MobyDex

Herausforderung und Ziel:
Um den privaten Autoverkehr zu reduzieren, entwickelt MobyDex eine Plattform zur Analyse von Mobilitätsangeboten. Ziel ist es, öffentliche und betriebliche Verkehrsplaner bei der Schaffung bedarfsgerechter Lösungen zu unterstützen.

Beitrag:
Die Gruppe „Vernetzte Eingebettete Systeme“ arbeitet an Modellen und Algorithmen, um Fahrplandaten des ÖPNV mit Verspätungs- und Ausfallinformationen sowie Mikromobilitätsangeboten zu verknüpfen.

Mehr erfahren

Informatik Schülerlabor

Im Informatik-Schülerlabor der Universität Duisburg-Essen können Schüler:innen aller Altersklassen und Schulformen der Sekundarstufen I und II in Workshops verschiedene Aspekte der Informatik erkunden. Viele Module erfordern keine Vorkenntnisse, während andere in den Informatikunterricht der Oberstufe integriert werden können. Das Angebot ist kostenlos, lediglich die Anfahrt muss selbst organisiert und finanziert werden.
Mehr erfahren

Smart Extended Reality Lab (smartXR-Lab)

Das Labor für Medizinische Mixed Reality (MMR) der Gruppe für KI-gesteuerte Therapien am Institut für Künstliche Intelligenz in der Medizin (IKIM) vereint Spitzentechnologie und Innovation im Gesundheitswesen. Durch die Integration von Künstlicher Intelligenz und Mixed Reality revolutioniert das Labor die Patientenversorgung, Ausbildung und Forschung. Es dient als Zentrum für Erkundung, Forschung und Zusammenarbeit und steht dank modernster IT-Infrastruktur und medizinischer Netzwerke an der Spitze des medizinischen Fortschritts.
Mehr erfahren

Annotation Lab Essen

Das Annotation Lab Essen, Teil des Instituts für KI in der Medizin am Universitätsklinikum Essen, ist auf die Annotation medizinischer Daten wie Bilder und Texte spezialisiert. Die Annotation medizinischer Daten umfasst mehrere Schritte, darunter Planung, Anonymisierung und Qualitätssicherung. Da die Datenaufbereitung oft länger dauert als das Training von KI-Modellen, ist ein qualitativ hochwertiger Datensatz für maschinelles Lernen in der Medizin besonders wichtig.
Mehr erfahren

Medical Machine Learning (MML)

Die Forschungsgruppe Medical Machine Learning entwickelt moderne Methoden des maschinellen Lernens, um die Gesundheitsversorgung für Patienten, Ärzte und Krankenhauspersonal zu verbessern. In Zusammenarbeit mit einer fortschrittlichen Klinikverwaltung wird eine SMART-Krankenhausinfrastruktur aufgebaut, die reale medizinische Daten nutzt. Ein Schwerpunkt liegt auf unüberwachtem Lernen zur Erkennung onkologisch relevanter Muster in großen Datensätzen. Solide Finanzierung und hochmoderne Ausrüstung unterstützen die Forschungsarbeit.
Mehr erfahren