BrandingBranding
Fakultät
Mathematikon Entrance

Unsere Fakultät ist akademische Heimat von Forscher:innen, Dozent:innen, und Student:innen der Mathematik und Informatik. Ihre Institute und Betriebseinrichtungen sind untergebracht im angenehm gelegenen Mathematikon auf dem Campus Neuenheimer Feld der Universität Heidelberg. Herzlich Willkommen!

Promotion
Mathematikon Seminar Room

Die Promotion ist der Nachweis der Befähigung zu selbständiger wissenschaftlicher Forschung. Unter dem Schirm der Gesamtfakultät für Mathematik, Ingenieur- und Naturwissenschaften vergeben wir jedes Jahr über 30 Doktortitel in den Fächern Mathematik und Informatik.

Studium
Mathematikon Library

heiMATH: Ob Mathematik, Informatik oder eine interdisziplinäre Variante, mit Abschluss B.Sc., M.Sc. oder M.Ed., Berufsziel in Forschung, Schule oder Industrie: Bei uns in Heidelberg finden Sie ein reichhaltiges und erstklassiges Lehrangebot für ein anspruchsvolles Studium in einer intellektuell stimulierenden und traditionsreichen Umgebung. 

Outreach
Mathematikon Lobby

Wir fördern das Interesse an Mathematik und Informatik – durch unsere Veranstaltungen für Schulen sowie ein breites Publikum. Ehemalige und Einsteiger nehmen Teil und tragen bei zu gemeinsamem Wissen und Kontakten.

home icon
envelope icon
Data Analysis
Mathematik und Informatik — Forschung

Datenanalyse

Durch kontinuierliche Fortschritte in der Sensortechnologie sowie bei der Instrumentierung von Experimenten und Simulationen erleben wir einen enormen Anstieg der Menge und Komplexität der in verschiedenen Anwendungsbereichen gesammelten Daten. Während bereits das Management solcher „Big Data“ oft eine Herausforderung darstellt, sind robuste und effiziente Methoden zur Analyse und Exploration solcher Daten heute einer der zentralen Forschungs- und Entwicklungsbereiche, die darauf abzielen, neue Erkenntnisse aus Daten zu gewinnen und dadurch Innovationen und Geschäftsmodelle voranzutreiben.

Die Entwicklung und Anwendung von Datenanalyse- und Explorationsmethoden ist typischerweise eng mit der Anwendungsdomäne verbunden, in der die Daten erzeugt und verwendet werden. In Heidelberg findet dies in einem stark interdisziplinären Umfeld statt, in dem Forschungsgruppen unterschiedlicher Disziplinen – von den Naturwissenschaften wie Medizin, Biologie und Physik bis hin zu den Sozial- und Geisteswissenschaften – mit Mitgliedern unserer Forschungsgruppen zusammenarbeiten. Der Fokus dieser Kooperationen für die Gruppe Datenanalyse liegt vor allem in den Bereichen der visuellen Datenanalyse und der Textanalyse.

Analyse und Exploration von Textdaten

Es wird geschätzt, dass 80% der Daten in Unternehmen in Form von Textdaten vorliegen, hauptsächlich als PDF-Dateien, Word-Dokumente, Webseiten oder reine Textdateien. Solche unstrukturierte Daten werden oft von strukturierten Daten begleitet, z.B. Spreadsheets, Tabellen in Datenbanken oder numerische Daten in Datenverwaltungssystemen, was zu komplizierten und latenten Verknüpfungen zwischen heterogenen Daten führt. Angesichts der Komplexität und Heterogenität solch unstrukturierter Daten ist es ein nicht triviales Problem, Informationen aus diesen „Data Lakes“ zu extrahieren, die den Bedürfnisse von NutzerInnen und Anwendungen genügen und Ergebnisse umfassend und auf verständliche Weise präsentieren. Um diesen Herausforderungen zu begegnen, entwickeln wir neuartige Ansätze, die von fortgeschrittenen Information Retrieval Methoden bis hin zu Informationsextraktions- und Verknüpfungsansätzen reichen. Diese Methoden unterstützen verschiedene Formen der Textanalyse wie die Erkennung von zeitlich veränderlichen Themen in Dokumenten, das Clustering und die Klassifikation von Texten bis hin zu neuen Methoden der Textzusammenfassung und Generierung von Texten. Entsprechende Forschungs- und Entwicklungsaktivitäten, die typischerweise in interdisziplinären Projekten durchgeführt werden, verwenden hierbei sowohl traditionelle maschinelle Lernverfahren als auch neuartige Ansätze, die im in den Bereichen Deep Learning und Natural Language Processing angesiedelt sind.

