Forschungsbereiche
Der Fachbereich Informatik ist eingebettet in eine in Deutschland einzigartige Forschungslandschaft: Neben der Mathematisch-Naturwissenschaftlichen Fakultät verfolgt die Informatik eine Vielzahl an gemeinsamen Forschungsprojekten mit den drei Tübinger Max-Planck-Instituten für Intelligente Systeme (MPI-IS), Biologische Kybernetik (MPI-KYB) und Entwicklungsbiologie (MPI-EB), die herausragende, international sichtbare Spitzenforschung leisten. Enge Verbindungen bestehen darüber hinaus zum Werner-Reichardt-Zentrum für Integrative Neurowissenschaften (CIN), dem Bernstein Center for Computational Neuroscience (BCCN) Tübingen, dem Hertie-Institut für klinische Hirnforschung sowie dem Leibniz-Institut für Wissensmedien (IWM).
Der Fachbereich Informatik ist an einer Reihe von übergreifenden Forschungsprojekten beteiligt. Am 01. Januar 2019 startet der Exzellenzcluster "Maschinelles Lernen in der Wissenschaft", der zusammen mit dem MPI für Intelligente Systeme und dem Leibniz-Institut für Wissensmedien im Rahmen der Exzellenzinitiative eingeworben werden konnte. Ebenfalls zusammen mit dem MPI für Intelligente System ist der Fachbereich Informatik einer der treibenden Forschungspartner im Cyber Valley, das die lokalen Kompetenzen in Industrie und Forschung zu intelligenten und selbst-lernenden Systemen in der Region Reutlingen-Stuttgart-Tübingen bündelt und international sichtbar weiterentwickelt.
Weitere übergreifenden Forschungsprojekte mit Beteiligung des Fachbereichs Informatik sind:
- Kompetenzzentrum für Künstliche Intelligenz und Maschinelles Lernen
- Sonderforschungsbereich "Robust Vision" (SFB 1233) (mit MPI-IS)
- International Max Planck Research School “From Molecules to Organisms" (IMPRS) (u.a. mit MPI-EB)
- International Max Planck Research School for Intelligent Systems (IMPRS-IS) (u.a. mit MPI-IS)
Auch ethische Fragen des maschinellen Lernens und der künstlichen Intellizenz werden beispielsweise in der Arbeitsgruppe "Ethik und Philosophie der künstlichen Intelligenz" untersucht.
Biomedizinische Informatik
Themen
Die Forschung in der Bioinformatik, der Medizininformatik und der Systembiologie beschäftigt sich mit der Entwicklung von Modellen, Algorithmen und Softwarewerkzeugen zur Beantwortung von Fragen in den Lebenswissenschaften. Die Tübinger Forschung in diesem Bereich berührt eine Vielzahl von Fragestellungen, zum Beispiel aus der Phylogenie, der Evolution von Proteinstrukturen, der Strukturbioinformatik, dem computergestützten Wirkstoffentwurf, der Immunoinformatik, der Genomik, der Mikrobiomanalyse und der Genexpressionsanalyse. Viele dieser Fragestellungen sind dabei sehr grundsätzlich, haben aber oft auch direkte Anwendungen auf medizinische Fragestellungen, wie der Entwicklung von personalisierten Krebsimpfstoffen oder der Wechselwirkung zwischen Mikroben und Wirt bei einer Infektion.
