Applied Cybersecurity & Internet Governance Repository
Not a member yet
6623 research outputs found
Sort by
gemeinsamer Sachbericht der Zuwendungsempfänger
No full textKataster- und Liegenschaftsinformationen stellen mit steigender wirtschaftlicher Bedeutung eine wichtige Basis für Planungsvorhaben dar. Erfassung, Pflege und Abgabe der Daten ist föderal geregelt und obliegt den zuständigen Vermessungs- und Katasterverwaltungen. Aufgrund der heterogenen Bereitstellungswege – und der damit zusätzlich verknüpften erschwerten Auffindbarkeit – kann das Potential der Daten häufig nicht voll ausgeschöpft werden, insbesondere, wenn diese in länderübergreifenden Planungsprozessen eingesetzt werden sollen.
In ADA wurde eine maschinellen Schnittstelle geschaffen, die die Verwertung länderübergreifender ALKIS-Daten vereinfacht. Hierbei wurden zwei Teilziele adressiert:
1) Verbesserung der Auffindbarkeit existierender ALKIS-Bereitstellungswege: Durch die Entwicklung einer Schnittstelle für den Austausch von Metadaten wurden ALKIS-Bezugswege, die bisher schwierig auffindbar waren, über vorhandene Open-Data-Portale sichtbar gemacht, um aufwendige Datenrecherchen zu vermeiden.
2) Verbesserter Datenbezug länderübergreifender ALKIS-Daten: Durch die Entwicklung einer maschinellen Schnittstelle zum Austausch von Bestellinformationen und ALKIS-Daten wurde ein automatisierter Bezug zu Planungszwecken ermöglicht.
Konkret wurde die Geoportal-Technologie der CISS TDI GmbH erweitert, um eine anwenderfreundliche Auffindbarkeit, Bereitstellung und Integration bundesweiter ALKIS-Daten zu gewährleisten. Die Geoportal-Technologie der CISS ist die Grundlage für Datenportale verschiedener Datenbereitsteller und stellt die Basis für den CISS-Shop, über den bereits harmonisierte ALKIS-Daten von zehn Bundesländern innerhalb eines Web-basierten Bestellprozesses bereitstehen (https://shop.ciss.de). Zur Validierung der neuen Schnittstellen wurde ein QGIS-Plugin entwickelt. Das Plugin ermöglicht basierend auf den neuen ADA-Schnittstellenden, die länderübergreifende und einfache Bestellung von ALKIS-Daten aus QGIS und stellt somit eine Blaupause für die neue Bezugsmöglichkeit von ALKIS aus Drittsystemen dar
Frontiers of Statistics and Machine Learning
No full textAI is currently the central theme in science. Whereas the underlying algorithms rely on rather simple mathematical operations such as matrix-vector multiplications and applying non-linearities componentwise, deriving a theoretical understanding proves to be extremely challenging. To identify synergies between the fields of mathematical statistics and theoretical machine learning, the workshop brought together leading researchers and rising stars who are tackling core challenges at the intersection of these fields. We have identified the topics of robustness and model misspecification, statistical theory for neural networks and statistics for stochastic processes as three key themes that underpin increasingly many current developments. These topics were the focus of the talks and research that was carried out during the Oberwolfach week
Fördermaßnahme: Adaptive Technologien für die Gesellschaft – Intelligentes Zusammenwirken von Mensch und KI (MeKI)
No full textBildgebende Verfahren in der Augenheilkunde sind technologisch so weit fortgeschritten, dass sich Netzhaut- und Gefäßstrukturen im Auge hochgenau zwei-, drei- oder gar vier-dimensional darstellen lassen. Das Bildmaterial zu interpretieren und unter Berücksichtigung der Patientenhistorie eine Therapieentscheidung abzuleiten, ist jedoch anspruchsvoll und erfordert viel Erfahrung. Behandlungsfehler können fatale Folgen für Patientinnen und Patienten haben. Das Verbundprojekt »Ophthalmo-AI« hatte deshalb zum Ziel, ein intelligentes, interaktives Assistenzsystem zu schaffen, das Augenärztinnen und -ärzte mit Methoden der erklärbaren Künstlichen Intelligenz unterstützt und nachvollziehbare Diagnosen und Behandlungs-vorschläge macht. Dabei soll durch interaktives maschinelles Lernen eine effektive Zusammenarbeit von maschineller und menschlicher Expertise sichergestellt werden, um bessere Diagnose- und Therapieentscheidungen bei der diabetischen Retinopathie und der altersbedingen Makuladegeneration zu treffen. Beide chronische Augenerkrankungen stellen die Hauptursachen von Erblindung im Alter dar.
