FOR 5361:  KI-FOR Algorithmische Datenanalyse für die Geodäsie (AlgoForGe)

• Fachliche Zuordnung: Informatik, System- und Elektrotechnik ; Geowissenschaften
• Förderung: Förderung seit 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 459420781

Unsere Forschungsgruppe widmet sich den algorithmischen Herausforderungen grundlegender KI-Probleme fokussiert auf zwei zentrale Bereiche der Geodäsie, die sich beide mit geometrischen Abstraktionen der realen Welt befassen: die Kartographie und die physikalische Geodäsie. Unsere Herangehensweise zeichnet sich dabei durch den Anspruch auf eine inhärent geometrische Datendarstellung aus, mit dem Ziel, die algorithmischen Probleme möglichst in ihrer ursprünglichen Form zu untersuchen.Die systematische Untersuchung der zugrundeliegenden algorithmischen Herausforderungen von KI-Techniken ist eine zentrale Aufgabe der Algorithmischen Datenanalyse. Unsere Forschungsgruppe bringt daher Experten auf dem Gebiet der Algorithmischen Datenanalyse und auf den beiden oben genannten Gebieten der Geodäsie zusammen. Als Brücke zwischen diesen Gebieten sehen wir die Disziplinen Algorithmische Geometrie und Algorithm Engineering, insbesondere was die bewährte Herangehensweise in diesen beiden Disziplinen angeht: Die Algorithmische Geometrie überträgt reale geometrische Daten in diskrete Konfigurationen, um die Anwendung diskreter Optimierungstechniken zu ermöglichen. Das Algorithm Engineering ermöglicht den reibungslosen Wissenstransfer zwischen theoretischer Algorithmenanalyse und praktischer Implementierung.Daraus resultierend werden wir neue praktische Methoden zur Datenanalyse gewinnen, welche auf die spezifischen Herausforderungen geodätischer KI-Probleme zugeschnitten sind und in der Regel mit nachweisbaren Leistungsgarantien einhergehen, sowie mit einer fortlaufenden experimentellen Evaluierung auf Daten aus der Geodäsie. Unser zentrales Ziel ist es, die Lücke zwischen der aktuellen Forschung in den Bereichen der Künstlichen Intelligenz und der Geodäsie zu schließen und dauerhafte Verbindungen zwischen den beiden Disziplinen herzustellen, um der zukünftigen Forschung zur Automatisierung in der Geodäsie eine solidere algorithmische Grundlage zu liefern.Gleichzeitig will unsere Forschungsgruppe das algorithmische Verständnis von KI-Methoden für geometrische Daten und entsprechende geometrische Abstandsmaße verbessern. Wir werden Algorithmen und Implementierungen entwickeln, welche die geometrische Struktur der Daten auch für sehr große Datenmengen, unter geometrischen Nebenbedingungen und für multiple Zielfunktionen ausnutzen können. Wir sind davon überzeugt, dass unser Ansatz nicht nur in der Geodäsie interessant sein wird, sondern auch für jeden anderen Bereich, in dem geometrische Daten analysiert werden.

• DFG-Verfahren: Forschungsgruppen

Projekte

• A3: Skalierbarkeit geometrischer Clustering Algorithmen (Antragsteller Sohler, Christian )
• Algorithm Engineering für geometrische Graphen (Antragstellerin Mutzel, Petra )
• Algorithmen für multikriterielle Optimierungsprobleme aus der Geodäsie (Antragsteller Röglin, Heiko )
• Approximationsalgorithmen für Clustering, Aggregation und Vereinfachung unter Nebenbedingungen (Antragstellerin Schmidt, Melanie )
• Effiziente Repräsentation von geometrischer Ähnlichkeit (Antragstellerin Driemel, Anne )
• Globale Muster des Meeresspiegelanstiegs und der Ozeanerwärmung (Teilprojekt C2) (Antragsteller Kusche, Jürgen )
• Koordinationsfonds (Antragstellerin Mutzel, Petra )
• Simultane Vereinfachung und Aggregation für interaktive Karten (Antragsteller Haunert, Jan-Henrik )

• Sprecherin: Professorin Dr. Petra Mutzel