Welcome to the Trustworthy Artificial Intelligence Lab (TAIL). Broadly speaking our research is about models and algorithms that are not only accurate or efficient, but also robust, uncertainty-aware, privacy-preserving, fair, and interpretable. In short our goal is to make machine learning models trustworthy. To increase trust we study how to provide guarantees, e.g. robustness certificates and conformal prediction sets.
One focus area of our research is trustworthy graph-based models such as graph neural networks. We like graphs because graph data is everywhere: neural connections in the brain, social networks, interactions between proteins, molecules, code, the structure of web and much more.
Prof: A. Bojchevski Courses: Machine Learning, Trustworthy Machine Learning
Unsere Gruppe erforscht Methoden der interaktiven Visualisierung und Visual Analytics. Wir entwickeln visuell-interaktive Verfahren zur Erkundung, Analyse und Präsentation komplexer Daten. Unsere Forschungsschwerpunkte sind Visual Analytics und Erklärbare KI, Mensch-Computer-Interaktion, wahrnehmungsgesteuerte Visualisierung sowie neuartige Visualisierungstechniken und -algorithmen. Wir visualisieren verschiedene Datenarten, darunter Graphen, Bewegungsdaten, medizinische Daten, Zeitreihen und multivariate Daten. Unsere Anwendungsbereiche umfassen Medizin, Biologie, Finanzen und Ökonomie, Sport, Transportwesen, Meteorologie und Journalismus.
Prof: T. Landesberger von Antburg Courses: Visualization, Visual Analytics Praktikum, Visual Data Analysis, Current Trends in Visualization
Willkommen am Lehrstuhl für IT-Sicherheit der Universität zu Köln. Unsere Forschung konzentriert sich darauf, das Sicherheitsverhalten
von Softwareentwicklern und IT-Fachkräften besser zu verstehen, um die Systemsicherheit zu verbessern. Wir führen Studien mit
Entwicklern, Administratoren, Kryptographen, Tool-Designerinnen und Sicherheitsexpertinnen durch, um Herausforderungen zu identifizieren
und effektivere Sicherheitslösungen zu gestalten.
Prof: A. Naiakshina Courses: Usable Security Privacy
TA: Theory of Algorithms
Wir interessieren uns für das Design und die Analyse von Algorithmen mit beweisbaren Gütegarantien für kombinatorische Optimierungsprobleme, z.B. Schedulingprobleme. Ein besonderer Fokus ist der Einfluss von Unsicherheit (stochastisch, online, robust) auf solche Probleme. Während unsere Kernkompetenzen in der Theorie liegen, wenden wir unsere Techniken auch an, z.B. in der Chemie.
Prof: K. Schewior Courses: Algorithmen und Unsicherheit, Forschungstrends in der Algorithmentheorie
Moderne Wetter- und Klimawissenschaften erfordern neue Lösungen, um effizient Informationen aus Datenmengen im Petabyte-Bereich extrahieren zu können. Ebenso braucht es neue Algorithmen und Methoden, um den Zustand des Erdsystems zu analysieren und verlässliche Vorhersagen generieren zu können. Zusammen mit meiner Arbeitsgruppe am Jülich Supercomputing Centre entwickele ich zukunftsweisende Deep Learning Verfahren für Wetter- und Klimavorhersagen und koordiniere die Entwicklung skalierbarer, nutzerfreundlicher und FAIRer Datenservices für Umweltdaten. In meiner Forschung verbinde ich Aspekte der Computerwissenschaften mit Fachwissen aus der Erdsystemforschung.
Prof. M. Schultz Lehrveranstaltungen: Earth System Data Processing, Machine Learning for Earth System Science
In der Arbeitsgruppe Algorithmen und Komplexität befassen wir uns mit der Entwicklung und der mathematischen Analyse von Algorithmen und Datenstrukturen sowie mit der theoretischen Untersuchung der Komplexität algorithmischer Probleme. Ein besonderer Schwerpunkt unserer Forschung liegt auf der Entwicklung neuartiger Verfahren zur Analyse sehr großer Datenmengen sowie auf algorithmischen Fragestellungen mit Bezug zum maschinellen Lernen. Unsere Arbeiten sind überwiegend theoretisch ausgerichtet und zielen darauf ab, ein tieferes Verständnis der grundlegenden Prinzipien effizienter Algorithmen zu erhalten.
