Data Science – Forschungsprojekte

REACH – Responsive Engagement of the Elderly Promoting Activity and Customized Healthcare

 

Das Projekt erarbeitet modulare, ethisch-akzeptierte Lösungen zur Prognose des Gesundheitszustands und entsprechender personalisierter Interventionsmaßnahmen. Dazu zählen passgenaue Dienste und Produkte zur Mobilisierung und Rehabilitation, Ernährung und Motivation. Die Daten stammen sowohl aus der medizinischen Patientengeschichte als auch von Sensoren, die in die Gebäude eingebettet sind. Wir engagieren uns mit Technologien für Big Data Analytic, Überwachung und Entscheidungsunterstützung.

Projektdauer:

Februar 2016 – Januar 2020

SoBigData Research Infrastructure

 

SoBigData wird ein Ökosystem für eine Forschungsinfrastruktur erstellen, um große Bestände gesellschatlicher Data zu analysieren. Sie erleichtert den Vergleich und die Wiederverwendung von Daten und bietet Methoden zur Herleitung neuer Forschungsergebnisse. Wir tragen zu der Infrastruktur bei, die die Datenbestände speichert und erschließt und die die Analysewerkzeuge und -dienste bereitstellt.

Projektdauer:

September 2015 – August 2019

Zur Projektseite

 

datAcron – Big Data Analytics for Time Critical Mobility Forecasting

 

In datACRON geht es darum, Bedrohungen und anomale Aktivitäten in der großräumigen Bewegung von Flotten in der Luft und zu Wasser frühzeitig zu erkennen. Dazu sollen neue Methoden zur Entdeckung und Echtzeitprognose von Trajektorien und wichtigen Ereignissen der sich bewegenden Objekte entstehen. Unser Fokus liegt auf Methoden der visuellen Analytik, die heterogene, umfangreiche, fluktuierende und verrauschte Datenströme  verarbeiten können. Korrelationen mit archivierten Daten sollen es ermöglichen, auf die Eigenschaften der Objekte zu schließen, über ihre Bewegungsmuster auf voraussichtliche Routen und Absichten.

Projektdauer:

Januar 2016 – Dezember 2018

Zur Projektseite

 

VaVel – Variety, Veracity, Value: Handling the Multiplicity of Urban Sensors

 

VaVel untersucht die kritischsten Ineffizienzen im Management von Big Data und der Verarbeitung von Datenströmen. Das Projekt entwickelt Ansätze, um die erwarteten Datenströme aus städtischen Sensoren bewältigen und für wirtschaftliche Anwendungen erschließen zu können. Unser Beitrag besteht in hochskalierbaren interaktiven Visualisierungsmethoden, mit denen wir die Datenanalyse und prädiktive Modellierung unterstützen.

Projektdauer:

Dezember 2015 – November 2018

Zur Projektseite

 

 

CITYCoP – Citizen Interaction Technologies Yield Community Policing

 

Community Policing hat durch Smartphones, Social Media und nutzergenerierte Inhalten, mit denen Bürger mit ihrer lokalen Community und Polizei in Kontakt treten können, einen neuen Impuls erhalten. CITYCoP entwickelt dazu eine neue Lösung inklusive einer Smartphone-App und einem Online-Portal, die vollständig konform mit strikten Privacy- und Datenschutzregeln ist. Unser Schwerpunkt liegt auf Methoden des Social-Media-Monitoring. 

Projektdauer:

Juni 2016 – Mai 2018

Zur Projektseite

 

GRACeFUL – Global Systems Rapid Assessment Tools through Constraint Functional Languages

 

Die Planung für die Smart Cities der Zukunft ist komplex. Alle Betroffenen und Entscheidungsträger sollten von Anfang an einbezogen werden. Ein nützliches Instrument zur frühzeitigen Bewertung von Planungsvorschlägen sind Simulatoren. Das Projekt setzt hierfür auf funktionale, constraint-basierte Sprachen. Unser Beitrag besteht aus Werkzeugen für Visual Analytics, die die Modellbildung in diesen Sprachen  unterstützen. Außerdem bauen wir interaktive visuelle Schnittstellen für ein Rapid Assessment Tool, das die Fragestellungen, Perspektiven und Fähigkeiten der verschiedenen Nutzergruppen berücksichtigt

Projektdauer:

Februar 2015 – Januar 2018

Zur Projektseite

 

EDSA – European Data Science Academy

 

