Maschinelles Lernen

In vielen Kontexten von Naturwissenschaft, Technik und Gesellschaft findet man komplexe dynamische Systeme, wie zum Beispiele Netzwerke aus vielen interagierenden Einheiten. Systeme mit komplexer Dynamik machen sich bemerkbar durch ein --auf den ersten Blick-- unreguläres und schwer vorherzusagendes Verhalten. Dies wiederum weckt den Bedarf an Algorithmen des maschinellen Lernens und Optimierung, um angemessen reagieren oder steuernd eingreifen zu können.

In dieser Arbeitgruppe entwickeln, untersuchen und testen wir Algorithmen des Maschinellen Lernens und der Optimierung insbesondere im Hinblick auf die Erklärbarkeit und Transparenz automatisierter Entscheidungen.

Zusätzlich wenden wir diese in vielfältigen aktuellen Projektkontexten mit akademischen Partnern und Industriepartnern an. Aktuelle Anwendungsprojekte sind: akustische Klassifizierung, Energiepreisvorhersage, Digitalisierung der Energiewende, Predictive Maintenance, Environmental-Monitoring, Automatisierung der Produktion und Robotik.

  • Mitarbeiter*innen

  • Publikationen

  • Themen für Projekt- und Abschlussarbeiten

  • Open Positions

  • Events