Data Science

Forschung für die smarten Systeme von morgen

Heute kommen die Daten von Sensoren und elektronischen Prozessen aus sozialen Medien und dem Netz und sie werden allerorts von Smartphones, Autos und Maschinen erzeugt. Die Datenmengen sind riesig – aber unvollständig und verrauscht, dafür reich an Informationen, rasant wachsend und komplex. Diese Daten müssen richtig verstanden werden. Wir forschen an maschinellen Lernverfahren und Data-Mining-Technologien, die den Herausforderungen von echten Daten und Fragestellungen aus der Praxis gewachsen sind.

Getreu der Fraunhofer-Mission »Forschung für die Praxis« entwickeln wir Datenanalysetechniken und orientieren uns dabei an den Bedürfnissen unserer Kunden ebenso wie an neuen Trends in Gesellschaft und Wirtschaft. Wir stellen uns den Herausforderungen der allgegenwärtigen Digitalisierung und des neuen digitalen Lebensstils und treiben die smarten Systeme von morgen voran.

Forschungsschwerpunkte

Big Data Architecture and Analytics

Wir lösen komplexe Analyseaufgaben bei großen Datenmengen unter Echtzeitbedingungen.

Machine Learning

Da wo Standardlösungen an den neuen Herausforderungen von Big Data scheitern, entwickeln wir smartere und schnellere Ansätze zum maschinellen Lernen.

Interactive and Visual Analytics

Oft sagt ein Bild mehr als tausend Worte und eine Graphik mehr als lange Datenreihen. Smarte Systeme verstehen ihre Nutzer und produzieren geeignete Visualisierungen.  

Text Analytics

In Texten steckt Wissen, das nur darauf wartet, entdeckt zu werden: Wir entwickeln Algorithmen, die unterschiedliche Arten von unstrukturierten Textdaten semantisch erschließen.

Deep Learning

Neuronale Netze trainieren sich mit riesigen Datenmengen: Das Fraunhofer IAIS gehört in Deutschland zu den Vorreitern in der Entwicklung von Deep-Learning-Ansätzen für die Industrie.  

Anwendungsfelder

Unsere angewandte Forschung orientiert sich an den Bedürfnissen unserer Kunden, neuen gesellschaftlichen Trends und aufkommenden Herausforderungen in Wirtschaft und Industrie. Zu unseren Anwendungsgebieten zählen: 

  • Im Finanzbereich: überwachte und unüberwachte Lernverfahren zur Betrugserkennung
  • Im Gesundheitsbereich: Entscheidungsunterstützung in der Klinik, Informationserschließung aus medizinischen Texten, Analyse von Netzwerken
  • Industrie 4.0: Analyse von hochaufgelösten Sensordaten und kollaborative Methoden für die datenbasierte Unterstützung von Ingenieuren
  • Prädiktive und präskriptive Analytik für Telekommunikation, Logistik und Autoindustrie