffen reale Lösungen für die Industrie und optimieren Netzwerk-Traffic oder forschen an besonders benutzerfreundlichen Interaktionssystemen.

Dass Daten nicht gleich Daten sind, ist ein weiteres Thema, das uns im Bereich der Visual Analytics stark beschäftigt. Denn nicht alle Ergebnisse, die durch visuelle Analysen sichtbar gemacht werden, sind auch statistisch sinnvolle Daten. Um diesem Problem zu begegnen, forschen wir nach innovativen visuellen Methoden, die in vorhandene Visual Analytics-Tools implementiert die Relevanz von Daten prüfen. Indem wir Visual Analytics mit statistischen Kontrollmechanismen ausstatten, können wir auch dazu beitragen, "vertrauenswürdige" Visualisierungen zu machen.

Bereits seit 2005 beschäftigen wir uns intensiv mit zukunftsweisenden Anwendungsmöglichkeiten von Visual Analytics für Ensemble Simulationen. Im Rahmen der Zusammenarbeit mit unserem Industriepartner AVL konnten wir dabei innovative Visualisierungsmethoden und völlig neuartige explorative Analysemethoden für Simulationsergebnisse in der Automobilbranche entwickeln, welche auch auf andere Branchen und Forschungsfelder, die mit einer großen Anzahl an Daten und Parametern arbeiten, übersetzt werden können.

Visuelle Parameterraum-Analysen haben große Bedeutung bei der Arbeit mit Simulationsmodellen, da dort eine enorme Menge an verfügbaren Input- und Outputdaten in all ihrer Komplexität verständlich gemacht werden müssen. Wir entwickeln hier Tools, um durch und mit diesen Analysen Simulationsabläufe zu beschleunigen: z.B. indem die visuelle Analyse der jeweiligen Parameter schon im Vorhinein über die Sinnhaftigkeit oder den Erfolg des Simulationsergebnisses Aufschluss gibt.

Moderne Bildgebungsverfahren helfen dabei, biologische Vorgänge anhand gewaltiger Datenmengen besser zu verstehen. Visuell-analytische Methoden zur Erforschung großer Datenmengen können in den Life Sciences deshalb dabei unterstützen, das Verständnis der Daten zu verbessern und Analyse-Workflows zu optimieren. Dabei kümmern wir uns nicht nur um die Gestaltung von Anwendungen, die eine möglichst effektive Beantwortung von wissenschaftlichen Fragestellungen erlaubt, sondern auch um die dazugehörige Datenaufbereitung, statistische Analysen und Indizierung sowie die Entwicklung performanter Datenstrukturen.