Labor Datenbanken

Hier finden Sie Projekte, die momentan mit Kooperationspartnern bzw. im Datenbanklabor selbst durchgeführt werden.

KompiLe - KI-Kompetenz fördern, individualisiertes Lernen unterstützen

Das durch Bund-Länder-Programm „Künstliche Intelligenz in der Hochschulbildung“ geförderte Projekt KompiLe untersucht den Einsatz Künstlicher Intelligenz (KI) in der Lehre.

KompiLe verknüpft das Lernen mit KI unmittelbar mit dem Lernen über KI, um so einen reflexiven, durch KI unterstützten Lernprozess zu ermöglichen. Dem Vorhaben liegt die Annahme zugrunde, dass die Gestaltung beziehungsweise Nutzung KI-basierter Lernangebote KI-Kompetenz auf Seiten der Lehrenden und Lernenden voraussetzt, zugleich aber auch fördert.

Um Lernen als aktiven, konstruktiven und individuellen Prozess optimal zu unterstützen, wird eine intelligente, adaptive Lernumgebung exemplarisch erprobt, die sich auf Lernpräferenzen, Erfahrungen und Lernstrategien stützt. Der KI-gestützte Lernprozess wird begleitet durch Lernangebote zu KI-Inhalten, die curricular in das Studium eingebettet werden.

Mehr zum Projekt finden Sie auf der Projektseite.

 

Learning Analytics

Learning Analytics an der Hochschule Offenburg, so lautet der Titel meines Forschungssemesters im Sommersemester 2019.

Welche Erkenntnisse kann man aus Lerndaten mit Methoden des Maschinellen Lernens gewinnen? Wie kann man mit diesen Erkenntnissen die Lehre und den Lernprozess insgesamt verbessern? Dies sind die zentralen Ausgangsfragen. Methodisch werden für die Suche nach Antworten auf diese Fragen verschiedenste Methoden des Maschinellen Lernens genutzt, z.B. Decision Tree, Naive Bayes, Random Forest, K-Means, K-Nearest-Neighbor, DBSCAN, Assoziation.

ML2 - Menschen Lernen Maschinelles Lernen

Maschinelles Lernen ist ein aktuelles Thema, das viele Unternehmen bewegt. Nur wie nähert man sich diesem Thema? Antworten lieferte ein neues Lehr- und Lernkonzept liefern, das im Rahmen des vom  Bundesministerium für Bildung und Forschung (BMBF) geförderten Forschungsprojekts "Menschen Lernen Maschinelles Lernen" (ML2) mit Unternehmen der Region erarbeitet und erprobt wurde.

Weitere Infos finden Sie auf der Projektwebseite oder auf dem Flyer.

M+I-Learning

E-Learning Lektionen zu den Fächern Software Engineering, Telekommunikation und Datenbanken. Bestandteile sind Fakten zu den entsprechenden Themengebieten und vielfältige interaktive Übungen zum unabhängigen Selberüben. Rahmenwerk und alle Inhalte wurden mit Flash realisiert - mittlerweile wird Flash durch HTML5 und JavaScript abgelöst. Und inzwischen werden auch Videos zur weiteren Lernunterstützung umgesetzt.

Die Übersichtsseite von MI-Learning finden Sie hier

Analytics and Data Science

Data Analytics, Data Mining, Big Data - Begriffe rund um den Hype "Wissens- und Informationsgewinnung aus großen, heterogenen Datenbeständen". In diesem Umfeld laufen ständig Arbeiten, Untersuchungen und Auswertungen, etwa im Bereich Social Media.

Diese Arbeiten finden im Umfeld des Forschungsinstituts IMLA (Institute for Machine Learning and Analytics) statt, von dem Prof. Sänger Gründungsmitglied ist.

NoSQL Datenbanken

Seit einiger Zeit etablieren sich mehr und mehr Datenbankmanagementsysteme (DBMS) abseits herkömmlicher relationaler Systeme, allesamt mit spezifischen Anforderungen aus den Anwendungsbereichen. Social Media Anwendungen fokussieren Beziehungen und verwenden unstrukturierte Daten. Hierauf zielen Graphen- und Dokumentenorientierte DBMS. Key-Value Systeme werden meist als Hauptspeicherdatenbankenrealisiert. Sie verarbeiten alle Daten im Hauptspeicher des Rechners und beschleunigen Anfragen dadurch nochmals eklatant. Spaltenorientierte Modelle können riesige Datenbestände verteilt bearbeiten und stoßen damit in Größenordnungen vor, die bisher nicht effizient verarbeitet werden konnten.

Unterschiedlichste Arbeiten werden in diesem Bereich angeboten, oft verbunden mit dem unten aufgeführten Arbeitsgebiet Analytics and Data Science.