Forschung

Beteiligte Departments der FIDS

• Fachbereich Grundlagen der Informatik
• Fachbereich Wirtschaftsinformatik

Forschungsthemen im Bereich Informationssicherheit

Forschungsarbeiten im Bereich Informationssicherheit haben eine hohe gesellschaftliche Relevanz und umfassen an der FIDS

• Fragestellungen zum Einsatz von Verfahren des maschinellen Lernens in der Informationssicherheit und IT-Forensik,
• Fragestellungen zur Absicherung von KI-Systemen gegen gezielte Angriffe,
• Fragestellungen zu verteilten, treuhänderischen Systemen,
• Fragestellungen zur Erfassung und zum Austausch von Cyber Threat Intelligence sowie
• Fragestellungen zu Cyber Ranges und zur Simulation von Angriffen und deren Abwehr.

Daneben werden an der FIDS angrenzende Forschungsthemen wie die Umsetzung des Rechts auf Privatheit und informationeller Selbstbestimmung bearbeitet (z. B. Fragestellungen zur Nutzerakzeptanz und zum individuellen Datenschutzverhalten sowie zum Wert von Privacy-Mechanismen). Die Umsetzung von Rechten rund um Privatheit und Datenschutz macht die Entwicklung neuer, erweiterter Anonymisierungs- und Pseudonymisierungsansätze notwendig. Unter anderem dafür werden an der FIDS moderne, kryptographische Verfahren wie Post-Quantum-Kryptographie und deren Anwendung erforscht.

Beteiligte Departments der FIDS

• Fachbereich Grundlagen der Informatik
• Fachbereich Wirtschaftsinformatik
• Fachbereich Bioinformatik
• Fachbereich Maschinelles Lernen und Data Science
• Fachbereich Menschzentrierte Informatik

Forschungsthemen im Bereich Explainable AI

Im Bereich Explainable AI (XAI) kombinieren alle Departments der FIDS verschiedene fachliche Schwerpunkte und komplementäre Methodenansätze, um Fragestellungen aus theoretischer und angewandter Perspektive zu untersuchen.

Im Rahmen der theoretischen Perspektive werden mathematische, symbolische, statistische und informatische Grundlagen sowie neue Methoden erforscht, die es ermöglichen sollen, die Funktionsweise von künstlicher Intelligenz zu erklären und statistische Daten zu interpretieren. Dies umfasst beispielsweise symbolische Methoden, die formale Begründungen/Interpretationen zu Ausgaben von AI-Systemen ermöglichen. Weiterhin ermöglicht das Gebiet der Differential Privacy, Methoden der AI einzusetzen, während die Privatsphäre von Nutzerinnen und Nutzern gewahrt wird.

Aufbauend auf diesen theoretischen Grundlagen werden Ansätze des Explainable AI in verschiedenen Anwendungsbereichen entwickelt, untersucht und evaluiert (z. B. in der Immunologie, der Onkologie, der Bildverarbeitung oder der betrieblichen Wertschöpfung). Hierfür wird auch die Interaktion zwischen Menschen und KI-Systemen für ein besseres Verständnis der Wahrnehmung, Akzeptanz und Verhaltensbeeinflussung von Explainable AI erforscht. Insgesamt leistet die Fakultät so einen wichtigen Beitrag zur Erforschung zentraler Güteeigenschaften von maschinellen Lernverfahren, die für den verantwortungsbewussten Einsatz künstlicher Intelligenz essenzielle Voraussetzung sind.

Beteiligte Departments der FIDS

• Fachbereich Bioinformatik
• Fachbereich Maschinelles Lernen und Data Science
• Fachbereich Grundlagen der Informatik

Forschungsthemen im Bereich Computational Methods in the Natural Sciences

Im Schwerpunkt “Computational Methods in the Natural Sciences" werden neue rechnergestützte Herangehensweisen für Anwendungen in Bereichen der Biologie, Medizin, Physik und Chemie entwickelt. Eine enge Zusammenarbeit mit Forschenden aus den naturwissenschaftlichen und medizinischen Fakultäten steht dabei im Vordergrund.