Das Teilvorhaben des Fraunhofer-Instituts für Biomedizinische Technik IBMT hatte zum Ziel, eine spezielle auf die Ophthalmologie zugeschnittene Datenmanagementplattform bereitzustellen und einen Daten-Layer zu schaffen, um die benötigten klinischen Datenbestände für die Erstellung von Modellen des maschinellen Lernens (ML) in der Ophthalmologie aufzunehmen und aufzubereiten. Dabei war eine spezielle Datenintegrationsumgebung zu entwickeln, die es ermöglichte, die benötigten Bild- und Befunddaten datenschutzkonform zu erfassen, zu integrieren und für die ML-Modellerstellung aufzubereiten. Dazu sollte auf eine bereits bestehende Datenmanagementplattform des IBMT aufgebaut werden und Methoden und Verfahren zur Beurteilung und Verbesserung der Datenqualität für ML-Entwicklungen implementiert werden.
Derzeitiger Stand von Wissenschaft und Technik: In der medizinischen Diagnostik und Therapiekontrolle spielt ML eine zunehmend wichtige Rolle, insbesondere in der bildgebenden Medizin. ML-Verfahren ermöglichen die automatische Extraktion relevanter Merkmale aus medizinischen Daten, was bei der Detektion und Diagnose von Erkrankungen unterstützt. Die Kombination von ML-Verfahren mit dem Expertenwissen von Medizinern zeigt vielversprechende Ergebnisse. In der medizinischen Bildgebung können ML-Algorithmen effektiv eingesetzt werden, um latente Merkmale in den Bilddaten zu erlernen und lokale Merkmale präzise zu beschreiben. Um die Transparenz und Fehlerabschätzung von ML-Modellen zu verbessern, werden verschiedene Methoden angewendet. Eine Möglichkeit ist die Visualisierung der Entscheidungsmechanismen in neuronalen Netzen mithilfe von Perturbationstechniken. Das unüberwachte Strukturlernen ermöglicht die Identifizierung latenter Merkmale in den Rohdaten, auch ohne vollständige oder lückenlose Trainingslabels. Bayes'sche Netzwerke bieten eine weitere Möglichkeit zur Verbesserung der Transparenz, indem sie bedingte Vorhersagewahrscheinlichkeiten verwenden und Wahrscheinlichkeiten mit konkreten Diagnosen verknüpfen. Dadurch kann eine präzisere Abschätzung der Wahrscheinlichkeit verschiedener Diagnosen basierend auf den extrahierten Merkmalen erfolgen.
Die datengetriebene Entwicklung von ML-Verfahren in der Medizin erfordert die Extraktion umfangreicher, vorhandener klinischer Daten von Patienten aus den Primärsystemen der Versorger. Die Medizininformatik-Initiative (MII) des BMBF zielt darauf ab, Datenintegrationszentren an deutschen Unikliniken zu etablieren, um klinische Daten routinemäßig für die Gesundheitsforschung verfügbar zu machen. Es wurden Kerndatensätze spezifiziert, die für jeden Behandlungsfall in einer HL7-FHIR-Repräsentation vorgehalten werden sollen. Es werden auch föderierte Ansätze für klinikübergreifende Datenanalysen verfolgt. Es gibt verschiedene Open-Source-Lösungen wie DataSHIELD und tranSMART-Data Warehouse, die für die Datenintegration und -harmonisierung verwendet werden. Die zentrale Datenmanagementplattform XplOit basiert auf formalen Ontologien und ist speziell für die KI-Forschung in der Medizin entwickelt worden.
