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 von Use Cases generativer KI.

Juristische Unterstützung durch Generative Künstliche Intelligenz

Generative Künstliche Intelligenz - wir erschließen damit die Rechtswissenschaften.

Generative Künstliche Intelligenz hat viele Anwendungen - wir sichern die Qualität.

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.

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.

Anwendungsorientierte Grundlagenforschung zu Foundation Models.

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”.

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

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.

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

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.

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.


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.

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.

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.