Forschungsthemen

Unsere Schwerpunkte im Überblick

Eine Forscherin sitzt an einem Desktop-Computer, umringt von ihren Kolleginnen und Kollegen. Eine Forscherin zeigt auf den Bildschirm, auf welchem verschiedene bunte Datenvisualisierungen zu sehen sind.
Die Analyse von komplexen und großen Daten kann durch Datenvisualisierung stark verbessert werden.

Hochdimensionale zeitbasierte Daten

Hochdimensionale zeitbasierte Daten, wie sie etwa in Internet-of-Things (IoT) und Industry 4.0 Anwendungen 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.

Mithilfe von Augmented Reality wird eine 3D-Wasserkraftturbine in einen Büroraum hinein projiziert.
Immersive Analytics löst die Bilder vom Bildschirm: Hier zu sehen ist eine Wasserkraft-Turbine in Augmented Reality.

Immersive Analytics

Im Bereich der Immersive Analytics beschäftigen wir uns damit, wie wir Analyseprozesse weiterdenken und vom herkömmlichen Desktop-Computer lösen können. Um effizientere Brücken zwischen der Userin und dem User und den 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?

Immer mehr Unternehmen setzen bei ihren interaktiven Systemen zur Datenanalyse auf web- oder cloudbasierte Lösungen.

Web- und cloudbasierte Lösungen

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 die Benutzerinnen und Benutzer sind solche Lösungen angenehm: Alles liegt an einem Ort und ist bestenfalls durch einen Webbrowser (der immer verfügbar ist) zugänglich. Wir schaffen reale Lösungen für die Industrie und optimieren Netzwerk-Traffic oder forschen an besonders benutzerfreundlichen Interaktionssystemen.

Die Forscherinnen und Forscher der Visual Analyticsforschungsgruppe mit Laptop und VRVis-Banner
Am VRVis erforscht ein mehrköpfiges Research-Team neue Visual Analytics-Lösungen.

Vertrauenswürdige Visualisierungen

Um verschiedene Problemstellungen adäquat bearbeiten zu können, forschen wir am VRVis an unterschiedlichen visuellen Methoden, die in vorhandene Visual Analytics-Tools integriert werden können. Indem wir Visual Analytics mit statistischen Kontrollmechanismen ausstatten, tragen wir dazu bei, "vertrauenswürdige" Visualisierungen zu gestalten.

Zu sehen sind mehrere interaktive Datenvisualisierungs-Dashboards, die Daten von VRVis-Partner AVL visualisieren.
Simulation und web-basierte interaktive Visualisierungen sind relevant für Branchen, die routinemäßig große Datenmengen ausarbeiten müssen.

Visual Analytics für Ensemble Simulationen

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.

Ein Forscher sitzt vor einem Desktop-Computer mit zwei Bildschirmen auf denen bunte Datenvisualisierungen zu sehen sind, zwei weitere Forscher des VRVis stehen daneben. Ein Forscher zeigt auf den Bildschirm.
Die Research-Gruppe Interactive Visualization forscht gemeinsam mit Partner AVL an komplexen Simulations Ensembles oder der Visualisierung von Simulationsergebnissen.

Visuelle Parameterraum-Analysen

Visuelle Parameterraum-Analysen haben große Bedeutung bei der Arbeit mit Simulationsmodellen, da dort eine große Menge an verfügbaren Input- und Outputdaten in all ihrer Komplexität verständlich gemacht werden müssen. Am VRVis entwickeln wir 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.

Ein Forscher zeigt mit einem Stift auf einen Bildschirm, wo eine Datenplattform für Gehirndaten zu sehen ist.
Die datengetriebene biowissenschaftliche und biotechnologische Forschung setzt auf Methoden der Organisation, Integration und Analyse, um beispielsweise Multi-Omics- und klinische Daten, Daten aus Verhaltensexperimenten oder Bilddaten aus modernsten bildgebenden Verfahren auszuwerten.

Visuell-analytische Methoden zur Erforschung großer Datenmengen

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.

Anwendungsbeispiele

Der Rücken eines Mannes und der Hinterkopf einer Frau, die auf eine Visualisierung schauen, auf der verschiedene Wärmezonen einer Stadt in Rottönen abgebildet ist.
Klimadaten, vor allem auch in urbanen Räumen, sind vor allem eines: sehr groß, sehr viel - und hochkomplex. Visual Analytics schafft hier eine ideale Basis, um diese Daten für Fachleute visuell zusammenzuführen und so dabei zu helfen, Städte fit für die klimatischen Veränderungen der Zukunft zu machen. (c) PID / David Bohmann

Visual Analytics von Klimadaten

Die Rolle von Visual Analytics in der Analyse von Klima- und Wetterdaten wird in Zukunft eine noch größere sein, da nur so die komplexen Zusammenhänge in ihrer Gesamtheit erfasst werden und für bessere Klimawandelanpassungslösungen genutzt werden können. Das VRVis hat mehrere, auf Klima- und Umweltdaten spezialisierte ExpertInnen, die beispielsweise mit Zeitreihen von typischen meteorologischen Jahren (Typical Meterological Year – TMY) arbeiten oder visuelle Cockpits für die Leistungsbeurteilung von Biosolartechnologie entwickeln.

