AI for Optimization

Anwendung von Methoden der künstlichen Intelligenz – insbesondere des Reinforcement Learnings – zur Lösung komplexer Optimierungsprobleme in realen Systemen mit praktischen Einschränkungen und dynamischen Umgebungsbedingungen. Der Schwerpunkt liegt auf der Entwicklung effizienter Algorithmen sowie auf deren Generalisierungsfähigkeit und Anpassungsfähigkeit an reale Systeme mit praktischen Anforderungen.

Driving Behavior Prediction

Entwicklung datenbasierter Modelle zur Vorhersage des Fahrverhaltens unter Verwendung cloudgestützter und Echtzeit-Informationsquellen. Die Forschung umfasst multimodale Datenfusion, Verhaltensmodellierung und prädiktive Analytik zur Unterstützung intelligenter Fahrzeugsysteme und der Entscheidungsprozesse in dynamischen Umgebungen.

Explainable and Trustworthy AI

Forschung zur Verbesserung der Transparenz, Interpretierbarkeit und Verlässlichkeit von KI-Systemen in realen Anwendungen. Die Arbeit befasst sich mit der Entwicklung von Methoden, die es Experten aus Nicht-KI-Bereichen ermöglichen, KI-gestützte Entscheidungen nachzuvollziehen, zu bewerten und ihnen zu vertrauen, um eine sichere und robuste Entscheidungsfindung in komplexen Umgebungen zu unterstützen.