Kolloquium des Studiendekanats Elektrotechnik, Informatik und Mathematik (EIM)

Das Studiendekanat Elektrotechnik, Informatik und Mathematik der Technischen Universität Hamburg (TUHH) freut sich, im Rahmen seines Kolloquiums eine weitere Antrittsvorlesung und einen Forschungsvortrag aus dem Kontext der Hamburg-weiten Informatik-Plattform ahoi.digital mit der gesamten TUHH und mit der Öffentlichkeit teilen. Dieses Kolloquium des Dekanats EIM beginnt am

Dienstag, den 1. Juni 2021 ab 14:00 Uhr

mit folgendem kurzen Programm:

   14:00 Uhr: Antrittsvorlesung „Algorithmen und Komplexität im Zeitalter datengetriebener Forschung“.
Prof. Dr. Matthias Mnich, Institut für Algorithmen und Komplexität, Technische Universität Hamburg (TUHH)

   14:45 Uhr: Cross-Modal Sensor Data Acquisition and Processing.
Prof. Dr. Simone Frintrop, Arbeitsgruppe Computer Vision, Universität Hamburg (UHH) und ahoi.digital

Alle Vorträge werden mittels Zoom live für die Öffentlichkeit über das Internet übertragen, interessierte Personen können sich zum Erhalt der Zugangsdaten hier anmelden: https://lists.tuhh.de/sympa/subscribe/kolloq.eim

Algorithmen und Komplexität im Zeitalter datengetriebener Forschung

Menschen vertrauen Algorithmen mehr als sich selbst oder anderen, so die Zusammenfassung einer Studie aus den Nature Scientific Reports von 2021. Diese erstaunliche Erkenntnis spiegelt deutlich wieder, dass Algorithmen in den letzten zehn Jahren ihren Weg aus der theoretischen Informatik in die Mainstream-Medien gefunden haben, in denen inzwischen beinahe täglich über Potenziale, aber auch Gefahren und die Regulierung von Algorithmen durch eine breite Öffentlichkeit diskutiert wird. Algorithmen sind genau beschriebene Rechenverfahren, mit denen komplexe Aufgaben durch Computer abgearbeitet werden. Sie finden Anwendungen in zahlreichen Alltagssituationen, wie Navigationssystemen, Vorschlagslisten beim Musikstreaming und Onlineshopping, dem Autopiloten von Flugzeugen, oder der Geräuschunterdrückung in Hörgeräten. Doch nach welchen Prinzipien funktionieren diese Rechenverfahren, und wie können wir sie analysieren und anschließend verbessern, um sie als hilfreiches Werkzeug für unsere Ziele einzusetzen? Und für welche Aufgaben erscheint das Entwerfen von Algorithmen hoffnungslos?

Prof. Matthias Mnich, Leiter des neu gegründeten Instituts für Algorithmen und Komplexität der Technischen Universität Hamburg (TUHH), beschäftigt sich thematisch mit zentralen Aspekten der Algorithmenentwicklung und -analyse:

  • Design allgemeingültiger und effizienter Rechenverfahren für komplexe Fragestellungen
  • Mathematische Analyse der Korrektheit, der Lösungsgüte und des Ressourcenverbrauchs von Algorithmen
  • Verbesserung existierender Algorithmen durch neue mathematische Ansätze
  • Umsetzung theoretischer Rechenverfahren in praktisch verwendbare Software

In seiner Antrittsvorlesung wird Prof. Mnich exemplarisch drei Forschungsprojekte vorstellen: die Berechnung optimaler Landesequenzen von Flugzeugen beim Anflug auf Großflughäfen, die effiziente Aufdeckung struktureller Schwachpunkte in komplexen Finanznetzwerken, sowie die optimale Zusammenstellung von Expertenteams zu Missionen

Großflughäfen sind aus modernen Verkehrssystemen nicht mehr wegzudenken.

Der größte deutsche Flughafen in Frankfurt verzeichnet dabei regelmäßig beinahe 700 Landungen pro Tag. Die beschränkte Kapazität der Landebahn erfordert hierbei eine effiziente Planung der Reihenfolge der Landungen, sodass möglichst viele Passagiere ohne Verspätung zu ihrem Ziel gelangen. Die verschiedenen Flugzeugtypen, Wetterumschwünge und ungeplante Verspätungen erfordern hierbei fortgeschrittene algorithmische Techniken, um dieses Ziel zu erreichen.

Finanzinstitutionen sind heutzutage vielfach weltweit vernetzt und aneinander beteiligt, was zu einem globalen Geflecht an Verbindlichkeiten führt. Der Ausfall von nur einem oder wenigen Institutionen kann innerhalb kürzester Zeit zu globalen Verwerfungen selbst großer Volkswirtschaften führen, wie die Insolvenz der Investmentbank Lehman Brothers mit einem Schuldenberg von 200 Milliarden Dollar eindrucksvoll dokumentierte. Die nationalen Aufsichtsbehörden versuchen daher, solche Schwachpunkte schnell aufzudecken, bevor ein Dominoeffekt zu immensen Ausfallkosten führt. Wir beschreiben ein algorithmisches Verfahren, welches diese mühsame Suche nach der „Nadel im Heuhaufen“ in einen effizienten Mechanismus verwandelt.

Die Corona-Pandemie zwingt viele Firmen und Abteilungen zum effizienten verteilten Arbeiten über große geografische Distanzen. Dabei müssen regelmäßig schlagkräftige Teams gebildet werden, welche die richtigen Kompetenzen für die anstehenden komplexen Aufgaben mitbringen. Bei der Zuordnung von Mitarbeitern zu Projekten müssen dabei oft zeitliche, örtliche, fachliche und soziale Präferenzen berücksichtigt werden, um die Zufriedenheit unter den Mitarbeitern so hoch wie möglich zu halten. Wir beschreiben, wie unsere Methoden basierend auf algorithmischer Spieltheorie hier in effizienten Werkzeugen für diese komplexen Planungsprobleme resultieren.

Cross-Modal Sensor Data Acquisition and Processing

Autonomous systems, such as service robots and medical devices, must be able to operate in complex situations and make optimal decisions. In our ahoi.digital research project, we deal with adaptive sensor data acquisition and processing. Our approach to optimal decision making is based on probabilistic methods and machine learning methods. In order to minimize uncertainties in the decision, we use a cross-modal approach, which means that we combine image, audio or medical signals. We will present recent results of our research in the fields of audio-visual sound source separation and active perception. Additionally, we will present some related research results from our group, e.g., saliency detection, object pose estimation in point-cloud data, and superpixel-based object detection.

Prof. Dr. Simone Frintrop
Arbeitsgruppe Computer Vision
Fachbereich Informatik
Universität Hamburg (UHH)

frintrop(at)informatik.uni-hamburg(dot)de
https://www.inf.uni-hamburg.de/inst/ab/cv/people/frintrop.html