Datenmanagement

Umfangreiche Workflows zur Datenanalyse sind in der Regel auf effiziente und skalierbare Infrastrukturen für das Datenmanagement angewiesen. In unserer Forschung und Entwicklung verwenden wir hierzu zumeist hybride Systeminfrastrukturen, die klassische relationale Datenbankmanagementsysteme für strukturierte Daten mit Systemen kombinieren, die einen effizienten Zugriff auf unstrukturierte Daten, insbesondere Textdaten, erlauben. Dazu gehören Systeme für Graphdaten (z. B. zur Verwaltung von Netzwerken) sowie Systeme zur Verwaltung und Abfrage großer Textkorpora. Darüber hinaus werden neuartige Ansätze für das Information Retrieval und Datenexploration realisiert, beispielsweise für den Aufbau und die Visualisierung dynamischer Informationsnetzwerke. Eine besondere Herausforderung ist die Echtzeitverarbeitung von Textdatenströmen, die beispielsweise aus Social-Media-Postings oder Online-Nachrichtenbeiträgen resultieren. In solchen Situationen sind effiziente NLP-Techniken der Schlüssel für nachgelagerte Methoden der Textanalyse wie z.B. die Erkennung von Themen oder Trends in Texten.

Visuelle Datenanalyse

Die Wissensgewinnung aus großen und komplexen Daten steht vor verschiedenen Herausforderungen, die integrierte Ansätze erfordern. Zum einen müssen die Daten transformiert und auf ihre „wesentliche Struktur“ in Bezug auf eine (variierende) Forschungsfrage reduziert werden. Zum anderen muss diese Struktur für Schlussfolgerungen erschlossen werden. Da das menschliche Sehvermögen der Wahrnehmungskanal mit der größten Bandbreite ist, sind visuelle Repräsentation und interaktive Exploration die primären Methoden der Datenanalyse geworden. Die Visualisierungsforschung befasst sich mit dieser Datentransformation und (Re-)Präsentation und ist heute in drei Teildisziplinen untergliedert: Die Informationsvisualisierung konzentriert sich auf die Analyse von diskreten Daten, was typischerweise zu diskreten visuellen Darstellungen wie beispielsweise Graphen führt. Die wissenschaftliche Visualisierung hingegen konzentriert sich auf kontinuierliche Daten und führt typischerweise zu kontinuierlichen Darstellungen wie Stromlinien eines Strömungsfeldes. Die visuelle Analytik wiederum befasst sich mit Interaktion und Human-in-the-Loop-Auszeichnungen, die für die Analyse von „Big Data“ besonders nützlich sind. In all diesen Bereichen betreiben wir Grundlagenforschung - oft in einem interdisziplinären Kontext - und legen dabei stets den Schwerpunkt auf die Anwendung der erzielten Verfahren und Konzepte. In letzter Zeit haben wir unser Forschungsinteresse auf die Analyse kontinuierlicher Daten in höheren Dimensionen, auf die Analyse wissenschaftlicher Rechentechniken, die zur Simulation von Daten verwendet werden, und auf das Verständnis mathematischer Strukturen ausgedehnt.

Forschungsgruppenleiter:innen

Prof. Dr. Michael GertzDatabase Systems Research AG

Institut für Informatik

Data Science, Textanalyse, Natural Language Processing, Netzwerkanalyse, Datenmanagement

 
Prof. Dr. Michael Gertz
Dr. Susanne KrömkerVisualization and Numerical Geometry AG

Interdisziplinäres Zentrum für wissenschaftliches Rechnen (IWR)

Geometrie, Visualisierung, Digital Humanities

 
Dr. Susanne Krömker
Prof. Dr. Filip SadloVisual Computing AG

Interdisziplinäres Zentrum für wissenschaftliches Rechnen (IWR)

Visual Data Science, Visualisierung, Merkmalsextraktion, Dynamische Systeme

 
Prof. Dr. Filip Sadlo
Zuletzt aktualisiert am 22. Dez. 2021 um 09:59