Nachwuchsforschungsgruppen

Im Mai 2023 begrüßte ScaDS.AI Dresden/Leipzig die ersten Nachwuchsforschungsgruppen zu aktuellen Themen aus den Bereichen KI und Data Science. Diese Gruppen ergänzen und erweitern die bestehenden Forschungsschwerpunkte unseres Zentrums. Durch die Gewährung einer Förderung und die Bereitstellung einer zugehörigen Doktorand:innenstelle für drei Jahre können erfolgreiche Bewerber:innen ihre eigene Forschungsgruppe aufbauen und leiten. Auf diese Weise entstanden mehrere Nachwuchsforschungsgruppen, die eine Vielzahl von Themen abdecken. Die Nachwuchsforschungsgruppen wurden sowohl an der Technischen Universität Dresden (TUD) als auch an der Universität Leipzig gegründet.

Nachwuchsforschungsgruppen bei ScaDS.AI Dresden/Leipzig

Cyber-Physical Autonomous Systems (CyPhy)

Die Forschungsgruppe strebt eine neue Generation zuverlässiger und vertrauenswürdiger intelligenter Systeme an, mit denen Menschen über neue und leichter zugängliche Benutzeroberflächen natürlicher interagieren können. Sie untersucht die Modellierung des gesamten Interaktionszyklus zwischen Mensch und KI als dynamische Systeme. Diese werden anschließend mithilfe einer Kombination aus maschinellem Lernen und etablierten Regelungstechniken wie der modellprädiktiven Regelung simuliert und optimiert.

Leitung: Dr. Arthur Fleig, Universität Leipzig

Graph Machine Learning

Die Forschungsgruppe entwickelt graphbasierte Methoden des maschinellen Lernens, die die Modellierung und Analyse komplexer Beziehungsstrukturen voranbringen. Ihre Arbeit befasst sich mit grundlegenden Fragen des Lernens auf Graphen und Hypergraphen, darunter die Entwicklung topologie- und geometrieorientierter generativer Modelle sowie das Training von neuronalen Netzwerken mit Nachrichtenübermittlung, die als verteilte Algorithmen für die kombinatorische Optimierung fungieren.

Leitung: Dr. Martin Ritzert, Universität Leipzig

Situating AI-based Mentoring

Der Schwerpunkt dieser Forschungsgruppe liegt auf der Untersuchung der Interaktion von Lernenden mit KI-basierten Technologien in realen Situationen. Daher befasst sich die Forschung insbesondere mit den Auswirkungen von KI auf Motivation, Selbstregulierung, kognitive und affektive Verarbeitungsprozesse sowie Lernergebnisse.

Leitung: Dr. Sandra Hummel, Technische Universität Dresden (TUD)

Needs-Oriented AI-Coaching for Students (NAIC)

Diese Forschungsgruppe untersucht den Einsatz von KI im Hochschulbereich, insbesondere im digitalen Lernen und im Studium im Allgemeinen. Daher befasst sich das Team mit der Anwendung und Wirksamkeit von KI-gestützten Coaching-Methoden im Hochschulbereich. Der Schwerpunkt liegt auf der Erforschung und Entwicklung intelligenter und adaptiver Dialogagenten, um maßgeschneiderte Lernwege und personalisierte Coaching-Unterstützung zu ermöglichen.

Leitung: Dr.-Ing. Claudia Loitsch, Technische Universität Dresden (TUD)

Frühere Forschungsgruppen

Nature-Inspired Machine Intelligence (NIMI)

Im Rahmen der Nachwuchsforschungsgruppe „Nature-Inspired Machine Learning“ untersucht das Team die Verbindung zwischen Wissensgraphen und großen Sprachmodellen sowie die Rolle neuro-symbolischer Methoden für zukünftige Lernmodelle. Dies steht in engem Zusammenhang mit Ansätzen des verstärkenden Lernens, die ebenfalls ein Schwerpunkt der Gruppe sind.

Leitung: Dr. Sahar Vahdati, Technische Universität Dresden (TUD)

Computational Interaction and Mobility

Diese Forschungsgruppe arbeitet an der Schnittstelle zwischen maschinellem Lernen, Mensch-Computer-Interaktion und Mobilität. Ziel ist es, computergestützte Modelle zu entwickeln, die menschenähnliches Interaktionsverhalten simulieren, bei der Bewertung von Benutzeroberflächen helfen und ein besseres Verständnis dafür schaffen, wie Menschen und intelligente Systeme zusammenarbeiten können.

Leitung: Dr. Patrick Ebel, Universität Leipzig