Research Interests

Meine Forschung konzentriert sich auf semantische und erklärbare KI (XAI) sowie auf die Robustheit von KI-Systemen. Besonders interessieren mich Methoden wie Layer-wise Relevance Propagation (LRP) und andere Verfahren zur Erklärbarkeit, Transformer-basierte Modelle für eine Vielzahl von Anwendungen sowie CLIP und verwandte Zero-Shot-Learning-Ansätze.

Meine Hauptanwendungsgebiete liegen im Bereich der medizinischen KI und anderen sicherheitskritischen Domänen, in denen Transparenz und Zuverlässigkeit von KI-Systemen von zentraler Bedeutung sind.

Themen für Abschlussarbeiten

Wenn Sie Interesse an einer Abschlussarbeit in einem meiner Forschungsbereiche haben, können Sie mich gerne per E-Mail kontaktieren.

Die meisten Themen beziehen sich auf Künstliche Intelligenz und Maschinelles Lernen. Bitte fügen Sie in Ihrer Anfrage eine kurze Notiz zu Ihrer bisherigen Erfahrung in der KI-Entwicklung hinzu – so kann ich Ihnen ein Thema vorschlagen, das am besten zu Ihrem Hintergrund passt.

Wenn Sie derzeit einen Bachelorabschluss anstreben, sind keine Vorkenntnisse in KI erforderlich. Für eine Masterarbeit empfehle ich jedoch, zumindest ein grundlegendes Verständnis der KI-Prinzipien mitzubringen.

Also keine Sorge, auch wenn Sie neu im Bereich der KI sind, finden wir gemeinsam ein passendes Thema! 😊

Supervised Theses

Abschluss Original Titel
2025/02 Bachelor Development of a Pipeline for Translating Natural Language Service Requests into API Calls and Analyzing the Responses Using LLMs
2025/09 Bachelor Evaluierung der Auswirkung von Sprachmodellen auf die Performance von Zeitreihenmodellen
  • (2025/02, BA) Development of a Pipeline for Translating Natural Language Service Requests into API Calls and Analyzing the Responses Using LLMs
  • (2025/09, BA) Evaluierung der Auswirkung von Sprachmodellen auf die Performance von Zeitreihenmodellen

Publikationen (2)

2025 (2)
  • Singerhoff, Malte and Weis, Torben
    Imputation Matters: Evaluating the Impact of Missing Data Strategies on Interpretability in Clinical Time Series Models
    In: UbiComp/ISWC 2025 Adjunct Proceedings.
    DOI: 10.1145/3714394.3756301
  • Singerhoff, Malte
    XTRTimeS — eXplainable Transformer for Robust Time Series Forecasting
    In: Proceedings of the 23rd IEEE International Conference on Pervasive Computing and Communications (PerCom 2025)
    DOI: 10.1109/PerComWorkshops65533.2025.00144

Lehre

WiSe 25/26

SoSe 2025

WiSe 24/25

SoSe 2024

Malte Singerhoff

Wissenschaftlicher Mitarbeiter

Kontakt

  • Telefon: TBD
  • E-Mail: malte.singerhoff[@uni-due.de]

Postadresse

  • Gebäude BC, Raum 317
  • Bismarckstr. 90 47057 Duisburg, Deutschland

Sprechzeiten

Nach Vereinbarung