Forschungsthemen

Anwendungsbeispiele & Referenzforschung

Visplore – interaktives Tool für große Datenmengen

Visplore ist eine Softwaretechnologie, auf deren Basis maßgeschneiderte Analyselösungen für große, strukturierte Datenmengen rasch umgesetzt werden können. Dabei bietet das interaktive Tool flexibel kombinierbare Visualisierungen, die Anwenderinnen und Anwendern auch ohne extensive Statistikkenntnisse einen völlig neuen, niederschwelligen Zugang zur Arbeit mit Daten erlauben. Weitere Informationen über Visplore.

TreePOD – Generierung von Entscheidungsbäumen

Entscheidungsbäume zu designen, erfordert sowohl Domainwissen als auch Wissen über den Zweck des Modells, weshalb dieser Prozess nur sehr schwer automatisiert werden kann. TreePOD verfolgt hier erfolgreich einen neuen Ansatz und generiert mehrere Entscheidungsbaumkandidaten automatisch mit verschiedenen Parametereinstellungen, wodurch der passendste Entscheidungsbaum ausgewählt werden kann. TreePOD ist für eine Vielzahl von Aufgaben einsetzbar und kann außerdem in bestehende Workflows zur Erstellung und Auswahl von Entscheidungsbäumen integriert werden. Hier geht es zu einem Video über TreePOD.

Weightlifter – visuelle Exploration von Gewichtungsräumen zur Entscheidungsfindung

WeightLifter ist eine neuartige, interaktive Visualisierungstechnik, die die Exploration von Gewichtungsräumen mit bis zu zehn Kriterien erleichtert. Unsere Technik ermöglicht es, die Sensitivität einer Entscheidung gegenüber Änderungen der Gewichte besser zu verstehen, effizient die Gewichtsbereiche zu lokalisieren, in denen eine bestimmte Lösung einen hohen Rang einnimmt, und Lösungen herauszufiltern, die für eine plausible Kombination von Gewichten nicht hoch genug eingestuft sind. Hier geht es zu einem Video über Weightlifter.

Intelligente Simulationen zur Verbesserung interaktiver 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. Solche Forschungsprojekte betonen die Notwendigkeit des Zusammenspiels zwischen räumlichen und abstrakten Datenwelten, um solche und ähnliche Analysen überhaupt erst zu ermöglichen.

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 auch: Visual Analytics und Data Science für das Gesundheitssystem und die medizinische Forschung sowie unser Forschungsprojekt VISIOMICS) und umfangreiche Data Management-, Data Mining- und Visual Analytics-Lösungen für die Neurowissenschaften, die zum Teil weltweit im Einsatz sind (siehe auch Neuroscience - Visual Computing, Data Science und Big Data sowie Brain*).

Projekte

Publikationen