Intelligente Datenanalyse

Daten sind ein zentrales Phänomen in unserer digitalen Informationsgesellschaft. Sie durchdringen unsere Produktions- und Wirtschaftssysteme und bieten enormes Potenzial, unser Verhalten und unsere Umwelt in Gesellschaft, Wirtschaft und Wissenschaft positiv zu beeinflussen. Die Entwicklung von neuen Methoden des maschinellen Lernens zur intelligenten Datenanalyse, mit denen Wissen in datenintensiven Umgebungen automatisch extrahiert und zugänglich gemacht werden kann, um einen wirtschaftlichen Mehrwert und neue Geschäftsmöglichkeiten zu schaffen, ist eins der zentralen Ziele der Forschungsgruppe Intelligente Datenanalyse.

Intelligente Methoden der Datenanalyse sind ein zentraler Bestandteil in vielen industriellen Kontexten, um nutzbare Einsichten in komplexe Datenbestände und den damit verbundenen Prozessen zu gewinnen. Darum ist es umso wichtiger, sowohl existierende als auch neue Analysemethoden an die entsprechenden Anwendungsdomänen und -anforderungen anzupassen, um gewinnbringende Informationen zielgerichtet und erfolgreich umzusetzen. Die Entwicklung intelligenter Methoden zur (automatischen) Datenanalyse ist dabei ein zentraler Schritt hin zu einem benutzerzentrierten Datenanalyseprozess, in dem Daten gemeinsam mit Anwendern und unter Zuhilfenahme geeigneter Algorithmisierungsmöglichkeiten analysiert werden können.

Intelligente Lösungen für die Datenanalyse

Wir entwerfen und entwickeln datenzentrierte Analyselösungen, um sowohl umfangreiche historische Datenbestände als auch Echtzeit-Datenströmen zu analysieren. Dabei liegt unser Fokus nicht nur einzig auf den Daten, sondern orientiert sich insbesondere auch an den Bedürfnissen des Anwenders und den Möglichkeiten der zugrunde liegenden Technologien. Eng verzahnt mit den Abteilungen des Fraunhofer FIT sind wir in der Lage, effiziente Analyselösungen für komplexe Problemstellungen zu entwickeln, unter Einsatz modernster Methoden aus den Bereichen Machine Learning, Big Data und Data Science.

Was bietet Ihnen das Fraunhofer FIT im Bereich Intelligente Datenanalyse?

Wir unterstützen Sie bei der Planung und Durchführung von Projekten im Bereich der Datenanalyse. Dazu gehört neben der Entwicklung und Integration von Methoden und Technologien zur nutzbringenden Datenanalyse auch die Schulung und Beratung Ihrer Mitarbeiter. Profitieren Sie von unserer Erfahrung bei der Erfassung, Verarbeitung und Analyse von Daten und setzen Sie gemeinsam mit uns Ihre Ideen und Konzepte um. Dank innovativer Methoden und Technologien lernen Sie das Potenzial ihrer Daten kennen und entwickeln mit uns Strategien zur Nutzung.

Kompetenzen

Wir zielen darauf ab, reale Probleme mit wissenschaftlicher Exzellenz zu lösen. Wir übertragen modernste Forschung aus den Bereichen Data Science, Datenanalytik, maschinelles Lernen und künstliche Intelligenz auf Anwendungsprobleme.

Arten der Datenanalytik

  • Beschreibend – Was ist passiert?
  • Diagnostisch – Warum ist es passiert?
  • Prädiktiv – Was wird passieren?
  • Preskriptiv – Wie können wir es erreichen?

