AI for Sensing and Analytics

AI for Sensing and Analytics

Einführung

Moderne Mess- und Sensortechnologien erzeugen zunehmend große und komplexe Datenmengen, deren effiziente Verarbeitung und Interpretation eine wesentliche Herausforderung darstellt. Methoden der Künstlichen Intelligenz (KI), des maschinellen Lernens und der modernen Datenanalyse eröffnen neue Möglichkeiten, um Informationen aus diesen Daten zu gewinnen, komplexe Zusammenhänge zu erkennen und Auswerteprozesse zu automatisieren.

Das Forschungsfeld AI for Sensing and Analytics beschäftigt sich mit der Entwicklung und Anwendung intelligenter Methoden zur Verarbeitung, Analyse und Interpretation unterschiedlichster Mess- und Sensordaten.

Forschungsaktivitäten

Als interdisziplinäres Forschungsfeld ergänzt AI for Sensing and Analytics die bestehenden Kompetenzen von RECENDT im Bereich der Sensor- und Messtechnologien durch moderne Methoden der KI und Datenanalyse. Dabei werden die messtechnischen und physikalischen Kenntnisse der verschiedenen Forschungsgruppen mit datengetriebenen Ansätzen verknüpft.

Im Mittelpunkt steht die Erforschung und Entwicklung KI-gestützter Ansätze, die neue Möglichkeiten für die Verarbeitung und Interpretation komplexer Messdaten eröffnen. Abhängig von der jeweiligen Fragestellung werden unterschiedliche Methoden untersucht, angepasst und hinsichtlich ihrer Eignung für die konkrete Anwendung bewertet.

Die Forschungsaktivitäten orientieren sich an den unterschiedlichen Messverfahren und Anwendungsgebieten von RECENDT und umfassen unter anderem folgende Schwerpunkte:

  • Machine Learning & AI: Einsatz und Anpassung von Machine-Learning- und Deep-Learning-Verfahren für unterschiedliche Aufgabenstellungen, darunter Klassifikation, Mustererkennung, Modellierung und Vorhersage.
  • Data Processing & Analytics: Untersuchung und Anwendung von Methoden zur Aufbereitung, Verarbeitung und Interpretation unterschiedlicher Messdaten, beispielsweise von Signal-, Bild- und Spektraldaten.
  • Physics-Driven AI: Verbindung von physikalischem Wissen und mathematischen Modellen mit datengetriebenen Ansätzen zur Unterstützung von Messdatenanalyse, Simulation und Rekonstruktion.
  • Automation & Data Integration: Entwicklung von Ansätzen zur automatisierten Datenauswertung und zur gemeinsamen Nutzung unterschiedlicher Messdaten und Analyseverfahren.

Darüber hinaus können KI-gestützte Ansätze neue Möglichkeiten zur Optimierung von Messstrategien und zur Weiterentwicklung von Sensor- und Messsystemen eröffnen. Dabei werden neben den methodischen Anforderungen auch Aspekte der Datenqualität, Datensicherheit sowie der Verfügbarkeit und effizienten Nutzung geeigneter Recheninfrastrukturen berücksichtigt. Bei der Auswahl der Recheninfrastruktur wird zudem auf Nachhaltigkeitsaspekte geachtet.

Als forschungsgruppenübergreifendes Kompetenzfeld führt AI for Sensing and Analytics bestehende Aktivitäten und Erfahrungen im Bereich KI und Datenanalyse zusammen. Der fachliche Austausch und die gemeinsame Nutzung von Methoden und Werkzeugen ermöglichen es, Synergien zwischen den verschiedenen Forschungsgruppen zu nutzen und neue Ansätze für wissenschaftliche und industrielle Fragestellungen zu untersuchen.

Anwendungsbeispiele

KI-gestützte Partikeldetektion in komplexen Matrizen

Die Detektion kleiner Partikel in komplexen Proben, beispielsweise biologischem Gewebe, stellt hohe Anforderungen an die Messtechnik und Datenanalyse. Durch die Kombination hochauflösender spektroskopischer Verfahren mit automatisierter Bildanalyse und Machine Learning können potenzielle Partikel gezielt lokalisiert und anschließend chemisch charakterisiert werden. So untersuchen wir neue Ansätze, um die Partikelerkennung zu unterstützen und den Analyseaufwand zu reduzieren.