Sie sind hier:  
  1. ifib-research
  2. Themenfelder
  3. Data Science, Maschinelles Lernen und Künstliche Intelligenz

Data Science, Maschinelles Lernen und Künstliche Intelligenz

Data Science beschreibt die Anwendung statistischer Verfahren der Künstlichen Intelligenz (KI) und des Maschinellen Lernens (ML). Diese Techniken haben wichtige Fortschritte in Bereichen wie der maschinellen Übersetzung, der automatisierten Erkennung von Texten und Objekten in Bildern sowie der Empfehlung von Nachrichten und Videos ermöglicht. Gleichzeitig sind dadurch neue Risiken der Beeinflussung und Diskriminierung von Nutzenden entstanden.

Erforschen sozio-technischer Systeme

Das ifib kombiniert ein tiefgreifendes Verständnis für Data-Science-Techniken mit einer umfassenden Sensibilität für sozialverantwortliche Technikgestaltung. Neben der Entwicklung neuer Algorithmen und neuer ML-basierter Systeme liegt deshalb ein Hauptaugenmerk auf der kritischen Erforschung der Wechselwirkungen von KI und ML mit gesellschaftlichen Entwicklungen.

Analysieren großer Datenmengen

Unsere Forschung beinhaltet unter anderem die automatische Analyse von Bildschirmvideos, die Untersuchung von Lernwegen („Learning Analytics“) und die automatisierte Erkennung von Argumenten in Texten. Dabei analysieren wir, wie Data Science-Methoden das Forschungsdatenmanagement in Verbundprojekten unterstützen können.

Gestalten von Nutzungserlebnissen in KI-Systemen

Ein weiterer Schwerpunkt unserer Arbeit ist, wie ML-basierte Systeme bestmöglich erklärt und visualisiert werden können. Neben der kritischen Reflektion der Chancen und Risiken untersucht das ifib, worauf es beim Nutzungserlebnis dieser Systeme ankommt. Der Fokus liegt darauf, wie Empfehlungssysteme für Nachrichten und Videos verbessert und Anwendende darin unterstützt werden können, Falschinformation wie Fake News zu erkennen.

Aktuelle Projekte

You(r) Study

Eigensinnig Studieren im digitalen Zeitalter

Aktuelle Publikationen

Maya, Fatima; Krieter, Philipp; Breiter, Andreas; Wolf, Karsten D. (2022): Extracting Production Style Features of Educational Videos with Deep Learning. Konferenz: Deutsche eLearning Forschung Informatik (DeLFI), 12.-15.9.2022


Hartmann, Johanna; Heuer, Hendrik; Breiter, Andreas (2022): Data Leakage Through Click Data in Virtual Learning Environments. Karlsruhe: Konferenz: Deutsche eLearning Forschung Informatik (DeLFI)


Heuer, Hendrik (2022): Towards Socio-Technical Interventions Against Misinformation. Stuttgart: Konferenz: Science and Art of Simulation (SAS 2022): Trust and Disinformation


Breiter, Andreas (2022): Digitale Transformation der Hochschulen … oder alter Wein in neuen Schläuchen?. Frankfurt/Main: Konferenz: Macromedia University Day, 21.9.2022


Breiter, Andreas (2022): Datafizierung von Schule – Wie die Schule durch Daten konstruiert wird. Pädagogische Hochschule Schwyz, Goldau, Schweiz: Konferenz: IMS-Tagung 2022 - datafication in education, 11.6.2022