Bild einer Fischwanderhilfe und eines Staudamms mit Landschaft
Moderne Wasserkraftanlagen produzieren große Mengen an Sensordaten, die laufend ausgewertet werden müssen: hier kommt Visual Analytics ins Spiel. (c) Verbund

Visual Analytics für Energiedaten

Österreich setzt seit vielen Jahr stark auf die Wasserkraft und nutzt erneuerbare Energien für eine klimafreundliche Zukunft. Einige Wasserkraftanlagen sind Bauwerke älteren Semesters und benötigen eine Nachrüstung mit modernen Messsensoren und Datenanalyse, um so den digitalen Wasserkraft-Zwilling zu erstellen. Visual Analytics und intuitive Visualisierungs-Dashboards machen eine Echtzeitüberwachung und bessere Instandhaltung möglich.

Die Oberfläche einer Lichtplanungssoftware, mit welcher intelligente Lichtplanung vorgenommen werden kann.
Intelligente Lichtplanung: mit Hilfe neuester Visualisierungen werden alle Arbeitsschritte übersichtlich aufbereitet. Fortlaufend werden der Anwenderin oder dem Anwender Alternativlösungen vorgeschlagen, um bisher unbekannte Möglichkeiten greifbar zu machen.

Visual Analytics für interaktive Beleuchtungskonzepte

In unserer Forschungsarbeit im Rahmen der Projekte HILITE und Sharc entwickeln wir Werkzeuge und Methoden, die Simulations-Abläufe für interaktives Lichtdesign optimieren. Da dabei die Verarbeitung enormer Datenmengen unterschiedlichsten Ursprungs – Qualität der Lichtquellen, Winkel, räumliche Situation etc. – berücksichtigt werden müssen, nützen wir Prinzipien der visuellen Parameterraum-Analyse, um einerseits den Workflow massiv zu beschleunigen sowie andererseits automatisch generierte Verbesserungsvorschläge von Beleuchtungssituationen zu berechnen. Diese Forschungsprojekte betonen die Notwendigkeit des Zusammenspiels zwischen räumlichen und abstrakten Datenwelten, um solche und ähnliche Analysen überhaupt erst zu ermöglichen.

Dashboard von VIVID zur Analyse von Patientenkohortenstudien
Mit VIVID wurde gemeinsam mit Epidemiologen der Universität Greifswald eine Visual Analytics Applikation entwickelt, die es ermöglicht, in klinischen Kohortenstudien fehlende Werte aufzuspüren und deren Charakter zu bestimmen. VIVID integriert auch Methoden, um fehlenden Daten zu ersetzen und deren Validität zu beurteilen. VIVID wurde von unserem Wissenschaftspartner der Universität Magdeburg unter Mitwirkung des VRVis entwickelt.

Visual Analytics für Life Science und Medizin

Wir setzen Visual Analytics-Methoden erfolgreich ein, um Ärztinnen und Ärzten bzw. Wissenschaftlerinnen und Wissenschaftler zu helfen, komplexe, heterogene Daten in der Medizin und den Life Sciences zu explorieren. Diese Daten stammen z.B. aus Studien zu Patientenkohorten und -beobachtungen, Verhaltensdaten aus Tierexperimenten, Gendaten, aber beispielsweise auch aus großen Sammlungen räumlicher Mess-, Bild- und Netzwerkdaten zum Gehirn. Unsere Visual Analytics-Lösungen helfen, wenn erste Hypothesen auf Basis großer Datenmengen entwickelt werden sollen, aber auch, wenn nicht genug Daten vorhanden sind, um aussagekräftige statistische Resultate und Modelle zu entwickeln. Beispiele für unsere Arbeit sind z.B. ein Visual Analytics-Framework, das die Suche nach Biomarkern für sehr seltene Krebserkrankungen bei Kindern unterstützt (siehe Visual Analytics und Data Science für das Gesundheitssystem und die medizinische Forschung + VISIOMICS) und umfangreiche Data Management-, Data Mining- und Visual Analytics-Lösungen für die Neurowissenschaften, die zum Teil weltweit im Einsatz sind (Neuroscience - Visual Computing, Data Science und Big Data sowie Brain*).

Projekte

Publikationen