Große Teile der heutigen naturwissenschaftlichen und medizinischen Forschung stützen sich entscheidend auf Informatik-Methoden, z. B. auf Methoden des Data Engineerings, des maschinellen Lernens und des High Performance Computings. In allen Feldern kommt der Analyse, Visualisierung und Integration großer Datenmengen eine zentrale Bedeutung zu. Moderne Messmethoden wie Hochdurchsatz-Sequenzierung, Massenspektrometrie oder hochauflösende Mikroskopie sowie Screeningverfahren oder populationsweite Studien erzeugen große, komplexe und heterogene Datensätze. Die Methoden, die an der FIDS entwickelt werden, umfassen statistische und maschinelle Lernverfahren, mit denen quantitative Informationen aus den oft indirekten und unstrukturierten rohen Daten gewonnen werden, mit denen verschiedene Datenquellen verknüpft werden und statistische Zusammenhänge aufgedeckt werden. Ein besonderer Fokus liegt dabei auch auf zu schätzenden Unsicherheiten durch Messungenauigkeiten sowie systematische Fehler und fehlende Werte. In vielen Gebieten der Naturwissenschaften wird das Verständnis naturwissenschaftlicher Prozesse durch komplexe Modelle repräsentiert, aus denen Vorhersagen nur durch Computersimulationen abgeleitet werden können. Das betrifft die Beschreibung fundamentaler Wechselwirkungen zwischen quantenmechanischen Teilchen genauso wie die Modellierung von genetischen Interaktionen mit Anwendungen in der Krebsforschung. An der FIDS werden neue Simulationsalgorithmen entwickelt, insbesondere solche, die die Techniken des maschinellen Lernens einbinden, um die Probleme lösbar zu machen. Weiterhin bringt die Forschung an allgemeiner Künstlicher Intelligenz gänzlich neue Optimierungsmethoden hervor, um automatisierte Verfahren zu entwickeln. Als Teil des Forschungsschwerpunktes werden Techniken des Reinforcement Learnings verwendet, die in den Naturwissenschaften Anwendung in der Steuerung von Experimenten mit Feedback finden oder auch im Design experimenteller Aufbauten.

Beteiligte Departments der FIDS

• Fachbereich Grundlagen der Informatik
• Fachbereich Wirtschaftsinformatik
• Fachbereich Bioinformatik
• Fachbereich Maschinelles Lernen und Data Science
• Fachbereich Menschzentrierte Informatik

Forschungsthemen im Bereich Human-Centered AI

Menschen nutzen Informationen bzw. Informationssysteme, um in analogen und/oder digitalen Kontexten Aufgaben zu lösen. Dies wirft vielfältige Fragestellungen auf:

• Wie nutzen Menschen digitale Informationssysteme in Alltagssituationen?
• Welchen Einfluss haben unterschiedliche Interaktionsmöglichkeiten auf den Erfolg der Nutzung eines Informationssystems bzw. auf die Erfüllung der betreffenden Aufgabe?
• Können Informationssysteme Meinungen und Entscheidungen von Menschen beeinflussen?

Diese Fragen sind leitend für den Forschungsschwerpunkt “Human-Centered AI” an der FIDS. Antworten auf diese Fragen können helfen, besser zu verstehen, wie, wann und warum Menschen aus einer Menge von Handlungsoptionen eine bestimmte Handlung auswählen. Daraus ergibt sich, dass “Human-Centered AI” komplementär zu KI-Schwerpunkten im Bereich autonomer Systeme immer vom Paradigma “Human in the Loop” getragen wird. Die FIDS leistet durch diesen Schwerpunkt direkt Beiträge zu den Schlüsselbereichen “Digital Transformations” und “Integrated Sciences in Life, Health, and Disease” der Universität Regensburg.

Lösungen, die in diesem Forschungsschwerpunkt erarbeitet werden, sind stets interdisziplinärer Natur: Die Tatsache, dass Menschen als Nutzende von digitaler Technologie zentrales Untersuchungsobjekt sind, erfordert eine enge Zusammenarbeit mit der Psychologie. Andererseits haben Informationssysteme immer eine ausgeprägte technische Komponente, die zur Beobachtung der Umgebung und der Nutzenden sowie zum interaktiven Handeln dienen kann. Dazu sind technische Expertise und Kompetenz in den Bereichen des Maschinellen Lernens und der Data Science notwendig, wie sie auch an der FIDS vorhanden sind. Die Anwendungsszenarien sind überaus vielfältig und stammen an der FIDS beispielsweise aus der Wirtschaftsinformatik (z. B. Internet der Dinge, soziotechnische Prozesse, Mensch-Roboter-Interaktion), den Life Sciences (z. B. Prävention in der Medizin, Beratungssysteme für Patient:innen, medizinische Entscheidungsunterstützungssysteme, Recommender Systeme) und der Informationswissenschaft im engeren Sinn (z. B. Fake News Detection, Informationsverhalten in den Sozialen Medien, Glaubwürdigkeit von Informationsangeboten im Internet, Einfluss von Information auf Einstellungen von Menschen, smart environments). Ein wesentlicher Aspekt des Forschungsschwerpunkts “Human-Centered AI” sind an der FIDS schließlich ethische und juristische Voraussetzungen und Konsequenzen von KI-Verfahren in Informationsprozessen.