Forscher der Bio- und Medizininformatik in Tübingen tragen zu einer ganzen Reihe von interdisziplinären Zentren bei:
Arbeitsgruppen
- Dr. Franz Baumdicker: Mathematical and Computational Population Genetics
- Dr. Christian Baumgartner: Machine Learning in Medical Image Analysis
- Prof. Daniel Huson: Algorithmen der Bioinformatik
- Prof. Oliver Kohlbacher: Angewandte Bioinformatik
- Jun.-Prof. Dr. Michael Krone: Big Data Visual Analytics in den Lebenswissenschaften
- Prof. Sven Nahnsen: Biomedical Data Science
- Prof. Kay Nieselt: Integrative Transkriptomik
- Prof. Nico Pfeifer: Methoden der Medizininformatik
- Prof. Manfred Claassen (kooptiert): Klinische Bioinformatik
- Prof. Dr. Carsten Eickhoff (kooptiert): E-Health and Medical Data Science
- Prof. Dr.-Ing. Thomas Küstner (kooptiert): Medical Image and Data Analysis
- Prof. Andrei Lupas (Honorarprof.): Proteinevolution
- Prof. Stephan Ossowski (kooptiert): Computational Genomics
Laufende Forschungsprojekte (Auswahl)
Verbünde und Verbundprojekte
- 2019–2026: Exzellenzcluster: Controlling Microbes to Fight Infections (CMFI)
- 2019–2026: Exzellenzcluster: Maschinelles Lernen: Neue Perspektiven für die Wissenschaft
- 2019–2023: DFG-Verbundprojekt: Omics Analysis and Bioinformatics, Teilprojekt Z03 des TransRegio TRR 261 Cellular Mechanisms of Antibiotic Action and Production
- 2019–2020: EU-Netzwerk (H2020-SC1-2018-Single-Stage-RTD): CARE: Common Action Against HIV/TB/HCV Across The Regions Of Europe
- 2018–2022: DFG-Kompetenzzentrum: NGS Competence Center Tübingen (NCCT)
- 2018–2021: BMBF-Konsortium: München-Tübingen Allianz für Datenintegration und zukünftige Medizin (DIFUTURE)
- 2017–2021: EU-Netzwerk (H2020-MSCA-ITN-2017): Analytics for Biologics (A4B)
- 2016–2021: BMBF-Verbundprojekt: Semantischer Support für die prädiktive Modellierung in der Systemmedizin (XplOit), Teilverbund von i:DSem
- 2016–2019: BMBF-Verbundprojekt: Personalisierte Onkologie durch Semantische Datenintegration (PersOnS), Teilverbund von i:DSem
- 2015–2020: BMBF-Netzwerk: Deutsches Netzwerk für Bioinformatik-Infrastruktur (de.NBI) – Etablierungsphase: Leistungszentrum CiBi
- der Deutsche Knoten des ELIXIR-Netzwerks
- 2015–2019: BMBF-Verbundprojekt: Datenmanagement und multiskalen Computermodellierung, Teilprojekt 3 des Konsortiums Multiscale HCC
- International Max Planck Research School “From Molecules to Organisms" (IMPRS) (u.a. mit MPI-EB)
Einzelprojekte
- 2018–2021: DFG-Projekt: Visuelle Analyse von Protein-Liganden Interaktionen (PROLINT) (mit Universität Ulm)
- 2017–2020: DFG-Projekt: Ätiologie und Pathogenese des MRKH Syndroms
- 2017–2021: MSIBW-Projekt: bwHealthCloud
- 2016–2019: NIH-Projekt: Development of essential software and community resources for modeling in systems biology in Java™
- 2016–2019: DFG-Projekt: Hoch effiziente und genaue Algorithmen für die mobile Analyse von Mikroben (MAIRA)
Maschinelles Lernen
Themen
Die Forschung im Bereich des Maschinellen Lernens leistet zum einen Beiträge zum Verständnis der Grundprinzipien:
- Welche Voraussetzungen sind notwendig, damit das Lernen stattfinden kann, welche Leitsätze gibt es?
- Welche Garantien können wir für die erzielten Ergebnisse von Algorithmen des maschinellen Lernens geben?
- Wie können wir die Unsicherheit in unseren Vorhersagen quantifizieren?
Wir arbeiten außerdem an konkreten Anwendungen des maschinellen Lernens wie zum Beispiel in der Computer Vision, Robotik, Medizin und Biologie. Unsere Forschung leistet also auch Beiträge dafür, dass das Maschinelle Lernen eine zentralere Rolle im Prozess des wissenschaftlichen Erkenntnisgewinns in einem breiten Spektrum von Disziplinen einnehmen kann.