Unsere Forschungsthemen umfassen:

  • Explorative Datenanalyse
  • Zeitreihenanalyse
  • Maschinelles Lernen
  • Anomalieerkennung
  • Computer Vision
  • Natural Language Processing
  • Große Sprachmodelle

Publikationen

Jahr
Year
Titel/Autor:in
Title/Author
Publikationstyp
Publication Type
2024 Entwicklung einer KI für automatisierte Tierschutzkontrollen in der Schweineschlachtung
Beecks, Christian; Graß, Alexander; Kitschke, Felix; Jentsch, Marc; Amalraj, Anandraj; Norz, Maximilian; Schäffer, Patric
Konferenzbeitrag
Conference Paper
2024 AI Lifecycle Zero-Touch Orchestration within the Edge-to-Cloud Continuum for Industry 5.0
Alberti, Enrico; Alvarez-Napagao, Sergio; Anaya, Victor; Barroso, Marta; Barrué, Cristian; Beecks, Christian; Bergamasco, Letizia; Chala, Sisay Adugna; Giménez-Ábalos, Víctor; Graß, Alexander; Hinjos, Daniel; Holtkemper, Maike; Jakubiak, Natalia; Nizamis, Alexandros G.; Pristeri, Edoardo; Sànchez-Marrè, Miquel; Schlake, Georg Stefan; Scholz, Jona; Scivoletto, Gabriele; Walter, Stefan
Zeitschriftenaufsatz
Journal Article
2024 Leveraging YOLO for Real-Time Video Analysis of Animal Welfare in Pig Slaughtering Processes
Beecks, Christian; Amalraj, Anandraj; Graß, Alexander; Jentsch, Marc; Kitschke, Felix; Norz, Maximilian; Schäffer, Patric
Konferenzbeitrag
Conference Paper
2024 Leveraging YOLO for Real-Time Video Analysis of Animal Welfare in Slaughtering Processes
Amalraj, Anandraj; Graß, Alexander; Jentsch, Marc; Kitschke, Felix; Norz, Maximilian; Schäffer, Patric; Beecks, Christian
Paper
2023 A Knowledge Graph for Query-Induced Analyses of Hierarchically Structured Time Series Information
Graß, Alexander; Beecks, Christian; Chala, Sisay Adugna; Lange-Bever, Christoph; Decker, Stefan
Konferenzbeitrag
Conference Paper
2022 A Comparative Performance Analysis of Fast K-Means Clustering Algorithms
Beecks, Christian; Berns, Fabian; Hüwel, Jan David; Linxen, Andrea; Schlake, Georg Stefan; Düsterhus, Tim
Konferenzbeitrag
Conference Paper
2022 GitSchemas: A Dataset for Automating Relational Data Preparation Tasks
Döhmen, Till; Hulsebos, Madelon; Beecks, Christian; Schelter, Sebastian
Konferenzbeitrag
Conference Paper
2022 Evaluating the Lottery Ticket Hypothesis to Sparsify Neural Networks for Time Series Classification
Schlake, Georg Stefan; Hüwel, Jan David; Berns, Fabian; Beecks, Christian
Konferenzbeitrag
Conference Paper
2022 Dynamically Self-adjusting Gaussian Processes for Data Stream Modelling
Hüwel, Jan David; Haselbeck, Florian; Grimm, Dominik; Beecks, Christian
Konferenzbeitrag
Conference Paper
2022 Analysis of Extracellular Potential Recordings by High-Density Micro-electrode Arrays of Pancreatic Islets
Hüwel, Jan David; Gresch, Anne; Berger, Tim; Düfer, Martina; Beecks, Christian
Konferenzbeitrag
Conference Paper
2022 Automated Model Inference for Gaussian Processes
Berns, F.; Hüwel, J.; Beecks, C.
Zeitschriftenaufsatz
Journal Article
2022 Tracing Patterns in Electrophysiological Time Series Data
Hüwel, Jan; Gresch, Anne; Berns, Fabian; Koch, Ruben; Düfer, Martina; Beecks, Christian
Konferenzbeitrag
Conference Paper
2022 Sample-based Kernel Structure Learning with Deep Neural Networks for Automated Structure Discovery
Graß, Alexander; Döhmen, Till; Beecks, Christian
Konferenzbeitrag
