Numerische datenbasierte Vorhersage

Wir entwickeln, erforschen und nutzen numerische Verfahren und Methoden des Maschinellen Lernens zur datenbasierten Vorhersage. Ziel ist es, automatisch gesammelte Daten zeitnah zu analysieren und Prognosen über zukünftiges Verhalten zu generieren. Datenbasierte Vorhersagen treten in vielen Anwendungsgebieten auf. Beispiele dafür sind

  • die Untersuchung von Sensordaten aus dem Monitoring,
  • die Analyse von numerischen Simulationsdaten in der Produktentwicklung,
  • die Quantifizierung von Unsicherheiten in Ingenieuranwendungen oder
  • Produktempfehlungen und dynamische Preisgestaltung im Handel.

Wir arbeiten mit Praxispartnern daran, aus Datenbeständen handlungsrelevantes Wissen zu extrahieren. Neben der Bereitstellung von effizienten Methoden zur Datenanalyse aus dem Maschinellen Lernen arbeiten wir an Projekten zur effizienten Verarbeitung und Speicherung von großen Datenmengen oder nutzen Techniken, die eine vergleichende Analyse von Messdaten gleichartiger Objekte erlauben.

Ein inhaltlicher Fokus unserer Forschungsarbeiten ist es, effiziente Methoden zur Lösung hochdimensionaler Probleme zu entwickeln. Wir untersuchen beispielsweise Verfahren, dies es ermöglichen, bei großen Datenmengen in kurzer Zeit eine vorteilbringende Prognosegüte zu erzielen.

Auf Basis von Dimensionsreduktions­verfahren entwickeln wir zudem Software-Lösungen, die es Anwendern erlauben, einfach und interaktiv große Datenmengen aus der virtuellen Produktentwicklung oder dem Monitoring zu untersuchen. So unterstützen die Analysemethoden von SCAI den Ingenieur dabei, Entscheidungen mit Hilfe der vorhandenen Datenbasis zu treffen.