Laufende Forschungsprojekte (Auswahl)
Verbünde und Verbundprojekte
- 2019–2026: Exzellenzcluster: Maschinelles Lernen: Neue Perspektiven für die Wissenschaft
- 2018–2022: Kompetenzzentrum für Künstliche Intelligenz und Maschinelles Lernen
- International Max Planck Research School for Intelligent Systems (IMPRS-IS) (u.a. mit MPI-IS)
Einzelprojekte
- 2023–2028: ERC Consolidator Grant: DeepCoMechTome
- 2022–2028: Project founded by Carl Zeiss Foundation: Certification and Foundations of Safe Machine Learning Systems in Healthcare
- 2020–2025: ERC Starting Grant: Learning Generative 3D Scene Models for Training and Validating Intelligent Systems (LEGO-3D)
- 2019–2024: ERC Starting Grant: Deeply Explainable Intelligent Machines (DEXIM)
- 2019–2023: DFG-Projekt: Tübingen Machine Learning Cloud
- 2018–2023: ERC Starting Grant: Probabilistic Automated Numerical Analysis in Machine Learning and Artificial Intelligence (PANAMA)
Arbeitsgruppen
- Prof. Robert Bamler: Data Science und maschinelles Lernen
- Dr. Christian Baumgartner: Machine Learning in Medical Image Analysis
- Prof. Martin Butz: Kognitive Modellierung
- Dr. Katharina Eggensperger: Automatisiertes Maschinelles Lernen für die Wissenschaft
- Dr. Shahram Eivazi (IoC): Autonomous Systems
- Prof. Andreas Geiger: Autonomes maschinelles Sehen
- Dr. Konstantin Genin: Epistemology and Ethics of Machine Learning
- Prof. Matthias Hein: Maschinelles Lernen
- Prof. Philipp Hennig: Methoden des maschinellen Lernens
- Dr. Nicole Ludwig: Maschinelles Lernen in nachhaltigen Energiesystemen
- Prof. Ulrike Luxburg: Theorie des maschinellen Lernens
- Prof. Jakob Macke: Maschinelles Lernen in der Wissenschaft
- Prof. Georg Martius: Distributed Intelligence
- Prof. Detmar Meurers: Sprache und KI in der Bildung
- Prof. Seong Joon Oh: Scalable Trustworthy AI (STAI)
- Prof. Gerard Pons-Moll: Kontinuierliches Lernen auf multimodalen Datenströmen
- Prof. Nico Pfeifer: Methoden der Medizininformatik
- Dr. Leonel Rozo (IoC): Geometric Learning for Motion and Interaction
- Dr. Claire Vernade: Lebenslanges Reinforcement Learning
- Prof. Bob Williamson: Foundations of Machine Learning Systems
- Prof. Andreas Zell: Kognitive Systeme
- Dr. Dan Zhang (IoC): Safe Deep Learning
- Prof. Matthias Bethge (kooptiert): Computational Neuroscience and Machine Learning
- Prof. Michael J. Black (Honorarprof.): Perceiving Systems
- Prof. Moritz Hardt (Honorarprof.): Social Foundations of Computation
- Prof. Bernhard Schölkopf (Honorarprof., FB Physik): Empirical Inference
Software & System-Engineering
Themen
Die Lehrstühle im Bereich „Software & Systems Engineering“ befassen sich mit den Kernbereichen der praktischen und technischen Informatik von den theoretischen Grundlagen bis zu praktischen Anwendungen. In der praktischen Informatik stehen die effiziente Konstruktion großer Softwaresysteme, die Analyse und Transformation strukturierter Daten, Algorithmen für das automatische Beweisen und Optimieren sowie Lösungen für komplexe Web-basierte verteilte Systeme im Fokus der aktuellen Forschung. In der technischen Informatik stellen der Entwurf, die Analyse und die Optimierung von eingebetteten Systemen, Kommunikationsnetzen und Rechnerarchitekturen sowie technische Anwendungen maschineller Lernverfahren den Schwerpunkt der aktuellen Forschung.
