Das vergangene Forschungskolloquium der Fakultät Elektrotechnik, Medien und Informatik (EMI) bot spannende Einblicke in aktuelle Forschungsprojekte rund um Künstliche Intelligenz und Datenanalyse. Nach der Begrüßung durch Prof. Dr. habil. Mandy Hommel, Vizepräsidentin für Lehre, Didaktik und Professional Development, standen drei aktuelle Forschungsarbeiten aus den Bereichen Künstliche Intelligenz und Datenanalyse im Mittelpunkt.

AI-Native Engineering

Prof. Varghese Panthalookaran von der Rajagiri School of Engineering and Technology (RSET) eröffnete das Kolloquium mit einem Vortrag zur Rolle der künstlichen Intelligenz in der Hochschulbildung. Er betonte, dass KI nicht nur technische Fertigkeiten verändert, sondern tiefgreifend in menschliche Denkprozesse eingreift. Damit verbunden sei die Notwendigkeit, Studierende mit sowohl kooperativen als auch komplementären Denkfähigkeiten im Umgang mit KI auszustatten. Panthalookaran plädierte für eine Neuausrichtung pädagogischer Ziele im KI-Zeitalter und stellte eine neue Taxonomie für die Ausbildung sogenannter „AI-Natives“ vor.

Comparative Analysis of Design Choices for Production-Ready Deep Learning-based RAG Systems

Im zweiten Vortrag präsentierte Antonio Vidos die Ergebnisse seiner Masterarbeit im Studiengang Künstliche Intelligenz. Er analysierte verschiedene Designentscheidungen bei der Entwicklung produktionsreifer Retrieval-Augmented Generation (RAG)-Systeme zur Textgenerierung. Dabei untersuchte er insbesondere Aspekte wie Indexierung, Suchstrategien und Generationsmodelle. Ziel der Arbeit war es, die Genauigkeit und Effizienz solcher Systeme durch verbesserte Datenaufbereitung und Modellarchitektur zu optimieren. Die Masterarbeit wurde von Prof. Dr. Christian Bergler betreut.

PredTrAD – Prediction-based Transformer for Anomaly Detection in Multivariate Time Series Data

Den Abschluss bildete Jan Schuster, der gemeinsam mit Prof. Dr. Christian Bergler, Prof. Dr. Fabian Brunner und Alexander Wölfel das Projekt „PredTrAD“ vorstellte. Das innovative Modell nutzt Transformer-Architekturen zur Erkennung von Anomalien in multivariaten Zeitreihen und erzielte in verschiedenen Tests deutliche Leistungsverbesserungen gegenüber bestehenden Ansätzen. Grundlage bildete unter anderem der eigens entwickelte und öffentlich verfügbare TIKI-Datenkorpus.

Im Anschluss an die Vorträge entwickelten sich sowohl vor Ort als auch im Online-Format angeregte Diskussionen zwischen Studierenden, Mitarbeitenden und ProfessorInnen, die das Kolloquium zu einem gelungenen Austausch aktueller Forschung machten.