Assoziierte CDLs
Hier werden Projekte präsentiert, welche sich als assoziierte CDL oder als Verbund von assoziierten CDLs definieren.
CDLs in den Exzellenzclustern
AIM
Der Exzellenzcluster AIM bündelt die Kräfte aus Physik, Chemie und Strukturbiologie, um Prozesse auf der Skala von Atomen, Molekülen und Festkörpern zu beobachten, zu verstehen und zu kontrollieren und so neue Funktionalitäten zu erschließen. In all diesen Disziplinen spielt die Datenwissenschaft eine wichtige Rolle bei der Bewältigung der großen Datenmengen, und eine kontinuierliche Entwicklung der Digitalisierung ist unabdingbar. In diesen Forschungsbereichen ist die Nutzung von KI-Methoden eine neue und fruchtbare Richtung, zu der Mitglieder des CoE wichtige Beiträge leisten, z. B. bei der Analyse von Röntgenbeugungsdaten und Kryo-Elektronenmikroskopiedaten von Makromolekülen, bei der Optimierung von Quantenalgorithmen oder bei der Charakterisierung von Quantenzuständen. Die Aktivitäten im Bereich des maschinellen Lernens innerhalb der AIM werden von einer Task Force koordiniert:
CUI: Task Force für maschinelles Lernen
https://www.cui-advanced.uni-hamburg.de/en/research/machine-learning.html
UWA
Das CoE UWA schafft ein multidisziplinäres Umfeld, das darauf abzielt, schriftliche Artefakte als Objekte zu verstehen, die mehrere Dimensionen haben, einschließlich ihrer digitalen Repräsentationen, ihrer Materialität, ihres textlichen Inhalts und ihres historischen Kontexts. Die Einbindung von Datenwissenschaft und KI an der UWA reicht von der Anwendung etablierter Methoden zur Analyse von Forschungsdaten durch Forscher in den Natur- und Geisteswissenschaften bis hin zur Entwicklung neuer Methoden des maschinellen Lernens und der Mustererkennung durch Informatiker. Jährliche einschlägige wissenschaftliche Veranstaltungen, sowohl auf lokaler als auch auf internationaler Ebene, werden organisiert, um die Zusammenarbeit zwischen verschiedenen Disziplinen zu erleichtern und die Entwicklung neuer datenwissenschaftlicher und kognitiver Ansätze für die Erforschung schriftlicher Artefakte zu fördern, um diese besser zu verstehen. Darüber hinaus zielt die UWA darauf ab, neuartige chemische und physikalische Methoden zu entwickeln und sie für die Untersuchung organischer/biologischer und anorganischer Systeme einzusetzen. Diese Technologien und Experimente haben das Potenzial, zum Verständnis der Materialien beizutragen, die im Laufe der Zeit bei der Herstellung, Verwendung und Veränderung von schriftlichen Artefakten, wie z. B. Manuskripten, verwendet wurden.
Interdisziplinäre Projekte:
- Data-Linking: https://www.csmc.uni-hamburg.de/written-artefacts/research-fields/field-f.html
- Pattern Analysis Software Tools: https://www.csmc.uni-hamburg.de/publications/software.html
- Similarity Measurement of Visual Patterns in Written Artefacts: https://www.csmc.uni-hamburg.de/written-artefacts/research-fields/field-a/rfa05.html
Quantum Universe (QU)
Der Exzellenzcluster Quantum Universe (QU) betreibt Forschung über 45 Größenordnungen, von der Erforschung der Struktur der Materie in der Teilchenphysik bis zur Beobachtung des Universums in der Astrophysik, ergänzt durch theoretische und mathematische Forschung. Daher werden in der QU-Forschung eine Vielzahl fortschrittlicher digitaler Methoden eingesetzt, die vom maschinellen Lernen für die Datenanalyse und Datenerzeugung über Entscheidungssysteme mit Mikrosekunden-Latenzzeit bis hin zur Integration von mathematischen Strukturen in Deep Learning Algorithmen reichen. In vielen Fällen leistet die QU-Forschung Pionierarbeit bei digitalen Methoden für Forschungsanwendungen, wie z. B. bei der Entwicklung von Techniken zur Erkennung von Anomalien in der Suche nach Physik jenseits des Standardmodells.
Neben internationalen wissenschaftlichen Kooperationen wie den Experimenten am CERN ist die Quantum Universe-Forschung in nationale (PUNCH4NFDI, Consortia in ErUM-Data) und lokale (HCDS, CDCS, die Graduiertenschule DASHH, ...) Initiativen eingebettet, um KI-Forschung und Grundlagenphysik zu verbinden. Der Cluster organisiert eine Vorlesungsreihe zu den Grundlagen der Datenwissenschaft und ein Vernetzungsseminar “Physics ❤ AI”, um den Austausch zwischen Forschenden zu erleichtern.
