Gefördert durch das »Fraunhofer Attract« -Program beschäftigt sich die STREAM Arbeitsgruppe mit und entwirft probabilistische Methoden des Maschinellen Lernens und Data Minings für strukurtierte Daten, d.h. Daten über eine variable Menge von Objekten und Relationen zwischen diesen Objekten. Solche heterogenen Daten lassen sich heutzutage in allen wirtschaftlichen und wissenschaftlichen Bereichen antreffen. Als Beispiele für  Anwendungsgebiete seien nur die Bioinformatik, Kommunikationstechnologien, Soziale Netzwerke und die Robotik genannt. Die möglichen Strukturen können so einfach sein wie lineare Ketten (z.B. Proteine oder DNA-Stränge) oder Bäume (z.B. Syntaxbäume in der automatischen Sprachverarbeitung), aber auch so komplex wie Graphen (z.B.  Zitierungsgraphen oder das World-Wide-Web) oder relationale Datenbanken. In allen diesen Fällen geben strukturierte Repräsentationen eine oftmals aufschlussreichere Sicht auf das Problem, das man lösen moechte, und sind somit kritisch für die Entwicklung erfolgreicher Mining- und Lern-Verfahren.Aktuelle Forschungsthemen der Grupper sind "alignment of rich objects", "visualizations and embeddings of rich data", "lifted inference", "(relational) Gaussian processes", "(relational) reinforcement learning". Das ultimative Ziel der Gruppe ist es, diese Technicken in Realwelt-Applikationen zur Anwedung zu bringen.