Prof. Dr. Alfred Ultsch

Arbeitsgebiet: Datenbionik, Data Mining, Knowledge Discovery, Bioinformatik

Arbeitsschwerpunkte:
Die Arbeitsgruppe Datenbionik befasst sich vor allem mit der Übertragung von Prinzipien der Informationsverarbeitung natürlicher und speziell biologischer Systeme auf die maschinelle Datenverarbeitung.

Hierbei ist die Selbstorganisation ein zentrales Funktionsprinzip, welches in der belebten wie unbelebten Natur zu finden ist. In Systemen mit vielen kooperierenden elementaren Prozessen oder Agenten kann unter geeigneten Bedingungen dabei die Bildung emergenter Strukturen erfolgen. Neuronale Netze mit unüberwachtem Lernverfahren besitzen z.B. die Fähigkeit, emergente Strukturen aus Fallbeispielen lernen zu können.

Bei der Selbstorganisation spielen datenbionische Prinzipien wie Kooperation, Konkurrenz, Gier und Interesse eine wichtige Rolle. Mit einer Grundlagenarbeit zur Pareto 80/20 Regel haben wir zum Verständnis von Organisationsprinzipien beigetragen. Aus dieser Arbeit konnten wichtige praktische Verfahren zum Data Mining und Knowledge Discovery abgeleitet werden.

Die Arbeitgsruppe Datenbionik verwendet Neuronale Netze und neuerdings auch Methoden des Künstlichen Lebens (Artificial Life), um emergente Strukturen in hochdimensionalen Vektorräumen erzeugen und analysieren zu können.

Aus den erkannten Strukturen werden mit speziell entwickelten Verfahren Wissenselemente extrahiert. Diese Lernverfahren zielen insbesondere auf eine Verständlichkeit des neu entdeckten Wisses ab. Ein Schwerpunkt dieser Forschung ist die Transformation der Wissensrepräsentation vom subsymbolischen ins symbolische Wissen - und umgekehrt.

Probleme der Bioinformatik bilden in Zusammenarbeit mit Projektpartnern aus Medizin und Biologie einen Anwendungsschwerpunkt. Hier sind beispielsweise DNA-Microarray Analyse, Tumorklassifikation, Kieferorthopädie, Liquordiagnostik, Proteinbindetaschen, Computational Chemistry, Drug Design u.a.m. zu nennen.

Daneben sind wir auch an einer Entdeckung von strukturellem Wissen in zeitlichen Verläufen interessiert. Untersuchte Beispiele hierbei sind u.a. Wasserstände im Hamburger Hafen, menschlicher Schlaf und an US-Börsen gehandelte Aktien.

Unsere Methoden wurden bereits in verschiedenen Anwendungsgebieten erfolgreich eingesetzt: Umweltbereich, Steuerung und Überwachung industrieller Prozesse, Prognose von Hagelschlag u. Lawinen, medizinische Diagnose, etc.

Keywords: Databionics, Knowledge Discovery, Bioinformatics, Neuronal Networks, Expert Systems, Artificial Life, Fuzzy-Systems, Machine Learning, Clustering, Time Series Analysis, Temporal Data Mining, Exploratory Data Analysis, Bionics.

Homepage: www.informatik.uni-marburg.de/~databionics

Sprechstunde: Mittwoch, 14-16 Uhr