Forschungsinteressen

Im Projekt hKI-Chemie erforschen wir die Zusammenarbeit zwischen Mensch und Künstlicher Intelligenz in der chemischen Industrie. Dabei soll durch eine Mensch-KI Symbiose ein verlässliches und robustes System entstehen, welches eine rein algorithmische oder menschliche Entscheidungsfindung übertrifft. Ich beschäftige mich in diesem Zusammenhang mit der Erklärbarkeit im Bereich Machine Learning auf unterschiedlichen Datensätzen, welche durch eine Domäne beschränkt werden, sodass herkömmliche Algorithmen, wie LRP nicht funktionieren.

Themen für Abschlussarbeiten

Projektnah können verschiedenste Ansätze der Erklärbarkeit in Abschlussarbeiten erforscht werden. Erfahrungen mit Neuronalen Netzen und Machine Learning, sowie die Anwendung mit Keras sind hilfreich. Weitere Abschlussarbeiten, auch aus anderen Bereichen, auf Anfrage.

Offene Themen

Master Thesis: Explainability with reclassification of heatmapped multiclass images In der Arbeit soll ein Tool gebaut werden, mit welchem ein durch ein LRP Verfahren eingefärbtes Bild durch minimale Änderungen neu klassifiziert wird. Als Testdaten dienen hier die von Hand geschriebenen Zahlen des MNIST Datensatzes. Um eine Entscheidung seitens der KI zu erklären werden mittels LRP Bereiche des Bildes eingefärbt, welche für die Klassifizierung relevant waren. Durch eine iterative Änderung des Bildes, soll ein neues Bild enstehen, welches aber von der KI gänzlich anders interpretiert wird.

---

Lehre

WiSe 23/24

• Betriebssysteme

SoSe 2023

• Maschinelles Lernen

WiSe 22/23

• Rechnernetze und Kommunikationssysteme

SoSe 2022

• Rechnerarchitektur

WiSe 21/22

• Betriebssysteme

SoSe 2021

• Sicherheit in Kommunikationsnetzen