Forschungsschwerpunkt: Erfahrungsbasierte Lernende Systeme

Menschen können vielfältige Aufgaben bewältigen, da Sie die Fähigkeit besitzen, Probleme zu verstehen, geeignet zu abstrahieren und dann ihr Fachwissen mit ihrer Erfahrung zu verknüpfen, um geeignete Problemlösungen zu erarbeiten. Menschen sind in der Lage aus gemachten Erfahrungen beim Problemlösen zu lernen und sich dadurch kontinuierlich zu verbessern, sei es, dass sie Aufgaben besser, mit weniger Fehlern oder schneller bewerkstelligen.

Wir erforschen Erfahrungsbasierte Lernende Systeme, bei denen wir versuchen, vergleichbare Mechanismen des Problemlösens und Lernens auf Computersysteme zu übertragen. Hierbei kombinieren wir verschiedene KI-Technologien:

  • Semantische Technologien als Grundlage der Wissensrepräsentation und zur Repräsentation der Bedeutung von Daten und Informationen auf verschiedenen Abstraktionsebenen,
  • Maschinelles Lernen (inkl. Deep Learning) als Methodik zum automatischen Lernen aus interpretierter Information,
  • Planung und Constraint-basierte Verfahren zum automatischen Schlussfolgern sowie
  • Fallbasiertes Schließen, als zentrale Methodik des erfahrungsbasierten Problemlösens durch Analogie.

Wir erforschen Erfahrungsbasierte Lernende Systeme gegenwärtig in drei miteinander verbundenen Bereichen.

Bereich I: Intelligentes Prozessmanagement

Die zunehmende Agilität im Geschäftsumfeld bedingt, dass viele Unternehmen und Organisationen ihre Prozesse kontinuierlich anpassen oder verbessern müssen. Die zunehmende Digitalisierung sowie heutige Anforderungen bezüglich der Flexibilität von Produktion und Dienstleistungserbringung erfordern neue intelligente Ansätze zum Prozessmanagement mit Methoden der Künstlichen Intelligenz. Wir erforschen hierzu Erfahrungsbasierte Lernende Systeme mit denen

  • die Neugestaltung, Anpassung und Optimierung von Prozessen möglich ist,
  • die Ausführung von Prozessen durch flexible Workflowsysteme unterstützt werden kann, und
  • die Analyse von Prozessdaten im Hinblick auf die Diagnose von Ressourcen und Prozessen erfolgen kann.

Aktuelle Anwendungsbereiche:

  • Industrie 4.0: flexible Produktion und Predictive Maintenance
  • Handwerk: Arbeitsprozesse beim Mängelmanagement im Bauwesen
  • Landwirtschaft: Antragsverfahren auf Fördermittel
  • Medizin: Analyse klinischer Prozesse
  • Kulinarik: Generierung neuer Kochrezepte
  • E-Science: Scientific Workflows zur Analyse wissenschaftlicher Daten

Bereich II: Wissens- und Erfahrungsmanagement in der Digitalen Gesellschaft

In der modernen, digitalen Wissensgesellschaft müssen Wissen und Erfahrung zunehmend auf globaler Ebene vernetzt werden und verfügbar, bewertbar und nutzbar gemacht werden. Wissen und Erfahrung liegen häufig in Form von umfangreichen aber unstrukturierten Daten- oder Dokumentenbeständen vor. Aus diesen müssen zunächst die relevanten Aspekte des Wissens möglichst automatisch extrahiert werden, um eine Weiterverarbeitung mit KI-Methoden zu ermöglichen. Wir erforschen, wie Erfahrungsbasierte Lernende Systeme Wissen und Erfahrungen in vorliegenden Formen verstehen und analysieren können, wie eine effiziente Suche und Entscheidungsunterstützung darauf aufbauend gewährleistet und neues relevantes Wissen daraus synthetisiert werden kann.

Aktuelle Anwendungsbereiche:

  • Politikwissenschaften: Analyse und Synthese von Argumentationen
  • Rechtswissenschaften: Entscheidungsunterstützung im Datenschutzrecht
  • Geschäftsdokumente: Informationsextraktion und Prozessintegration
  • Service: Analyse von Serviceberichten zur Suche und Entscheidungsunterstützung

Bereich III: Das ProCAKE Framework zur Realisierung von Erfahrungsbasierten Lernenden Systemen

Wir demonstrieren und evaluieren unsere Konzepte und Theorien durch die Entwicklung von Prototypen und Demonstratoren, die für experimentelle Studien und die praktische Erprobung genutzt werden. Für diesen Zweck wird das ProCAKE  Framework (Process-Oriented Case-Based Knowledge Engine) entwickelt und kontinuierlich weitergeführt. ProCAKE ist ein generisches System zur Realisierung von Erfahrungsbasierten Lernenden Systemen für das Prozess- und Wissensmanagement.

Forschungsumfeld

Für unsere Forschungen können wir auf ein hervorragendes Umfeld zurückgreifen und neue Fragestellungen effizient und kompetent bearbeiten. Dies beinhaltet:

  • Center for Informatics Research (CIRT): Organisatorisches Umfeld zur interdisziplinären Kooperation zwischen Informatikwissenschaftlern und Wissenschaftlern anderer Bereiche der Universität Trier​​​​​​
  • IOT-Labor zur praktischen Erforschung von Fragestellungen aus dem Bereich von Industrie 4.0 und zur Demonstration unserer Lösungsansätz
  • Aktuelle Hardwareausstattung mit leistungsfähigen Arbeitsplatzrechnern, einer produktiven Server-Infrastruktur und einem High Performance GPU Compute Server mit 8 NVidia Tesla V100 GPU Grafikkarten für effizientes Machine Learning.

 

Publikationen

Hier finden Sie die Liste unserer Publikationen