Praktische Informatik
- Deklarative Sprachen für die Analyse und Transformation strukturierter Daten
- Neue Paradigmen für datenintensives Programmieren
- Effiziente Konstruktion großer Softwaresysteme
- Definition, Analyse und Verifikation von Softwaresystemen
- Algorithmen zum Rechnen in der Mathematischen Aussagenlogik
Technische Informatik
- Entwurf und Verifikation sicherer eingebetteter Systeme
- Timing- und Poweranalyse eingebetteter Software
- Architekturentwurf: von der Systemebene bis zum Tapeout
- Neural Interfaces and Brain Signal Decoding
- Design, Optimierung und Anwendung von Kommunikationsnetzen
- Software-Defined Networking, 5G und Internet of Things
Arbeitsgruppen
- Jun.-Prof. Dr. Jonathan Brachthäuser: Software Engineering
- Prof. Oliver Bringmann: Eingebettete Systeme
- Prof. Torsten Grust: Datenbanksysteme
- Prof. Wolfgang Küchlin: Symbolisches Rechnen
- Prof. Michael Menth: Kommunikationsnetze
- Prof. Klaus Ostermann: Programmiersprachen
- Prof. Thomas Walter: Informationsdienste
- Dr. Shahram Eivazi (IoC): Autonomous Systems
- Prof. Dr. habil. Thomas Kropf (Honorarprof.): Technische Informatik
Laufende Forschungsprojekte (Auswahl)
Verbünde und Verbundprojekte
- 2019–2026: Exzellenzcluster: Maschinelles Lernen: Neue Perspektiven für die Wissenschaft
- 2017–2019: DFG-Netzwerk: LEAD: Graduiertenschule & Forschungsnetzwerk LEAD
- 2016–2019: Kooperatives Promotionskolleg gefördert durch das MWK-BW: EAES: Entwurf und Architektur Eingebetteter Systeme
Einzelprojekte
- 2018–2023: BMBF-Projekt: GENIAL! Gemeinsame Elektronik Roadmap für Innovationen der automobilen Wertschöpfungskette
- 2018–2023: Industrie-Projekt: Industry-on-Campus-Professur zu Data Analytics und Big Data (mit Schufa)
- 2018–2022: DFG-Projekt: RESIST II: Resilienzbewertung von Wahrnehmungs- und Planungsansätzen in kooperativ interagierenden Automobilen bei unerwarteten Störungen
- 2018–2021: DFG-Projekt: PDGREE: Fein-granulare Analyse der Datenherkunft in ausdrucksstarken Anfragen
- 2017–2020: DFG-Projekt: Congestion Management for Packet-Based Communication Networks (CoMa)
- 2017–2020: Baden-Württemberg Stiftung gGmbH: HKONSENS-NHE: Entwicklung eines kontext-sensitiven neural-gesteuerten Hand-Exoskeletts zur Wiederherstellung der Alltagsfähigkeit und Autonomie nach Hirn- und Rückenmarksverletzungen
- 2016–2020: Industrie-Projekt: VideoSim: Modellierung und Variation von Umgebungseinflüssen auf Umfeldsensorik (mit Bosch)
- 2017–2019: BMBF-Projekt: CONFIRM: Automatisierter Firmware-Entwurf unter Berücksichtigung von Timing- und Power-Budgets für anwendungsspezifische Elektroniksysteme
- 2016–2019: DFG-Projekt: ALIEN: Abstraktionen, Sprachen und Implementierungstechniken, die Kluft zwischen Programmier- und Anfragesprachen überwinden
- 2016–2019: Industrie-Projekt: autoSWIFT: Schnellere Innovationszyklen für Elektroniksysteme entlang der Automobilwertschöpfungskette (mit Infineon)
Theorie
Themen
Die theoretische Informatik erforscht die Grundlagen unseres Fachgebiets. Einerseits stellt sie grundsätzliche Fragen wie zum Beispiel:
- Welche Funktionen kann ein Computer prinzipiell berechnen, welche nicht?
- Zu welchen Fragestellungen gibt es effiziente Algorithmen?
- Können wir beweisen, dass manche Algorithmen besser sind als andere, und in welchem Sinne?
- Können Computer bestimmte Aufgaben “von selber lernen”, und wenn ja, welche und wie?
Andererseits entwickelt die theoretische Informatik Formalisierungen, die in anderen Bereichen der Informatik verwendet werden, um komplexe Systeme zu beschreiben und zu analysieren.
Laufende Forschungsprojekte (Auswahl)
Verbünde und Verbundprojekte
- 2019–2026: Exzellenzcluster: Maschinelles Lernen: Neue Perspektiven für die Wissenschaft
Einzelprojekte
- 2018–2021: DFG-Projekt: Dualität und Schaltkreiskomplexität
- 2018–2020: DFG-Projekt: Neue Modelle und Methoden zum effektiven orthogonalen Layout von Graphen
- 2018–2019: DFG-Projekt: Jenseits von Planarität: Eine Verallgemeinerung des Konzepts "Planarität im Graphenzeichnen"
Arbeitsgruppen
- Apl. Prof. Britta Dorn: Computational Social Choice, Parametrisierte Komplexität
- Prof. Matthias Hein: Maschinelles Lernen
- Prof. Michael Kaufmann: Algorithmik
- Prof. Klaus-Jörn Lange: Komplexitätstheorie, Formale Sprachen
- Jun.-Prof. Dr. Anna Levina (Martius): Selbstorganisation und Optimalität in Neuronalen Netzwerken
- Prof. Ulrike von Luxburg: Theorie des maschinellen Lernens
- Dr. Lena Schlipf: Teaching Specialist für Theoretische Informatik
- Prof. Peter Schroeder-Heister: Logik und Sprachtheorie
- Prof. Dr. Reinhard Kahle (kooptiert): Theorie und Geschichte der Wissenschaften
Vision & Cognition
Themen
Ein Alleinstellungsmerkmal des Fachbereichs Informatik ist die Konzentration an Expertise in der visuellen Wahrnehmung, der multisensorischen und sensomotorischen Verarbeitung und der Interaktion dieser Prozesse mit abstrakteren, kognitiven Mechanismen und Enkodierungen. Neben den technischen Gebieten der Bildverarbeitung, Robotik, intelligente Softwareagenten und Computergrafik sind gleichzeitig die Psychophysik und die Kognitionswissenschaft im Kollegium vertreten. Damit wird die gesamte Bandbreite einer menschzentrierten Forschung ermöglicht, die nicht nur den algorithmisch und technologischen Fortschritt im Auge hat, sondern auch die Möglichkeiten der menschlichen Wahrnehmung analysiert und mit berücksichtigt.