Methode
Das IBMT stellt die IT-Plattform für die Aufnahme und das Management der benötigten klinischen Datenbestände zur ML-Modellerstellung bereit, im Einzelnen: (1) Anpassung und Bereitstellung der Datenmanagementplattform XplOit zur datenschutzkonformen Aufnahme, semantischen Anreicherung und Darstellung von klinischen Daten aus der Ophthalmologie, (2) die Entwicklung und Integration von Verfahren zur Annotation und Optimierung der Daten für die ML-Aufgaben sowie (3) die Schaffung der Voraussetzungen zur Nutzung des Systems als BMBF-Vordr. 3831/03.07_2 Daten-Layer des Ophthalmo-AI Diagnose- und Therapieunterstützungssystem.
Ergebnis
Das IBMT hat eine optimierte, datenschutzkonforme Datenmanagementplattform XplOit für die Ophthalmologie entwickelt. Diese Plattform ermöglicht die Aufnahme und Aufbereitung von Patientendaten aus der Augenheilkunde und kann für interaktives maschinelles Lernen genutzt werden. Um die Behandlungsdaten semantisch in XplOit zu beschreiben, wurde eine projektspezifische, auf die Ophthalmologie zugeschnittene Ontologie entwickelt. Hierfür wurden insbesondere Konzepte aus der Gesundheitsterminologie SNOMED CT verwendet, um medizinische Begriffe korrekt zu benennen. Um die Daten in die Plattform zu integrieren, wurden Datenpipelines zur Extraktion und semantisch integriertem Laden der Informationen in das XplOit-Data Warehouse implementiert: (1) Pipelines zum Laden von OCT- und OCT-A-Bilddaten aus dem proprietären VOL-Format des Herstellers der OCT-Scanner, sowie (2) eine Pipeline zum Verarbeiten der Daten aus den Krankenakten im HL7-FHIR-Format.
Zusätzlich zur Datenverarbeitung und -bereitstellung hat das IBMT einen OCT-Viewer implementiert und in XplOit integriert. Dieser Viewer zeigt nicht nur die OCT-Bilder an, sondern auch die zugehörigen klinischen Daten, die bei der OCT-Untersuchung und Befundung erhoben wurden. Der Viewer bietet zudem die Möglichkeit, pathologische Merkmale und Schichtgrenzen in entsprechend annotierten Bildern anzuzeigen und ermöglicht eine einfache manuelle Markierung von Pathologien in den OCT-Schnitten.
Weiterhin wurde eine Datenmonitoring-Komponente in XplOit implementiert, um Ontologie-basiert semantisch fehlerhafte oder auffällige Daten vor dem Laden in das Datawarehouse zu erkennen und den Benutzern als Fehler bzw. Warnungen anzuzeigen. Zudem wurde ein Editor implementiert, um einfache Regeln zur Korrektur bestimmter Daten vor dem Laden in das Data Warehouse anzulegen. In der XplOit-Benutzeroberfläche wurde ein Dashboard implementiert, das den Benutzern der Plattform einen statistischen Überblick über die bereitgestellten Daten gibt. Das Dashboard integriert Kennzahlen zu den verfügbaren Daten und den nach Datenbereinigung extrahierten Informationen, um den Benutzern wichtige Informationen für die Nutzung der Daten zur Modellierung übersichtlich, schnell und einfach zugänglich zu machen.
IBMT hat ferner das XplOit-REST-Interface weiterentwickelt, um die automatisierte Übertragung der bereitgestellten Daten, sowie der extrahierten und semantisch integrierten Informationen in angeschlossene KI-Umgebungen zu ermöglichen. Es wurde eine Synchronisationsschnittstelle für OCT-Markierungen von Pathologien, die über das Annotations-Tool des Projektpartners DFKI durchgeführt wurden, implementiert und bereitgestellt. Darüber hinaus hat das IBMT die REST-Services um eine Abfrage der Daten als integrierte Patientenakten erweitert, um XplOit zukünftig einfacher und ohne Zwischenverarbeitung direkt an die Modellausführung anbinden zu können.
