Foto: Anna Logue

Forschung am Institut für Informatik und Wirtschafts­informatik

Die Forschung des Instituts für Informatik und Wirtschafts­informatik konzentriert sich auf die Beherrschung großer und komplexer Datenmengen in Wirtschaft und Gesellschaft. Die Schwerpunkte der Forschung liegen in den Bereichen Data Analytics, Künstliche Intelligenz, Verarbeitung natürlicher Sprache, Datenintegration, IT-Sicherheit und Software­entwicklung. Die folgenden Abschnitte geben einen Überblick über die spezifische Forschung der einzelnen Lehr­stühle des Instituts.

Lehr­stühle des Instituts

  • Lehr­stuhl für Wirtschafts­informatik III (Enterprise Data Analysis)

    Prof. Dr. Simone Paolo Ponzetto

    Unsere Arbeits­gruppe untersucht Methoden zum automatischen Wissenserwerb und zur Verarbeitung natürlicher Sprache (NLP) sowie deren Anwendung zur Unterstützung der empirischen Forschung in den Sozial­wissenschaften (Computational Social Science) und in den Geistes­wissenschaften (Digital Humanities). In unserer Arbeit forschen wir an einer Vielzahl von Techniken zum Textverständnis - vom Lernen von Repräsentationen und distributioneller Semantik bis hin zu symbolischen, entitäts­basierten Ansätzen, die  Wissensgraphen nutzen - und wenden diese auf eine Vielzahl von Forschungs­themen wie computationelle Semantik, Multilingualität, Information Retrieval und multimodales NLP an, um nur einige zu nennen. 

    Mehr Informationen zum Lehr­stuhl

  • Lehr­stuhl für Wirtschafts­informatik V (Web-based Systems)

    Prof. Dr. Christian Bizer

    Die Arbeits­gruppe Web-based Systems untersucht technische und empirische Fragen bezüglich der Entwicklung globaler, dezentralisierter Informations­umgebungen. Der aktuelle Fokus unserer Forschung ist die Entwicklung des World-Wide-Webs von einem Medium zur Veröffentlichung von Dokumenten hin zu einem globalen Datenraum. Unsere empirische Arbeit begleitet diese Entwicklung indem wir die Adaption von Semantic-Markup- und Linked-Data-Technologien im Zeitverlauf untersuchen. Unsere technische Arbeit konzentriert sich auf die Integration von Daten aus sehr großen Mengen an Datenquellen und umfasst Themen wie Information Extraction, Identity Resolution, Schema Matching, Datenfusion und Datensuche. Die entwickelten Methoden verwenden wir zur Integration von Produktdaten aus E-Shops sowie zur Erstellung großer Wissensbasen, z.B. DBpedia.

    Mehr Informationen zum Lehr­stuhl

  • Lehr­stuhl für Praktische Informatik I (Data Analytics)

    Prof. Dr. Rainer Gemulla

    Der Lehr­stuhl für „Data Analytics“ fokussiert sich auf Systeme und Methoden zur Analyse von großen, komplexen Datenbeständen mit dem Ziel, nützliches Wissen in einer sowohl effektiven als auch effizienten Art und Weise zu gewinnen. Die Forschung der Lehr­stuhls konzentriert sich auf Gebiete wie Systeme zur skalierbaren Datenverarbeitung, skalierbare Data Mining- und Machine Learning-Methoden, Approximations­techniken, Informations­extraktion und Verarbeitung natürlichsprachiger Texte sowie statistische relationale Lern­verfahren.

    Mehr Informationen zum Lehr­stuhl

  • Lehr­stuhl für Praktische Informatik II (Artificial Intelligence)

    Prof. Dr. Heiner Stuckenschmidt

    Der Lehr­stuhl führt Grundlagen- und angewandte Forschung in einer breiten Palette von Themen der Künstlichen Intelligenz durch, dar­unter Wissensrepräsentation, maschinelles Lernen, Verarbeitung natürlicher Sprachen und Entscheidungs­theorie. Die Gruppe ist international bekannt für ihre Arbeit im Bereich der Informations­integration, der Kombination von logischem und probabilistischem Schließen und der automatischen Aktivitätserkennung. Der Lehr­stuhl arbeitet eng mit dem Institut für Enterprise Systems (InES) zusammen und hat KI-Techniken in einer Reihe von Projekten in Bereichen wie Gesundheitswesen, Finanzen, Automobilindustrie und Einzelhandel angewendet. Die Gruppe hat erfolgreich Industrie­projekte in Zusammenarbeit mit großen Unternehmen sowie Startups und kleinen Technologie­unternehmen durchgeführt und ist ständig auf der Suche nach neuen Herausforderungen und Möglichkeiten, die Vorteile von KI-Methoden in realen Anwendungen zu demonstrieren.

    Mehr Informationen zum Lehr­stuhl

  • Lehr­stuhl für Praktische Informatik III (Datenbank­managementsysteme)

    Prof. Dr. Guido Moerkotte

    Der Lehr­stuhl für Praktische Informatik III (LSPI3) ist ein Lehr­stuhl für Datenbanksysteme.

    Der Fokus liegt dabei auf Anfrageoptimierung und -auswertung. Das Ziel der Anfrageoptimierung ist es, aus einer gegebenen Menge von Ausführungs­plänen unter Berücksichtigung der Kosten den besten Plan zu finden. Die Planausführung beschäftigt sich dann mit der möglichst effizienten Implementierung der algebraischen Operatoren, aus denen der Plan zusammengesetzt ist.