Prof: C. Sohler Lehrveranstaltungen: Grundzüge der Informatik I, Theorie des maschinellen Lernens, Sublineare Algorithmen, Algorithmische Datenanalyse, Algorithmische Geometrie
EA: Efficient Algorithms
Unsere Forschung konzentriert sich im Allgemeinen auf die Entwicklung und Analyse von Approximationsalgorithmen mit sublinearer Laufzeit und sublinearem Speicherbedarf für große, hochdimensionale Datensätze. Wir entwickeln Algorithmen, die sowohl kurz- als auch langfristige Strukturen in den Daten erkennen und ausnutzen, um die rechnerische Effizienz zu verbessern. Neben der Effizienz legen wir besonderen Wert auf Fairness und Robustheit, sodass unsere Algorithmen gegenüber Rauschen, Störungen und adversarialen Veränderungen im Input widerstandsfähig bleiben.
Prof: Nithin Varma Lehrveranstaltungen: Approximationsalgorithmen, Sublineare Algorithmen
Modern IT demands high computational power everywhere at any time - ranging from execution of complex simulations over global data analysis to distributed execution of collaborative work. All these aspects necessitate the integration of multiple CPUs dispersed over clusters and data centers potentially across the world. Single CPU cores are rarely sufficient for performing the complex computations needed in simulations or modern applications, leading to the development of multi-core processors. But multi-processor computers have been in use in the area of High Performance Computing for decades by now to compensate the lacking performance of a single processor.
The department for Parallel and Distributed Systems investigates methods to effectively exploit CPU cores, no matter their location and connection in an integrative fashion. This involves the whole processing stack from network over processor architecture up to execution control. The department is leading research on distributed Operating Systems and Distributed High Performance Computing.
Prof: S. Wesner Courses: Compute Continuum, Computer Architectures and Operating Systems, Programming Principles of Distributed Systems, High-Performance Computing with GPUs, Development with Game Engines
Das moderne Forschungsgebiet der Quanteninformation ist in der Überschneidung von Physik, Mathematik und Informatik angesiedelt. Seine übergeordneten Ziele sind die Konstruktion eines skalierbar großen Quantencomputers, eines praktikablen Quantenkommunikations-Netzes und die Integration dieser Technologien in die existierende (klassische) Informationsverarbeitungs-Infrastruktur. Als Theoretiker arbeiten wir auf diese Ziele hin sowohl durch die Entwicklung von neuen und robusteren fehlerkorrigierenden Codes, als auch durch die Erfindung neuer Informationsverarbeitungs- aufgaben und -protokollen. Darüberhinaus erforschen wir die grundlegenden Gesetze der klassischen und Quanteninformation, sowie die anderen Ressourcen die im Zuge dieser Untersuchungen auftauchen: Quantenverschränkung, "Magic", optische Nichtlinearität, usw.
Prof: A. Winter Lehrveranstaltungen: zur Zeit keine Veranstaltungen
Softwaretechnologie
Wir erforschen und entwickeln Methoden und Werkzeuge für moderne Software- und KI-Systeme sowie Digitale Zwillinge, um deren Qualität, Resilienz, Zuverlässigkeit und Nachhaltigkeit zu verbessern. Durch die enge Kooperation mit dem Deutschen Zentrum für Luft- und Raumfahrt (DLR) liegt der Fokus unserer Arbeit in den Anwendungsdomänen Raumfahrt, Luftfahrt, Mobilität, kritische Infrastrukturen und Sicherheit.
Zu unseren aktuellen Forschungsgebieten zählen:
- Zuverlässigkeit und Absicherung von Software- und KI Systemen
- KI-Verfahren für Raumfahrt-, Luftfahrt- und Sicherheitsanwendungen
- Security Engineering
- Digital Twin Engineering
- Software Engineering für Verteilte und Quantencomputing-Systeme
- Forschungssoftware
- Empirisches Software Engineering
Prof: M. Felderer Lehrveranstaltungen: Softwarequalität, Performance Engineering