- fotorealistische 3D-Akquisition
- mobile Roboter
- selbstlernende Avatare in VR-Umgebungen
- Hand-Eye-Tracking
- Computermodelle des menschlichen Sehens
- Generative, rekurrente und selbstorganisierende Künstliche Neuronale Netze
Der Fachbereich ist zudem am interfakultärem Cognitive Science Center der Universität Tübingen beteiligt. Das CSC verfolgt das Ziel, zusammen mit der Geistes- und Naturwissenschaft, ein tieferes Verständnis der Kognition zu gewinnen. Denn Kognition generiert Verhalten, Sprache und dadurch unsere Kultur. Sie ist unabdingbar grundiert in der Physik, Biologie und Neurobiologie und kann durch die Modellierung mit Hilfe des Maschinellen Lernens, der Mathematik, und Statistik verstanden werden.
Arbeitsgruppen
- Prof. Martin Butz: Kognitive Modellierung
- Prof. Volker Franz: Experimentelle Kognitionswissenschaft
- Prof. Andreas Geiger: Autonomes maschinelles Sehen
- Prof. Hendrik Lensch: Computergrafik
- Jun.-Prof. Dr. Anna Levina (Martius): Selbstorganisation und Optimalität in Neuronalen Netzwerken
- Prof. Zhaoping Li: Sensory and Sensorimotor Systems
- Prof. Detmar Meurers: Sprache und KI in der Bildung
- Prof. Gerard Pons-Moll: Kontinuierliches Lernen auf multimodalen Datenströmen
- Dr. Leonel Rozo (IoC): Geometric Learning for Motion and Interaction
- Prof. Andreas Schilling: Medieninformatik (Visual Computing)
- Prof. Felix Wichmann: Neuronale Informationsverarbeitung
- Dr. Charley Wu: Human and Machine Cognition
- Prof. Andreas Zell: Kognitive Systeme
- Dr. Dan Zhang (IoC): Safe Deep Learning
- Prof. Philipp Berens (kooptiert): Data Science for Vision Research
- Prof. Michael Franke (kooptiert): Allgemeine Sprachwissenschaft & Pragmatik
- Prof. Martin Giese (kooptiert): Computational Sensomotorics
- Prof. Bettina Rolke (kooptiert): Evolutionary Cognition
Laufende Forschungsprojekte (Auswahl)
Verbünde und Verbundprojekte
- 2019–2026: Exzellenzcluster: Maschinelles Lernen: Neue Perspektiven für die Wissenschaft
- 2017–2020: Sonderforschungsbereich: Robust Vision (SFB 1233) (mit MPI-IS)
Einzelprojekte
- 2020–2025: ERC Starting Grant: Learning Generative 3D Scene Models for Training and Validating Intelligent Systems (LEGO-3D)
- 2019–2021: DFG-Projekt: Development of the agentive self: Critical components in the emerging ability of action prediction and goal anticipation
- 2019–2021: BMBF-Projekt: DeepStereoVision: Effiziente und genaue Tiefenwahrnehmung durch Stereovision mit Deep Learning und FPGAs
- 2018–2021: BMWi-Projekt: iBinPick: Entwicklung eines intelligenten bin picking Robotersystems
- 2018–2020: BMBF-Projekt: FarmingIOS: Intelligente optische Sensorik zur Früherkennung und Behandlung von Pflanzenkrankheiten
- 2014–2019: DFG-Projekt: Die Integration von früher Sehverarbeitung, Salienzmodellen und Blicksteuerung: Experimente, Modellierung und räumliche Statistik