2012 deklarierte der Harvard Business Review den Beruf des Data Scientist zum »sexiest job of the 21st century«. Seitdem stellen alle Studien übereinstimmend fest, dass die Nachfrage nach solchen Experten für Advanced Data Analytics und Big Data auf Jahre hinaus nicht gedeckt werden kann. Das EDSA-Projekt möchte eine »Europäische Data Science Academy« etablieren. Vorbereitend wird der Bedarf nach Branchen und Ländern genau erhoben, um passende Lehrpläne sowie Lehrinhalte zu entwickeln und zu erproben. Wir tragen mit unserem Data-Scientist-Trainingsrogramm zum Curriculum und den Lehrinhalten bei.

Weitere Infos:

Data Scientist Trainingsprogramm der Allianz Big Data

Projektdauer:

Februar 2015 – Januar 2016

Zur Projektseite

 

 

DART – Data-Driven Airport Trajectory Prediction Research

 

Das Luftverkehrsmanagement hat seine Grenzen in Bezug auf Vorhersagbarkeit, Effizienz und Kosteneffektivität erreicht. Verschiedene Initiativen befürworten ein neues Paradigma. Im Zentrum stehen Flugbahnen, die geplant, verhandelt, ausgeführt und verbessert werden. Das erfordert eine sehr genaue Prognose der Flugbahnen unter Berücksichtigung der Komplexität des gesamten Netzes. In diesem Projekt untersuchen wir die Eignung von Methoden der Data Science und der Komplexitätswissenschaft für solche Prognosen.

Projektdauer:

Januar 2016 – Dezember 2017

Smart Energy Hub

 

Statt weniger großer Energieproduzenten und vieler Abnehmer wird es in Zukunft eine Vielzahl von kleinen und großen Energieproduzenten und Energiespeicher geben. Die Herausforderung und das Ziel des Projektes ist, ein intelligentes Netzwerk zu erstellen, das automatisch und prognosebasiert die Energieproduktion steuert oder Energie speichert. Die Pilotierung erfolgt am Stuttgarter Flughafen. Unser Beitrag ist eine Studie zu In-Memory-Systemen als Grundlage zur Auswahl einer geeigneten Big-Data-Systemarchitektur.

Weitere Infos:

Produktstudie In-Memory-Systeme

Projektdauer:

Januar 2015 – Dezember 2017

Zur Projektseite

 

Big Data Europe

 

Das Projekt legt die Grundlagen, damit europäische Unternehmen semantisch interoperable, große und mehrsprachige Daten- und Wissensbestände, die unter verschiedenen Lizenzen und für verschiedene Geschäftsmodelle verfügbar sind, für innovative, multilinguale Produkte und Dienste nutzen können. Wir erstellen einen Katalog von Technologiekomponenten mit ihren Charakteristika, Funktionen und Abhängigkeiten. Lücken, die weitere Forschung und Entwicklung erfordern, wie die Verknüpfung Data Mining und visueller Analytik, versuchen wir dabei zu schließen.

Projektdauer:

Januar 2015 – Dezember 2017

Zur Projektseite

iPRODICT – Die intelligente Fabrik

 

In iPRODICT entwickeln wir  einen intelligenten Ansatz zur teil-automatisierten Anpassung und Verbesserung von Geschäftsprozessen. Historische Prozessdaten und Echtzeitsensordaten werden genutzt, um den optimalen Prozessablauf vorherzusagen. Durch die Big-Data-Analytik kann der Prozess an die aktuelle Situation angepasst werden. Anwendungen in der Stahlproduktion verdeutlichen die Möglichkeiten für Industrie 4.0 und die Fabrik der Zukunft.

Weitere Infos:

iPRODICT – Die intelligente Fabrik

Projektdauer: 

September 2014 – August 2017

Zur Projektseite

 

SAKE – Semantische Analyse komplexer Ereignisse

 

SAKE entwickelt ein modulares Framework für die Verarbeitung von Ereignisdaten. Im ersten  Anwendungsbereich geht es um die rechtzeitigen Erkennung und Vorhersage von Betriebsfehlern in Produktionsanlagen. In einem zweiten Anwendungsfeld geht es um Monitoring und Fehlererkennung in IT-Netzwerken. Dabei werden Semantic-Web-Standards zur Speicherung der Daten sowie zum maschinellen Lernen von Fehlerbeschreibung erprobt.

