Universität zu Lübeck

Partner für intelligente, erklärbare KI-Systeme: Hybride KI:

Sind Sie an KI-Lösungen interessiert, die nicht nur leistungsstark, sondern auch nachvollziehbar und vertrauenswürdig sind? Die Forschungsgruppe Hybrid AI am Institut für Softwaretechnik und Programmiersprachen (ISP) erforscht intelligente Systeme, die auf symbolischen KI-Methoden basieren und diese mit maschinellem Lernen verbinden. Unser Ansatz ermöglicht es, die Stärken beider Welten zu kombinieren: die Erklärbarkeit klassischer Wissensrepräsentation und die Lernfähigkeit moderner neuronaler Netze.

Unsere Expertise:

• Hybride KI-Systeme: Integration von symbolischem Wissen in neuronale Netze für erklärbare und robuste Entscheidungen
• Qualitatives Schlussfolgern: Verarbeitung von unsicherem und grobem Wissen über räumliche und zeitliche Zusammenhänge
• Automatisierte Planung: Robuste Planungssysteme für komplexe Anwendungen in dynamischen Umgebungen
• Vertrauenswürdige KI: Methoden zur Verifikation, Korrektur und Erklärung von KI-Entscheidungen
• Wissensrepräsentation: Entwicklung von Modellierungen für intelligentes Handeln und abstraktes Schlussfolgern

Forschungsgruppe Hybride KI

Die Forschungsgruppe Hybride KI wird getragen durch das Institut für Softwaretechnik und Programmiersprachen und vereint Expertise in Wissensrepräsentation, maschinellem Lernen und kognitiven Systemen. Wir arbeiten an der Schnittstelle zwischen theoretischer Grundlagenforschung und praktischen Anwendungen, um KI-Systeme zu entwickeln, die in der realen Welt verlässlich funktionieren.

Partner für öffentliche Verwaltungen bei der Digitalen Transformation: IMIS.

Als Vertreter der öffentlichen Verwaltung stehen Sie vor der Herausforderung, die Digitale Transformation erfolgreich umzusetzen? Das Institut für Menschzentrierte Interaktive Systeme (IMIS) unterstützt Sie dabei, indem es die Mensch-Technik-Interaktion in den Mittelpunkt stellt. Unser Joint Innovation Lab (kurz JIL) arbeitet interdisziplinär an der Entwicklung innovativer Lösungen, die auf den Bedürfnissen der Nutzer basieren.

Unsere Expertise:

• Machbarkeitsstudien mit Entwicklung von Prototypen und Demonstratoren auf Grundlage von Usability Engineering und Design Thinking
• Beratung und Schulung zu KI und Automatisierungssystemen
• Begleitforschungen für die Einführung von KI und Automatisierungssystemen
• Ausrichtung von Vernetzungsveranstaltungen und Workshops

Joint Innovation Lab (JIL)

Das JIL wird u. a. durch die Forschungsgruppe E-Government und Open Data Ecosystems getragen und steht Ihrer Institution als Partner für den Transfer von Methoden und Wissen aus der Wissenschaft in die Verwaltung zur Verfügung. Mit unserem Netzwerk aus Wirtschaft, Verwaltung und Wissenschaft unterstützen wir Sie dabei, die Herausforderungen der Digitalen Transformation zu meistern und gemeinsam Lösungen zu entwickeln.

Am Institut für Medizinische Informatik der Universität zu Lübeck werden in interdisziplinären Arbeitsgruppen Methoden, Algorithmen und Softwaresysteme für die computergestützte Diagnostik und Therapie entwickelt und prototypisch umgesetzt.

Methodisch sind die Arbeiten fokussiert auf die Bereiche:

• Künstliche Intelligenz und Deep Learning in der Medizin
• Medizinische Bildverarbeitung für die computerunterstützte Diagnostik und Therapie
• Medical Data Science zur Auswertung multimodaler Sensordaten

Mithilfe von Methoden der KI und des Deep Learnings werden medizinische Bilddaten, Biosignale und weitere Patientendaten analysiert und automatisch interpretiert So können z.B. krankhaft veränderte Bildbereiche automatisch abzugrenzt, Krankheiten erkannt und patientenindividuelle Krankheitsverläufe vorhergesagt werden. Hierbei werden insbesondere die für die Medizin wichtigen Aspekte wie die Optimierung neuronaler Netze bei stark beschränkten Trainingsmengen sowie die Bewertung der Sicherheit und Erklärbarkeit der Ergebnisse untersucht. Die entwickelten Verfahren und Systeme werden in enger Kooperation mit medizinischen Kooperationspartnern anhand praxisrelevanter Fragestellungen entwickelt und evaluiert.

In der Medizinischen Bildverarbeitung werden innovative bildverarbeitende Methoden, Algorithmen und Softwaresysteme für die computergestützte Diagnostik und Therapie entwickelt. Im Vordergrund stehen hier Deep Learning-basierte und modellbasierte Verfahren zur Modellierung und Analyse von räumlichen Strukturen (z.B. Tumoren, Hirninfarktbereiche, Organe etc.) und dynamischen Prozessen (z.B. Herzbewegung, Atmung, Blutfluss etc.) in medizinischen 3D- und 4D-Bilddaten.

Medical Data Science Methoden werden zur multimodalen Sensordatenanalyse entwickelt, um verschiedene physische und psychologische Zustände von Menschen automatisch zu erkennen und auszuwerten.