Weitere Informationen finden Sie auf der Homepage des Clusters (https://www.qu.uni-hamburg.de/) oder beim Koordinator der Data Ccience Plattform des Clusters, Prof. Kasieczka (gregor.kasieczka"AT"uni-hamburg.de).
Weitere CDLs
Center for Data and Computing in Natural Sciences (CDCS)
Als Pilotstudie zum HCDS ist das CDCS eine gemeinsame Einrichtung der Universität Hamburg, des Deutschen Elektronensynchrotrons DESY und der Technischen Universität Hamburg. In der neu entstehenden Science City Bahrenfeld verbindet es naturwissenschaftliche Forschung mit modernster Informationstechnologie. Das CDCS ist ein Projekt der Landesforschungsförderung Hamburg X (Förderkennzeichen LFF-HHX-03) unter der Leitung von Matthias Rarey. Es umfasst 4 CDLS und eine Computational Core Unit, welches als Blaupause für das Methodenkompetenzzentrum dient.
Projekttitel: Computational Astro- and Particle Physics
Leitung: Peter Schleper, Frank Gaede
Förderung: CDCS, LFF Hamburg X
Laufzeit: 2021-2024
Projekttitel: Computational Photon Science
Leitung: Anton Barty
Förderung: CDCS, LFF Hamburg X
Laufzeit: 2021-2024
Projekttitel: Computational Systems Biology
Leitung: Jan Baumbach, Kay Grünewald
Förderung: CDCS, LFF Hamburg X
Laufzeit: 2021-2024
Projekttitel: Computational Controls of Accelerators
Leitung: Görschwin Fey, Holger Schlarb
Förderung: CDCS, LFF Hamburg X
Laufzeit: 2021-2024
Zentrum für Biomedizinische KI - bAIome
Das Zentrum für Biomedizinische KI - bAIome - am Universitätsklinikum Hamburg-Eppendorf (UKE) wurde 2019 mit dem Ziel gegründet, modernste KI-Forschung in die klinische Routine zu integrieren, wo sie zum besseren Verständnis von Krankheiten und deren Therapie beitragen kann. Die Angliederung von bAIome an das UKE schafft die einzigartige Möglichkeit für Kooperationen in Sandboxen, sicheren Räumen für die kontinuierliche Erprobung und Verbesserung neuartiger KI-Ansätze unter Verwendung klinischer Daten. In einer Sandbox treffen tiefe medizinische Daten auf KI-Expertise und medizinische Spezialisten. Gemeinsam werden einsatzfähige Anwendungen erstellt und neue Ideen zur Nutzung der großen Menge an verfügbaren biomedizinischen Daten entwickelt. Die Sandbox-Umgebung ist so konzipiert, dass der Schutz der Patientendaten gewahrt bleibt.
Arbeitsgruppen und Institute des bAIome:
- IMSB (Medizinische Systembiologie)
- ICNS (Computational Neuroscience)
- IPMI (Image Processing and Medical Imaging)
- IAM (Angewandte Medizininformatik)
- Systemimmunologie
- Exzellenz-Abteilung für Neurale Informationsverarbeitung
- Research IT
Klimaforschung
Dieses Kooperationsprojekt zwischen Informatikern, Klimawissenschaftlern und Modellentwicklern konzentriert sich auf zwei Herausforderungen: einerseits die steigenden Rechenanforderungen der Klimaforschung, andererseits die Engpässe, welche die effiziente skalierbare Nutzung der Fortschritte im Hochleistungsrechnen einschränken. Die Ziele dieses Projekts sind die konzeptionelle Verbesserung sowie die Entwicklung und anwendungsorientierte Evaluierung innovativer Methoden in den folgenden Bereichen: Klimamodell-Software-Engineering, Visualisierung großer Datenmengen und Datenmanagement für Simulationen und Beobachtungen.
Projekttitel: High-Perfomance Computing and Data-Intensive Science
Leitung: Andrea Lammert, Stephan Olbrich
Förderung: DFG, Exzellenzcluster CLICCS
Laufzeit: seit 2019
Geisteswissenschaften
Digital Humanities
In den Fachbereichen SLM I + II ist der Arbeitsbereich Digital Humanities (DH) als methodisches Querschnittsparadigma in Forschung und Lehre etabliert. Dabei wird die technische wie die konzeptionelle Digitalisierung von literatur- und sprachwissenschaftlichen Gegenständen und Forschungspraktiken in den Blick gefasst.