Weitere Infos:

SAKE – Semantische Analyse komplexer Ereignisse

Projektdauer: 

Dezember 2014 – November 2017

Zur Projektseite

 

FERARI – Flexible Event Processing for Big Data Architectures

 

In FERARI geht es um die effiziente und zeitnahe Verarbeitung von Big Data. Das Projekt baut Fortschritte in der sensornahen Verarbeitung zu einem systematischen Ansatz aus. Indem umfangreiche Datentransfers vermieden werden, können die Anforderungen an große zentralen Infrastrukturen gesenkt und der damit verbundene Energieaufwand um Größenordnungen reduziert werden. Gleichzeitig ist durch Beobachtung und Informationsextraktion in Echtzeit und vor Ort ein beachtlicher Zeitgewinn möglich. Anwendungssfelder sind die Betrugserkennung im Telekommunikationsbereich und die Analyse von M2M-Daten.

Weitere Infos:

FERARI – Flexible Event Processing for Big Data Architectures

Projektdauer:

Februar 2014 – Januar 2017

Zur Projektseite

 

CAP4Access – Collective Awareness Platforms for Improving Accessibility in European Cities & Regions

 

Zur großen Gruppe der Menschen mit eingeschränkter Mobilität gehören Rollstuhlfahrer und ältere Menschen mit Rollatoren, aber auch zum Beispiel Mütter oder Väter mit Kinderwagen. Das Web-Portal Wheelmap.org informiert diese Menschen darüber, welche Orte für sie auf der Basis ihrer Möglichkeiten zugänglich sind. In CAP4Access erschließen wir neue Datenquellen, zum Beispiel über die Beschaffenheit von Gehwegen, für ein Routing, das über Nutzerprofile an die physischen Fähigkeiten der Nutzer anpassbar ist. Außerdem unterstützen wir  öffentlichkeitswirksame Aktionen mit webbasierte interaktiven Visualisierungen.

Weitere Infos:

CAP4Access

Projektdauer:

Januar 2014 – Dezember 2016

Zur Projektseite

 

INSIGHT – Intelligent Synthesis and real-time Response using massive Streaming of heterogeneous Data

 

In dem Projekt INSIGHT haben entwickeln wir mit dem Bundesamt für Bevölkerungsschutz und Katastrophenhilfe (BBK) einen Prototyp für die schnelle Lageerfassung und –bewertung durch Big Data Analytik entwickelt. Fast in Echtzeit werden Mobilfunk-, Social Media-, Sensordaten und News Streams beobachtet, analysiert und visualisiert. Komplexe Ereignisse und Trends, die auf katastrophenrelevante Zustände hinweisen, sollen in dem Lagezentrum möglichst frühzeitig detektiert und bewertet werden.

Projektdauer:

September 2012 – August 2015

Zur Projektseite

 

EURECA

 

Im Kontext des Projekts Eureca haben wir innovative Smart-Data-Verfahren für die Analyse diverser Daten entwickelt. im Gesundheitsmarkt für Patientendokumente, Social-Media-Analysen für das Marketing. aber auch für  Fraud Detection und Qualitätsmonitoring.

Weitere Infos:

EURECA

Projektdauer:

Februar 2011 – Juli 2015

Zur Projektseite

 

p-Medicine

 

Rund um das Projekt p-Medicine haben wir hochskalierende Big-Data-Verfahren für die Analyse komplexer medizinischer Daten entwickelt, zum Beispiel für Clinical Decision Support, Qualitätsmonitoring oder die Analyse von Gen- und Molekulardaten. Das Respektieren von Datenschutz und Privatsphäre durch den Einsatz von Privacy-preserving Data Mining und Privacy-by-Design ist dabei selbstverständlich.

Weitere Infos:

p-Medicine

Projektdauer:

Februar 2011 – Juli 2015

Zur Projektseite

MODAP – Mobility, Data Mining and Privacy

 

Mobile Geräte, wie zunächst Handies und später Smartphones und Tablets, sind  inzwischen weit verbreitet und erzeugen eine unfassbar große Menge an Mobilitätsdaten. Mit den möglichen Anwendungsszenarien haben wir uns am Fraunhofer IAIS seit 2005 im Projekt GeoPKDD und ab 2009 im Nachfolgeprojekt MODAP beschäftigt. Dabei interessierte uns in erster Linie die Frage, wie die Vielzahl an Ideen in Einklang mit dem Datenschutz umgesetzt werden können. 

Projektdauer:

September 2009 – Februar 2013

Zur Projektseite