Projekte

COVID-SpiNGS

Das COVID-SpiNGS-Projekt entwickelt mit Hilfe des maschinellen Lernens ein System, das den kompletten Prozess der Genomsequenzierung automatisiert. Eine Validierung des Systems erfolgt über eine Analyse von COVID-19 Patientenproben.

Weiter lesen.
mehr erfahren...
Post-Intelligent Artificial Humanism

Das Ars Electronica Festival ist das international bedeutendste Festival für Digitale Kunst, Wissenschaft und Gesellschaft. Die HTW Berlin war 2022 eine von 29 internationalen Hochschulen, die an der Campus Exhibition teilgenommen haben.

Weiter lesen.
mehr erfahren...
Start IT

Start IT brings together students from six member countries to work on mobile apps in diverse, international, interdisciplinary teams to acquire soft skills, future skills, entrepreneurial skills, and IT-skills. The main horizontal goal of this project is “Digital Transformation”. The mobile apps that the students develop will focus on the secondary goal topic of “Climate Change”.

Weiter lesen.
mehr erfahren...
Berliner Initiative für Forschung im Bereich Foundation Models (ApplFM)

Anwendungsorientierte Grundlagenforschung zu Foundation Models.

Weiter lesen.
mehr erfahren...
Generative KI für KMU

Wissenschaftliche Publikationen und Studien von Beratungsunternehmen sagen erhebliche Produktivitätsgewinne durch den Einsatz von generativer künstlicher Intelligenz (Gen AI) wie ChatGPT oder Microsoft Copilot voraus (1).  Die KI Werkstatt hat ein Vorgehensmodell zur Einführung generativer KI erstellt und unterstützt KMU bei der Identifikation, betriebswirtschaftlichen Bewertung, Auswahl einer technischen Lösung und Pilotierung industriespezifischer Use Cases.

Weiter lesen.
mehr erfahren...
Artificialism

Die HTW Berlin hat im Jahr 2023 erneut an dem international bedeutendsten Festival für Digitale Kunst, Wissenschaft und Gesellschaft teilgenommen: dem Ars Electronica Festival.

Weiter lesen.
mehr erfahren...
Explainable and Data-Efficient Visual Recognition

Hindernisse für den Einsatz von Deep-Learning-Modellen in der industriellen Praxis ist oft der große Aufwand von Datenbeschriftungen sowie die fehlende Interpretierbarkeit von Modellen. Im Projekt mit der Firma Hasty.AI sollen diese zwei methodischen Schwerpunkt explorativ untersucht werden, dabei wird ein Benchmarkkonzept erstellt um auch zukünftige Weiterentwicklungen von Algorithmen systematisch zu bewerten.

Weiter lesen.
mehr erfahren...
Pandora – A daring peek into the human blueprint

Pandora ist die generative Echtzeit-Visualisierung der Sequenzierung des menschlichen Genoms mittels eines MinION Analysegerätes.

Weiter lesen.
mehr erfahren...
ELV.xD

Das ELV.xD-Projekt zielt darauf ab, ein System zur 3D-basierten Wiedererkennung von Ersatzteilen zu entwickeln. Die Verwendung von Verfahren aus der Künstlichen Intelligenz soll hierbei eine sehr performante Bestimmung solcher Bauteile ermöglichen.


Weiter lesen.
mehr erfahren...
TAHAI

Im Mittelpunkt des vom IFAF Berlin geförderten Projekts TAHAI stehen fachliche Anwendungsszenarien (Sicht der Endanwender), die mit Hilfe von Ansätzen einer "schwachen" Künstlichen Intelligenz (kurz KI) weitergehend untersucht werden sollen. Im Kern wird es sich bei den einzusetzenden KI-Algorithmen um Klassifikationen, Prognosen oder auch Text- bzw. Bild- und Mustererkennungen handeln.

Weiter lesen.
mehr erfahren...
Fair Enough?

Datenbasierte Verfahren zur Analyse, Vorhersage und Bewertung von Lernprozessen (Learning Analytics) können die in den Daten enthaltenen Vorurteile reproduzieren und zu unfairen Ergebnissen führen. Im Projekt soll untersucht werden, wie die Fairness von Learning Analytics Systemen überprüft und auditiert werden kann.

Weiter lesen.
mehr erfahren...
SparePartAssist

In SparePartAssist wird ein Assistenzsystem zur computergestützten Identifikation eines Ersatzteiles für die Wartung und Reparatur entwickelt. Die Identifikation erfolgt auf Basis eines 3D-Scans der sichtbaren bzw. erhaltenen Bauteilgeometrie.

Weiter lesen.
mehr erfahren...
NGSPipes

In NGSPipes werden in Kooperation mit dem Robert-Koch-Institut Pipelines für die Analyse von Genomsequenzierungsdaten entwickelt. Die automatisierte Analyse basiert dabei auf Ansätzen des maschinellen Lernens.

Weiter lesen.
mehr erfahren...

Starte dein KI-Projekt mit Uns

Mit der KI-Werkstatt schafft die HTW Berlin einen Ort für das gemeinsame Forschen, Lehren und Anwenden von KI-Technologie auf aktuelle Praxisprobleme. Ziel ist u.a. die Schaffung einer hochschulweiten Infrastruktur, welche die Verwendung und Weiterentwicklung aktueller KI-Algorithmen auf höchstem wissenschaftlichem Niveau ermöglicht, sowie die Entwicklung eines KI-Modulbaukastens um die KI-Lehre interdisziplinär fördern.

Kontaktiere Uns