Methods and Algorithms
Um komplexe reale Aufgaben zu lösen, entwickeln wir Machine-Learning-Lösungen auf Basis modernster überwachter Deep-Learning-Methoden sowie selbstüberwachter Ansätze und evaluieren deren Qualität entlang verschiedener Qualitätsdimensionen.
Medizinische Zeitreihen
Das Fraunhofer HHI setzt modernste KI-Methoden für medizinische Zeitreihen ein, um drängende Herausforderungen im Gesundheitswesen zu lösen und Anwender mit innovativen Lösungen zu unterstützen.
Medizinische Bilddaten
Von Gewebeschnitten unter dem Mikroskop bis hin zu Röntgenaufnahmen des menschlichen Körpers – die medizinische Bildgebung steht im Zentrum moderner Diagnostik. Die Applied Machine Learning-Gruppe erforscht, wie modernste KI Ärztinnen und Ärzte in verschiedenen Modalitäten unterstützen kann – von der Histopathologie, in der selbst kleinste Färbevariationen die Krebsdiagnose beeinflussen können, bis hin zur Röntgenbildgebung, bei der subtile Muster auf Frakturen oder frühe Krankheitsanzeichen hinweisen. Durch die Entwicklung robuster und interpretierbarer Deep-Learning-Modelle arbeitet die Gruppe an zuverlässigen, skalierbaren Werkzeugen, die klinische Standards erfüllen und den Einsatz von maschinellem Lernen in der täglichen Gesundheitsversorgung voranbringen.
Vetrauenswürdige KI
Unsere Forschung konzentriert sich aktiv auf die Entwicklung und Definition vertrauenswürdiger KI im Einklang mit der europäischen KI-Verordnung sowie den europäischen Richtlinien für sichere Innovationen im Bereich der künstlichen Intelligenz.
Umwelt und Wetter
Modernste KI- und Machine-Learning-Technologien revolutionieren die Wetter- und Risikovorhersage und ermöglichen genauere Prognosen sowie bessere Vorsorge bei extremen Ereignissen.
Multimodale KI-Verfahren
Verschiedene Unternehmen und Behörden haben den Wert von Daten in jedem Prozessschritt längst erkannt. Automatisierte Messinfrastrukturen produzieren jeden Tag Datenmengen, deren Verarbeitung die menschliche Arbeitskraft bei weitem übersteigt. KI-Modelle sind besonders erfolgreich darin, verschiedener Datenquellen zu kombinieren und dadurch neue, relevante Einblicke zu generieren. Gleichzeitig stellt diese gewaltige Datenmenge auch eine Herausforderung dar, die durch die sorgfältige Entwicklung geeigneter Modelle und Verarbeitungspipelines bewältigt werden muss. Wir präsentieren mehrere Projekte aus den Bereichen Klima und Gesundheit, bei denen wir multimodale Daten genutzt haben, um flexiblere, leistungsfähigere und vertrauenswürdigere Modelle zu entwickeln.
Angewandtes maschinelles Lernen für die Industrie
Wir sind stets stark daran interessiert, Lösungen für reale Problemstellungen zu entwickeln, die auf spezifische Industriezweige zugeschnitten sind, und begrüßen daher jederzeit neue industrielle Kooperationen, um gemeinsam neue Herausforderungen zu erschließen.
Maschinelles Lernen für Umweltforschung und Extreme Wetterereignisse
Die Klimaforschung ist ein äußerst umfangreiches und gesellschaftlich hochrelevantes Forschungsfeld. Gemeinsam mit Partnern aus unserem Forschungsnetzwerk arbeiten wir daran, auf maschinellem Lernen basierende Methoden zu entwickeln, die dazu beitragen können, die Forschung in diesem Bereich weiter voranzubringen.