Bei einem deutschen Cloud-Dienstleister wurde eine skalierbare virtuelle Maschine angemietet und die modifizierte XplOit-Serveranwendung auf dieser Maschine installiert, betrieben und gewartet. Eine Community für die datenschutzkonforme Sammlung und Bereitstellung von Produktivdaten wurde angelegt und verwaltet. Nach Schaffung der datenschutzrechtlichen Grundlagen zur Verarbeitung der Patientendaten wurden in der Summe ca. 53.000 OCT-Bilddatensätze mit über einer Million Einzelbilder und ca. 1.600 Patientenakten gesammelt, aufbereitet und bereitgestellt.
Weiterhin führte das IBMT eine Datenanalyse mittels AutoML-Ansätzen durch, um die Auswirkungen einer verbesserten Datenqualität auf ein Modelltraining zu bewerten. Dazu wurden nahezu alle EHR-Daten aus dem Datawarehouse exportiert, im Hinblick auf medizinische Behandlungsrichtlinien weiterverarbeitet und für experimentelle Modellentwicklungen mit AutoML-Training verwendet. Zwei Klassifikatoren wurden entwickelt, die zum einen anhand der OCT-Befunde in den Krankenakten ohne Zuhilfenahme der OCT-Scans vorhersagten, ob eine sogenannte IVOM-Spritze ins Auge appliziert wurde und wie sich die Sehschärfe entwickelt. Das Training wurde mehrfach mit aktualisierten Daten und unter Berücksichtigung verschiedener Einschränkungen in den Daten durchgeführt. Die Ergebnisse wurden analysiert und dokumentiert.
Schlussfolgerung/Anwendungsmöglichkeiten
Die in Ophthalmo-AI erlangten technischen und wissenschaftlichen Ergebnisse schaffen und verbessern die Voraussetzungen, um erfolgreich Datenintegrationsinfrastrukturen für KI-Entwicklungen in der Medizin bereitzustellen. Unsere Datenmanagementplattform konnte erfolgreich an das Gebiet der Augenheilkunde angepasst und gezielt um nützliche Funktionalitäten erweitert werden. Dies stärkt die Wettbewerbsfähigkeit des IBMT zur Akquisition von Anschlussprojekten.
Datei-Upload durch TI
Abschlussbericht
No full textDas Projekt CoRiCert ist ein wichtiger Bestandteil der seit 2016 bestehenden Berufsbildungskooperation zwischen Deutschland und Costa Rica. Es wurde im Rahmen einer Zusammenarbeit zwischen dem Bundesministerium für Bildung und Forschung (BMBF) und dem costa-ricanischen Ministerium für öffentliche Bildung (MEP) initiiert, um das duale Ausbildungssystem in Costa Rica zu stärken. Das Ziel des Projekts war die Konzeption und Erprobung von Prüfungs- und Zertifizierungsmodellen für die im Jahr 2022 gestarteten Ausbildungsgänge Webentwicklung und Elektrotechnik. Im Rahmen von landeseinheitlichen Verfahren sollten berufsrelevante Kompetenzen von Auszubildenden bewertet und zertifiziert werden. Um berufliche Handlungsfähigkeit festzustellen, ist die Einbeziehung von relevanten Akteuren wie Unternehmen, Bildungseinrichtungen, Wirtschafts- und Sozialpartnern notwendig, um ganzheitliche Prüfungsstrukturen und -modelle zu entwickeln. Ein weiteres Ziel des Projekts war die pilothafte Entwicklung und Erprobung von Instrumenten zur Gewinnung von Unternehmen, Gewerkschaften, Bildungseinrichtungen und Auszubildenden für die duale Ausbildung in Costa Rica. Das Projekt knüpft an den aktuellen Stand der dualen Berufsbildung in Costa Rica an, die im Jahre 2019 durch das Gesetz No 9728 formal implementiert wurde, und daher noch nicht vollständig ausgebaut ist. Die Herausforderung und Aufgabe des Projekts bestand darin, Ansätze zu entwickeln, die den spezifischen Anforderungen und Rahmenbedingungen des costa-ricanischen Bildungssystems gerecht werden
Einsatz hybrider Methoden zur Nutzung von Quantencomputing bei der Erstellung digitaler Zwillinge von Antriebssträngen - Sachbericht zum Verwendungsnachweis 2025
No full textSchlussbericht
