Ein in Publikation befindliches Forschungsprojekt sagt das Wachstum von Antibiotikum-produzierenden Mikroorganismen https://de.wikipedia.org/wiki/Streptomyces voraus. Wir wollen in Zukunft die Vorhersage verbessern und mit Explainable AI analysieren, auf welche Merkmale und Bereiche die Deep Neural Networks bei der Vorhersage achten.
Im Projekt WINDForest https://bmdv.bund.de/SharedDocs/DE/Artikel/DG/mfund-projekte/windforest.html werden Wetterdaten und Topologiedaten verwendet, um in kritischen Anwendungsfällen (z. B. Waldbrände, Windräder) schneller genaue Windvorhersagen zu erhalten. Ein studentisches Projekt kann hier das Anpassen von bestehenden generativen Neuronalen Netzen zum Upscaling von Bildern auf Windvorhersagen sein.
In diesem Projekt soll ein Plugin für Thunderbird erstellt werden, welches die Anbindung an Large Language Models, z. B. ChatGPT realisiert. So können schnell und effizient Entwürfe von Antwortmails erzeugt werden. Die benötigte API Anbindung und Serverleistung ist vorhanden, das Projekt kann auf einer bestehenden ChatGPT Anbindung eines früheren Projekts aufbauen.
In Vorbereitung künftger Projekte nehmen wir eigene (simple) EEG und EKG Messungen auf. Die Ausstattung ist vorhanden, muss aber aufgebaut und getestet werden. Die Aufzeichnungen können dann mit ersten KI Methoden gruppiert und untersucht werden.
Ein möglicher Projektansatz könnte ähnlich dazu aussehen: https://spectrum.ieee.org/brain-waves-control-a-robot
In Kooperation mit einem fränkischen IT Unternehmen erforschen wir Möglichkeiten, möglichst viele KI-Anwendungsfälle wie Computer Vision, Zeitreihenanalyse, Anomaliedetektion oder Reinforcement Learning soweit wie möglich zu automatisieren, bzw. automatisch geeignete Parameter zu ermitteln, die zu hochwertigen und robusten Anwendungen führen.
Eine HiWi Stelle für algorithmische Forschung zur Schnittmenge von Entscheidungsbäumen, Neuronalen Netzwerken und Regularisierung ist verfügbar.
Alternativ oder zusätzlich gibt es Bedarf bei verschiedenen kleinen Hilfstätigkeiten.
Anhand eines einfachen Verfahrens kann ein individualisierter Fußabdruck erstellt werden. Die Arbeit soll mittels Bildverarbeitung und Computer Vision den Fuß automatisiert erkennen und vermessen.
Die Ergebnisse der Bildverarbeitung werden als einfache Applikation nutzbar gemacht.
Im Rahmen des AN[ki]T sind mehrere Roboter für Projekte verfügbar. Unter anderem:
https://emanual.robotis.com/docs/en/platform/openmanipulator_x/overview/
https://de.wikipedia.org/wiki/Pepper_(Roboter)
https://store.dji.com/de/product/tello?vid=38421
https://www.turtlebot.com/turtlebot3/
Diese Roboter werden in verschiedenen Projekten eingesetzt und können einerseits klar definierte Aufgaben erfüllen, andererseits zur Umsetzung komplexer Verhaltensmuster genutzt werden.
Studentische Projekte können hier entweder eigene Ideen umsetzen oder mit definierten Teilaufgaben in bestehende Forschung integriert werden.
Mehrere Forschungsprojekte behandeln die Erkennung von relevanten Signalen in Elektroenzephalogrammmessungen (EEG). Dabei werden Sensoren auf dem Kopf plaziert und die induzierten Ströme gemessen. Aus den Daten lassen sich eine Vielzahl von medizinisch relevanten Ergebnissen ableiten.
Studentische Arbeiten in diesem Bereich können in bestehende Forschungsteams integriert werden und je nach aktuellen Forschungsschwerpunkten verschiedene Deep Learning Verfahren auf die EEG Daten anwenden.
Wir kooperieren hier stark mit der Firma BESA https://www.besa.de/
Die Grundzüge und eine erste Implementierung eines neuartigen Verfahrens zur automatisierten Anomalieerkennung unter erschwerten Real-Welt-Bedingungen existiert bereits.
Die nächsten Schritte wären eine Demonstration der Fähigkeiten des konzipierten Algorithmus, bzw. das Weiterentwickeln des Algorithmus um erkannte Schwächen zu verbessern.