    Mehr Informationen zum Lehr­stuhl

  • Lehr­stuhl für Praktische Informatik IV (Dependable Systems Engineering)

    Prof. Dr. Frederik Armknecht

    Forschungs­gebiete des Lehr­stuhls sind Kryptographie und IT-Sicherheit. Ziel der Forschung ist die Entwicklung und Anwendung von technischen Maßnahmen, um Sicherheit und Privatsphäre in Bezug auf Daten zu realisieren. Die Forschung ist durch die Tatsache motiviert, dass Personen und Institutionen immer häufiger wissentlich Zugriff auf eigene Daten ermöglichen, bspw. durch Verwendung von Cloud Services. Weiterhin resultiert aus der immer stärkeren Verbreitung eingebetteter Systeme (Internet der Dinge), dass eine Vielzahl an Geräten unbeabsichtigt Informationen erhalten, bspw. über das Benutzerverhalten bei Smartphones oder über Produktions­prozesse im Kontext von Industrie 4.0. Unser Ziel ist es, die Inhalte dieser Daten zu schützen, so dass möglichst keine Einschnitte hinsichtlich der Praktikabilität und des Nutzens entstehen, als auch neue Ansätze zu entwickeln, um solche Daten für mehr Sicherheit einzusetzen, bspw. zur Authentifikation.

    Mehr Informationen zum Lehr­stuhl

  • Lehr­stuhl für Theoretische Informatik

    Prof. Dr. Matthias Krause

    Die Forschungs­kompetenzen des Lehr­stuhls liegen in den Gebieten Komplexitätstheorie, Algorithmen und Datenstrukturen und Kryptographie. Aktuelle Schwerpunkte in der Forschung sind Beweisbare Sicherheit von symmetrischen Verschlüsselungs­verfahren, Hashfunktionen-Konstruktionen und Authentifizierungs­protokollen, Weiter­entwicklung von Kryptanalysetechniken, sowie Entwurf, Analyse und Implementierung von ultraleichtgewichtigen Verschlüsselungs­verfahren für sogenannte ultra-constrained devices (z.B. RFIDs).

    Mehr Informationen zum Lehr­stuhl

  • Lehr­stuhl für Softwaretechnik

    Prof. Dr. Colin Atkinson

    Der Lehr­stuhl für Softwaretechnik beschäftigt sich mit Methoden und Werkzeugen zur effizienten Entwicklung zuverlässiger Software Systeme. Unser Fokus liegt auf der Integration diverser grundlegender Paradigmen in der Softwaretechnik mit einem besonderen Schwerpunkt auf modellgetriebene Software­entwicklung und Visualisierung, als auch das Data Mining umfangreicher Software Repositories (Big Code): Zu den wichtigsten Forschungs­bereichen gehören unter anderem Multi-Level (Deep) Modellierung, sichten­basierte Entwicklung und beobachtungs­basierte Analyse umfangreicher Softwarebestände.

    Mehr Informationen zum Lehr­stuhl

  • Lehr­stuhl für Data Science

    Prof. Dr. Heiko Paulheim

    Die Gruppe beschäftigt sich mit dem Aufbau und der Verwendung großer Wissensgraphen. Wir untersuchen Methoden zum Generieren dieser Wissensgraphen aus verschiedenen Quellen (z. B. Wikis und anderen strukturierten Websites) sowie Verfahren zur automatischen Verbesserung dieser Graphen (z.B. Ergänzung fehlenden Wissens oder Finden von Fehlern) mit Hilfe von heuristischer Inferenz oder maschinellem Lernen. Darüber hinaus betrachten wir die Konstruktion und Verfeinerung von Wissensgraphen ganzheitlich, indem wir versuchen, Meta-Wissen über den Prozess und den Lebenszyklus von Wissensgraphen zu formalisieren und zu nutzen. Auf der Anwendungs­seite untersuchen wir, wie Wissensgraphen verwendet werden können, um die Ergebnisse verschiedener wissensintensiver Aufgaben zu verbessern.

    Mehr Informationen zum Lehr­stuhl

  • Juniorprofessur für Bildverarbeitung

    Prof. Dr. Heiko Paulheim

    Die Gruppe beschäftigt sich mit dem Aufbau und der Verwendung großer Wissensgraphen. Wir untersuchen Methoden zum Generieren dieser Wissensgraphen aus verschiedenen Quellen (z. B. Wikis und anderen strukturierten Websites) sowie Verfahren zur automatischen Verbesserung dieser Graphen (z.B. Ergänzung fehlenden Wissens oder Finden von Fehlern) mit Hilfe von heuristischer Inferenz oder maschinellem Lernen. Darüber hinaus betrachten wir die Konstruktion und Verfeinerung von Wissensgraphen ganzheitlich, indem wir versuchen, Meta-Wissen über den Prozess und den Lebenszyklus von Wissensgraphen zu formalisieren und zu nutzen. Auf der Anwendungs­seite untersuchen wir, wie Wissensgraphen verwendet werden können, um die Ergebnisse verschiedener wissensintensiver Aufgaben zu verbessern.

    Mehr Informationen zum Lehr­stuhl