No full textEntwicklung, Aufbau und Verifizierung eines einfachen, günstigen und auf das Wesentliche reduzierten Testsystems für die nach EN 17127 erforderlichen Betankungstests von Heavy Duty H2-Tankstellen (HD-HRS)
Konsortialbericht 2025, Verbundvorhaben
No full textDas Projekt CampusOS verfolgte das Ziel, die digitale Souveränität Deutschlands im Bereich offener und modularer 5G-Campusnetze nachhaltig zu stärken. Dafür wurde ein umfassendes, offenes Ökosystem auf Basis interoperabler Netzkomponenten und Open-RAN-Technologien aufgebaut. Im Mittelpunkt standen die Entwicklung eines 5G-Bausteinkatalogs mit flexiblen Betreibermodellen sowie der Aufbau industriell relevanter Referenzarchitekturen. CampusOS leistete Pionierarbeit bei der Integration von Virtualisierung, Künstlicher Intelligenz und Machine Learning, um anpassungsfähige, sichere und wirtschaftlich tragfähige Campusnetze zu ermöglichen. In Testfeldern in Berlin sowie durch umfangreiche Plugfests und Demonstratoren wurden die entwickelten Technologien unter realen Bedingungen erprobt. Das Projekt trug nicht nur zur Digitalisierung bei, sondern auch zur Stärkung der Wettbewerbsfähigkeit der deutschen Wirtschaft.
Zur Verstetigung der Projektergebnisse wurde im April 2025 die Initiative xG-ALOE gegründet. Die Allianz führt die erfolgreichen Ergebnisse aus CampusOS weiter und fungiert als Plattform für Innovation, Wissenstransfer und technologische Weiterentwicklung im Bereich offener Campusnetze - auch über 5G hinaus. xG-ALOE ermöglicht insbesondere kleinen und mittleren Unternehmen (KMU) sowie Start-ups den Zugang zu Testumgebungen, fachlichem Austausch und gemeinsamen Entwicklungsprojekten. Durch Plugfests, Workshops sowie die Nutzung des Bausteinkatalogs wird der kontinuierliche Wissenstransfer gesichert. Zudem stärkt die Initiative gezielt die Sichtbarkeit und Einbindung innovativer Akteure. xG-ALOE versteht sich als langfristiger Hebel zur Förderung digitaler Souveränität, zur Erhöhung der europäischen Wettbewerbsfähigkeit und als Impulsgeber für die Weiterentwicklung in Richtung 6G und darüber hinaus
Abschlussbericht zum Projekt 5GoIng - 5G-Innovationskonzept Ingolstadt
No full textDas Vorhaben 5GoIng hatte das Ziel, 5G-basierte Anwendungen in den Bereichen Verkehrssicherheit, Nachhaltigkeit und Smart City zu demonstrieren, ein 5G Testfeld im Digitalen Testfeld "Erste Meile" in Ingolstadt aufzubauen, sowie Aspekte der Technologieakzeptanz, interkommunale Zusammenarbeit und die Förderung der Startup-Infrastruktur zu adressieren. Das 5G-Testfeld dient durch die Nutzung öffentlicher Straßenabschnitte als Schaufenster für "Vernetzte Mobilität" und eröffnet die Gelegenheit, den Nutzen der 5G-Technologien direkt zu erleben. 5GoIng adressiert sowohl die drei technischen Schwerpunkte Smart City, Verkehrssicherheit und Nachhaltigkeit, als auch die gesellschaftsrelevanten Kernpunkte Akzeptanz, interkommunale Zusammenarbeit und Förderung der Startup-Infrastruktur
Cohomology Theories for Automorphic Forms and Enumerative Algebra
No full textCohomology theories have long proven to be powerful, unifying tools in numerous areas of mathematics, specifically in algebra, geometry, and number theory. Historically, the invention of the “right” cohomology theory often proved to be the key to uniform, conceptual proofs of conjectures and explanations of heuristic phenomena, bringing together seemingly unrelated mathematical areas. This workshop concentrated on the areas of automorphic forms and enumerative algebra, two fields in which cohomology theories already had a particular impact. It brought together mathematicians from various subdirections of these areas, both junior and senior
