Sonderforschungsbereich 876 „Verfügbarkeit von Informa…

SFB 876
Sprecherin	Katharina Morik
Hauptstandort	TU Dortmund
Förderer	DFG
Förderzeitraum	2011–2022
Website	SFB 876

Der Sonderforschungsbereich (SFB) 876 ist ein von der Deutschen Forschungsgemeinschaft gefördertes Forschungsprojekt an der TU Dortmund.^[1] Der SFB 876 wurde im Jahr 2011 auf Initiative von Katharina Morik, Lehrstuhl für Künstliche Intelligenz, eingerichtet. Erstmals wurden die Themen maschinelles Lernen und Rechnerarchitektur zusammen gebracht. Das übergeordnete Thema des SFBs ist die Datenanalyse unter Ressourcenbeschränkung. Die Ressourcenbeschränkung wird dabei als Verhältnis von technischer Ausführungskapazität einerseits und Dimensionalität und Masse der Daten andererseits definiert. Daraus ergeben sich die drei Projektbereiche: Datenanalyse, eingebettete Systeme und hohes Datenvolumen. Der SFB umfasst momentan 13 Teilprojekte und ein Graduiertenkolleg, in denen Mitarbeiterinnen und Mitarbeiter aus 17 Lehrstühle von den Fakultäten für Informatik, Elektro- und Informationstechnik, Maschinenbau, Physik, Statistik und Biomedizin forschen. Zusätzlich gab es und gibt es auch Kooperationen mit außeruniversitären Einrichtungen.

Projektbereiche

Der Sonderforschungsbereich 876 gliedert sich in drei Teilbereiche, denen die jeweiligen Forschungsprojekte zugeordnet sind, ein.

A: Datenanalyse

Projektbereich A liefert die theoretischen Grundlagen, um die Projektbereiche zusammenzubringen. Er schafft Grundlagen für die Projekte in den anderen Bereichen und deren konkrete Aufgabenstellungen.

Projekte im Projektbereich A:

A1 – Data Mining für ubiquitäre Systemsoftware
A2 – Algorithmik von Lernverfahren in eingebetteten Systemen
A3 – Methoden der Effizienten Ressourcennutzung in Algorithmen des Maschinellen Lernens
A4 – Ressourcen-effiziente und verteilte Plattformen zur integrativen Datenanalyse
A5 – Austausch und Fusion von Information unter Verfügbarkeits- und Vertraulichkeitsanforderungen in Multiagentensystemen (beendet nach Phase 1)
A6 – Ressourceneffiziente Analyse von Graphen

B: Eingebettete Systeme

Projektbereich B beschäftigt sich mit Ressourcenbeschränkungen, die auf lokalen und mobilen Kleingeräten auftreten. Der Projektbereich untersucht dafür Sampling, Aggregation und Analyse von Daten aus verteilten Quellen oder das Lernen auf (verteilten) Kleingeräten.

Projekte im Projektbereich B:

B1 – Ressourcen-beschränkte Analyse von Spektrometriedaten (beendet nach Phase 2)
B2 – Ressourcen-optimierte Echtzeitanalyse stark Artefakt-behafteter Bildsequenzen zur Detektion von Nanoobjekten (Weiterführung als Transferprojekt mit Paul-Ehrlich-Institut der ARTES Biotechnology GmbH in Phase 3)
B3 – Data Mining in Sensordaten automatisierter Prozesse
B4 – Analyse und Kommunikation für die dynamische Verkehrsprognose

C: Hohes Datenvolumen

Projektbereich C beschäftigt sich mit Ressourcenbeschränkungen, die aus dynamischen und hochdimensionalen Daten entstehen.

Projekte im Projektbereich C:

C1 – Merkmalsselektion in hochdimensionalen Daten am Beispiel der Risikoprognose in der Onkologie
C3 – Mehrstufige statistische Analyse von hochfrequenten raumlichzeitlichen Prozessdaten
C4 – Regressionsverfahren für sehr große, hochdimensionale Daten
C5 – Echtzeitanalyse und Speicherung für hochvolumige Daten aus der Teilchenphysik