Forschungsgruppen

Agentensysteme und Bestärkendes Lernen

Neue Wege zur Ausbildung von KI-Agenten

Algorithmen für nebenläufige und verteilte Systeme

Entwicklung und Analyse von Algorithmen für nebenläufige und verteilte Systeme

Astroteilchenphysik

Anwendung moderner Rechenmethoden zur Datenanalyse in der Astroteilchenphysik

Bioinformatik-Gruppe

Аnwendung von Methoden der Informatik auf reale biologische und medizinische Probleme

BioLabs

Aufdeckung der grundlegenden epigenetischen Regulationsmechanismen und ihrer Rolle bei der Zelldifferenzierung und Alterung

Gruppe der Neuroentwicklung und Neurophysiologie

Simulationsmodellierung der Entwicklung neuronaler Gewebe und der beteiligten zellulären Prozesse

Gruppe für HoTT und abhängige Typen

Erstellen einer abhängig typisierten Sprache basierend auf der Homotopietypentheorie

Labor der Algorithmen für mobile Roboter

Entwicklung von Selbstorientierungsalgorithmen für einen mobilen Roboter und Lösung des SLAM-Problems

Labor für Cyber-physische Systeme

Theoretische Grundlagen, Sprachen und Tools zur Entwicklung von Steuerungsprogrammen für cyber-physische Systeme

Labor für intelligente Kollaborationstools

Untersuchung von kollaborativen Prozessen in SE und darüber hinaus, um Kollaborationstools der nächsten Generation zu ermöglichen

Labor für kernphysikalische Methoden

Das Labor entwickelt Instrumente und Methoden für die Forschung in der Teilchenphysik und anderen ähnlichen Bereichen

Labor für Kryptographie

Die Untersuchung und Anwendung kryptografischer Methoden zum Informationsschutz

Labor für Lernforschung

Längsforschung, um die Faktoren herauszufinden, die zur Verbesserung der akademischen Leistungen und zum Erfolg in MINT-Berufen beitragen

Labor für parametrisierte Algorithmen

Erstellen exakter Algorithmen für rechnerisch anspruchsvolle Probleme durch das sorgfältige Verständnis der Struktur einer typischen Eingabe

Labor für Verifikation oder Programmanalyse

Anwendung formaler Methoden in der Softwareentwicklung zur Erstellung von Tools auf der Grundlage statischer Analyse, Überprüfung und Programmtransformation

Machine Learning-Anwendungen und Deep Learning

Anwendung modernster Machine Learning-Techniken auf eine Vielzahl unterschiedlicher Probleme

Machine Learning-Methoden im Software Engineering

Zusammenführung von Best Practices aus beiden Bereichen, um neue Möglichkeiten zur Entwicklung und Verbesserung von Code zu schaffen

Nebenläufiges Computing

Entwicklung, Überprüfung, Test und Benchmarking moderner nebenläufiger Algorithmen

Optimierungsprobleme im Software Engineering

Lösung von schwierigen Optimierungsproblemen in verschiedenen Bereichen der Softwareentwicklung

Paper-Analyzer

Deep Learning-basiertes Tool zur Wissensgewinnung aus wissenschaftlichen biomedizinischen Artikeln

Programmiersprachen und Tools Lab

Unterstützung der Grundlagenforschung für Programmiersprachen und -tools