ENEXA: Efficient Explainable Learning on Knowledge Graphs

Laufzeit: 10/2022 - 09/2025

Gefördert durch: EU

SAIL - Nachhaltiger Lebenszyklus von intelligenten soziotechnischen Systemen

Durch SAIL wird das bestehende Forschungsnetzwerk aus Uni Bielefeld, Uni Paderborn, TH OWL und FH Bielefeld im Bereich der künstlichen Intelligenz (KI) vertieft und weiterentwickelt. SAIL adressiert die nächste Stufe der KI-Entwicklung, indem der gesamte Lebenszyklus von KI-Systemen und deren technologische und gesellschaftliche Auswirkungen in den ...

Laufzeit: 08/2022 - 07/2026

Gefördert durch: MKW NRW

NEBULA: Nutzerzentrierte KI-basierte Erkennung von Fake-News und Fehlinformationen

Die Verbreitung falscher und irreführender Informationen – insbesondere über soziale Medien wie TikTok, Twitter, Facebook und Co. – nehmen eine immer größer werdende Relevanz in sicherheitsrelevanten Situationen ein. Gerade im Kontext des Ukrainekriegs spielen derartige Plattformen eine besondere Rolle, indem gefälschte Videos oder Inhalte mit ...

Laufzeit: 07/2022 - 06/2025

Gefördert durch: BMBF

TRR 318 - Erklärbarkeit konstruieren

In unserer digitalen Gesellschaft nehmen die algorithmischen Ansätze (wie das maschinelle Lernen) rasant an Komplexität zu. Diese erschwert es den Bürger:innen, die Assistenz nachzuvollziehen und die von Algorithmen vorgeschlagenen Entscheidungen zu akzeptieren. Als Antwort auf diese gesellschaftliche Herausforderung hat die Forschung begonnen, ...

Laufzeit: 07/2021 - 06/2025

Gefördert durch: DFG

TRR 318 - Ein dialogbasierter Ansatz zur Erklärung von Modellen des maschinellen Lernens (Teilprojekt B01)

Im Gegensatz zu aktuellen Modellen algorithmischer Transparenz, die von einer rein algorithmischen Konstruktion einer Erklärung ausgehen, verfolgt das Projekt B01 einen ko-konstruktiven Ansatz für den interaktiven und domänenspezifischen Prozess zwischen Erklärendem und Adressaten. Das Ziel ist es, ein Dialogprotokoll zu entwickeln und zu ...

Laufzeit: 07/2021 - 06/2025

Gefördert durch: DFG

Colide: Co-Training and Co-Regulierung für Industriedaten

Ziel von COLIDE ist die Entwicklung von Auto-Multi-View-Learning-Verfahren (AutoMVL) für heterogene Industriedaten. Dazu werden multi-view learning (MVL) und automatisiertes maschinelles Lernen (AutoML) erstmals kombiniert. Damit werden insbesondere KMUs in die Lage versetzt, den Mehrwert der simultanen Nutzung verschiedenster ML-Methoden auf ...

Laufzeit: 05/2021 - 04/2024

Gefördert durch: BMBF

3DFed: Dynamic Data Distribution and Federation

Laufzeit: 04/2021 - 03/2024

Gefördert durch: EU

PORQUE: Polylingual Hybrid Question Answering

Laufzeit: 12/2020 - 11/2023

Gefördert durch: EU, BMBF

SPEAKER: Eine Sprachassistenzplattform "Made in Germany"

Sprachassistenten sind eine Kerntechnologie für die Mensch-Maschine-Kommunikation und bieten einen natürlichsprachlichen Zugang zu Produktangeboten und Dienstleistungen. Der Markt für Sprachassistenzlösungen wird bisher von US-amerikanischen und asiatischen Unternehmen dominiert. Der Bedarf der deutschen Industrie und Wirtschaft an ...

Laufzeit: 04/2020 - 03/2023

Gefördert durch: BMWK

EML4U: Erklärbares Maschinelles Lernen für interaktive episodische Updates von Modellen

Mit Maschinellem Lernen (ML) lassen sich anhand von Daten komplexe Zusammenhänge modellieren. Somit können aufwändige und oft grob vereinfachte mathematische Modellierungen bestimmter Gegebenheiten umgangen werden. Außerdem eröffnet sich zudem eine neuartige Funktionalität: ML-Modelle können datengetrieben an geänderte Anforderungen und Bedingungen ...

Laufzeit: 04/2020 - 03/2022

Gefördert durch: BMBF