Conference Paper
2021 3CS algorithm for efficient Gaussian process model retrieval
Berns, F.; Schmidt, K.; Bracht, I.; Beecks, C.
Konferenzbeitrag
Conference Paper
2021 knowlEdge Project - Concept, Methodology and Innovations for Artificial Intelligence in Industry 4.0
Alvarez-Napagao, Sergio; Ashmore, Boki; Barroso, Marta; Barrué, Cristian; Beecks, Christian; Berns, Fabian; Bosi, Ilaria; Chala, Sisay Adugna; Ciulli, Nicola; Garcia-Gasulla, Marta; Graß, Alexander; Ioannidis, Dimosthenis; Jakubiak, Natalia; Köpke, Karl; Lämsä, Ville; Megias, Pedro; Nizamis, Alexandros; Pastrone, Claudio; Rossini, Rosaria; Sànchez-Marrè, Miquel; Ziliotti, Luca
Konferenzbeitrag
Conference Paper
2020 Large-scale retrieval of bayesian machine learning models for time series data via gaussian processes
Berns, F.; Beecks, C.
Konferenzbeitrag
Conference Paper
2020 Towards large-scale gaussian process models for efficient bayesian machine learning
Berns, F.; Beecks, C.
Konferenzbeitrag
Conference Paper
2020 Automatic Gaussian Process Model Retrieval for Big Data
Berns, F.; Beecks, C.
Konferenzbeitrag
Conference Paper
2019 Unsupervised anomaly detection in production lines
Graß, Alexander; Beecks, Christian; Carvajal Soto, Jose Angel
Konferenzbeitrag
Conference Paper
2019 An Interactive Interface for Bulk Software Deployment in IoT
Tavakolizadeh, Farshid; Zhang, Hanbing; Adugna Chala, Sisay
Konferenzbeitrag
Conference Paper
2019 Data analysis and visualization framework in the manufacturing decision support system of COMPOSITION project
Vafeiadis, T.; Kalatzis, D.; Nizamis, A.; Ioannidis, D.; Apostolou, K.; Metaxa, I.N.; Charisi, V.; Beecks, C.; Insolvibile, G.; Pardi, M.; Vergori, P.; Tzovaras, D.
Zeitschriftenaufsatz
Journal Article
2019 A New Approach for Efficient Structure Discovery in IoT
Berns, F.; Schmidt, K.; Grass, A.; Beecks, C.
Konferenzbeitrag
Conference Paper
2019 Machine Learning for Enhanced Waste Quantity Reduction: Insights from the MONSOON Industry 4.0 Project
Beecks, Christian; Devasya, Shreekantha; Schlutter, Ruben
Konferenzbeitrag
Conference Paper
2018 Metric Indexing for Efficient Data Access in the Internet of Things
Beecks, Christian; Grass, Alexander; Devasya, Shreekantha
Konferenzbeitrag
Conference Paper
2018 Efficient Point-based Pattern Search in 3D Motion Capture Databases
Beecks, Christian; Graß, Alexander
Konferenzbeitrag
Conference Paper
2018 Video retrieval in laparoscopic video recordings with dynamic content descriptors
Schoeffmann, K.; Husslein, H.; Kletz, S.; Petscharnig, S.; Muenzer, B.; Beecks, C.
Zeitschriftenaufsatz
Journal Article
2018 Smart data and the industrial internet of things
Beecks, C.; Rasheed, H.; Grass, A.; Devasya, S.; Jentsch, M.; Soto, J.A.C.; Tavakolizadeh, F.; Linnemann, A.; Eisenhauer, M.
Aufsatz in Buch
Book Article
2017 Similarity search and applications
Beecks, C.; Borutta, F.; Kröger, P.; Seidl, T.
Konferenzbeitrag
Conference Paper
2017 Industry 4.0: Mining physical defects in production of surface-mount devices
Tavakolizadeh, Farshid; Carvajal Soto, José Ángel; Gyulai, Dávid; Beecks, Christian
Konferenzbeitrag
Conference Paper
Diese Liste ist ein Auszug aus der Publikationsplattform Fraunhofer-Publica

This list has been generated from the publication platform Fraunhofer-Publica