Projekttitel: Digital Humanities (CDL-DH)
Leitung: Heike Zinsmeister, Julia Nantke
Aktivität: Ringvorlesung Digital Humanities
Weitere Projekte: siehe DH-Projekte in SLM
Digitale Wissenssoziologische Diskursanalyse
Das Verbundprojekt D-WISE entwickelt neue informatische Analyseverfahren zum Einsatz von kontextorientierten Embedding-Repräsentationen und eine prototypische Arbeitsumgebung als digitale Unterstützung von wissenssoziologischen Diskursanalysen (WDA). Das Projekt arbeitet heraus, zu welchen Zwecken, wann und wie Digital Humanities-Verfahren in qualitative diskursanalytische Wissensproduktion sinnvoll eingebunden werden.
Projekttitel: D-WISE: Digitale Wissenssoziologische Diskursanalyse
Leitung: Gertraud Koch, Chris Biemann
Förderung: BMBF
Laufzeit: 2021 - 2024
Research Unit Data Linking
Eine der zentralen Ideen des Exzellenzclusters Understanding Written Artefacts ist es, die geisteswissenschaftliche Methoden mit den naturwissenschaftlichen Methoden bei der Erforschung von schriftlichen Artefakten zu verbinden. Die Materialien schriftlicher Artefakte werden mit neuen Technologien analysiert und es werden verschiedene Arten von Daten (z.B. Röntgendaten, Spektraldaten) generiert. Die automatische Verknüpfung dieser Analysedaten mit den Erkenntnissen der geisteswissenschaftlichen Forschung und Daten aus Publikationen, die KI-unterstützte Annotation und die KI-basierte Unterstützung der geisteswissenschaftlichen Forschung insgesamt ist das Ziel der Research Unit Data Linking
Projekttitel: Research Unit Data Linking im Exzellenzcluster Understanding Written Artefacts
Referent: Ralf Möller
Förderung: DFG, Exzellenzcluster UWA
Laufzeit: seit 2019
ITMC Service & AI Lab (SAIL)
ITMC-SAIL ist ein interdisziplinäres Labor in Zusammenarbeit zwischen dem Kuratorium IT Management und Consulting und dem Fachbereich Informatik. SAIL wird Forschung und Co-Innovation zu KI-basierten natürlichen Sprachassistenten in Serviceprozessen stärken und neue Formen der Mensch-KI-Zusammenarbeit in diesen Arbeitsumgebungen erforschen. Darüber hinaus wird das Labor das Management und die Überwachung von KI-basierten Systemen bearbeiten, eine zentrale Herausforderung in der IT-Managementforschung. Kern des Konzepts ist die Evaluation von AI-basierten Ansätzen in realen Anwendungszusammenhängen in Organisationen.
Leitung: Tilo Böhmann, Chris Biemann
Förderung: ITMC-Kuratorium
Laufzeit: ab 2022
Computational Human Dynamics (CHD) – Multimodal Social Signal Processing of Dyadic and Group Interactions
Das cross-disziplinäre Lab Computational Human Dynamics (CHD) basiert auf der interdisziplinären Zusammenarbeit zwischen dem Fachbereich Informatik (insb. Bildverarbeitung, Sprachtechnologie, Signalverarbeitung, Mensch-Computer-Interaktion, Sozio-Technische Systemgestaltung und Ethik in der Informationstechnologie) und dem Institut für Psychologie (insb. Sozialpsychologie, Arbeits- und Organisationspsychologie, Pädagogischen Psychologie) sowie den Kommunikations- und Medienwissenschaften und den Erziehungswissenschaften an der Universität Hamburg. Im CHD Lab werden KI-basierte Methoden zur multimodalen Verarbeitung sozialer Signale und Kommunikationskanäle (insb. visuell, verbal und paralinguistisch) entwickelt, analysiert und zur Untersuchung von dyadischen Interaktionen und Gruppenprozessen sowie den damit einhergehenden Veränderungendynamiken evaluiert. Neben der technischen Entwicklung der KI-Methoden werden in dem CHD-Lab auch Kompetenzen in der empirischen Datenerhebung zum Training von KI-Modellen vereint sowie die epistemologischen, ethischen und sozialen Implikationen der Anwendung von KI-Methoden zum besseren Verständnis menschlicher Interaktionsmuster reflektiert.
Leitung: Frank Steinicke, Nale Lehmann-Willenbrock
Projekte:
- LFF-Verbundprojekt zu Veränderungsmechanismen in Dynamischen Sozialen Interaktionen
- SFB/Transregio "Crossmodal Learning"
- BMBF-Verbundprojekt Hybride Intelligente Virtuelle Avatar/Assistent-Modelle zur Unterstütztung (Tele-)medizinischer Beratung und Behandlung
Initiierte Forschungsverbünde
- Mechanisms of Change
- Change3
Laufzeit: ab 2021