Data Analysis Systems
DAS betreibt angewandte Forschung in den Bereichen:
- Datenmanagement und –analyse: z.B. Kosteneffizienz bei Speicherung, Übertragung und Suche hinsichtlich Zeit und Speicher;
- Prozess-Analyse: z.B Identifikation von statistischen Zusammenhängen;
- Prozessoptimierung und –kontrolle: z.B. virtuelle Sensoren für die chemische Industrie, energieeffiziente Steuerungen basierend auf modell-prädiktiven Ansätzen.
Bei diesen Aufgabenstellungen spielen oft Wissens- und Modellfragmente von unterschiedlichem Typus auf unterschiedlichem semantischem Niveau eine Rolle wie beispielsweise statistische Zusammenhänge, Prognosemodelle, Regeln oder Ontologien. Ziel ist es, durch geeignete Methoden aus Mathematik und Informatik die vorhandenen Informationsquellen für die jeweilige Anwendung nutzbar zu machen. Dabei spielen neben High Performance Computing-Aspekten für die parallelisierte und verteilte Datenanalyse und Data Mining vor allem folgende Technologien und Ansätze eine zentrale Rolle:
- Maschinelles Lernen und Wissensextraktion mittels semantischen Schließens: z.B. auf semantischen Technologien basierende interpretierbare Modelle; semi-supervised und Kernel basierte Methoden sowie neuartige Ähnlichkeitsmaße; virtuelle Sensoren und modellbasierte Steuerungsansätze zur optimalen Regelung und Steuerung von Maschinen oder verbesserter Vorhersagemodelle
- Semantisches Datenmanagement: z.B. Semantik, Meta-Modellierung, Data Warehousing, Stream Data Warehousing, Wissensrepräsentationsmodelle zur Verbesserung der Datenqualität
- Stream Datenanalyse: z.B. Erfassung, Handhabung und Analyse von großen Mengen von Daten basierend auf Data Warehousing, Complex Event Processing, Stream Data Mining und inkrementellem Lernen.
Keywords
Datenmanagement, Wissensrepräsentation, Wissensextraktion aus Daten, datengetriebene Modellbildung für Optimierung und Prognose, Model Predictive Control