Projekte

BRIDGE - Building Research Insights with Data and Graph Exploration

Als Hauptziel vefolgt das Projekt die Entwicklung einer interdisziplinären Forschungsdatenbank, die verschiedene Datensätze integriert und fortschrittliche Analysen ermöglicht. Diese Plattform soll als dynamisches Werkzeug dienen, mit dem Forschende schnell neue Forschungsthemen erkunden und Ideen mit minimalem Aufwand testen können. Durch die Konsolidierung heterogener Daten in einem einheitlichen System soll das Projekt die interdisziplinäre Zusammenarbeit fördern und wissenschaftliche Innovationen vorantreiben. Eines der Kernanliegen ist es, Forschende aus verschiedenen wissenschaftlichen Disziplinen zur Zusammenarbeit zu ermutigen. Durch die Bereitstellung einer gemeinsamen Plattform fördert diese Datenbank einen integrierten Forschungsansatz und überwindet traditionelle Disziplingrenzen. Forschende werden so in die Lage vesetzt, Zusammenhänge zwischen Datensätzen zu erkunden und neue Hypothesen und Erkenntnisse zu gewinnen, die aufgrund von Datensilos bisher nicht zugänglich waren. Die Plattform ist so konzipiert, dass sie über die reine Speicherung von Daten hinausgeht. Sie soll als Brutkasten neue Forschungsfragen und datengestützte Entdeckungen hervorbringen. Mithilfe fortschrittlicher künstlicher Intelligenz, insbesondere großer Sprachmodelle (LLMs), ermöglicht das System die automatisierte Generierung von Metadaten, dynamische Abfragen und die intelligente Analyse verschiedener Datensätze. Das wird den Aufwand für die Formulierung und Überprüfung neuer Ideen erheblich reduzieren und damit den Weg für innovative Methoden und Erkenntnisse ebnen.

Projektleitung: Gerald Hiebel
Geldgeber: Land Tirol
Laufzeit: 2025-2027

ELSA - Effective Learning of Social Affordances for human-robot interaction

Affordanzen sind Handlungsmöglichkeiten, die einem Akteur von seiner Umgebung unmittelbar erkennbar angeboten werden. Dieses Konzept stößt in der Robotik auf zunehmendes Interesse, wo es Objekte und Umgebung umfassend hinsichtlich ihrer Interaktionsmöglichkeiten beschreibt, weit über ihre physikalischen Eigenschaften hinaus. In diesem Projekt erweitern wir diesen Begriff auf soziale Affordanzen. Das Ziel ist, dass autonome Roboter nicht nur über den physikalischen Effekt ihrer Interaktionen mit Menschen lernen, sondern auch die Reaktionen der Menschen (Emotion, Sprache, Bewegung). Wenn er beispielsweise Finger und Blick auf dasselbe Ziel richtet, wird sich der Mensch ebenfalls diesem zuwenden. Richtet er allerdings seinen Blick auf den zeigenden Finger, wird der Mensch ebenfalls den Finger anschauen. Wenn sich der Roboter das Kinn kratzt, wird das andererseits manche Menschen zum Schmunzeln bringen, aber andere nicht.  Das Projekt geht der Frage nach, wie das Lernen allgemein gültiger und personenspezifischer sozialer Affordanzen das Handlungsrepertoire von Robotern erweitern kann, insbesondere in der Präsenz von und im direkten Umgang mit Menschen. Es wird in Kooperation mit ISIR von der Universität Sorbonne sowie LAAS-CNRS (Frankreich) durchgeführt.

Projektleitung: Justus Piater, Matthias Schurz, Erwan Renaudo
Geldgeber: Wissenschaftsfonds (FWF) und Französische Forschungsagentur (ANR)
Laufzeit: 2022-2026

Weblink

DIGIdat - Digitale Datenanalyse zur Raumluftqualität meets BNE

Das Thema Raumluftqualität in Schulen hat im Zuge der Corona-Pandemie deutlich an Brisanz gewonnen. Aber wie lüftet man ein Klassenzimmer am besten? Inwieweit verbessert sich durch den Einbau einer Lüftungsanlage die Raumluftqualität und wie schneiden vergleichsweise einfache Interventionen (Lüftungsampel, Bewusstseinsbildung, etc.) ab? In dem neuen Forschungsprojekt DIGIdat untersuchen Forschende der Universität Innsbruck und der Pädagogischen Hochschule Tirol gemeinsam mit Schülerinnen und Schülern sowie deren Lehrpersonen das Zusammenspiel zwischen Raumluftqualität, thermischem Komfort, Energieeffizienz und der Sensibilisierung für das Thema. Es wird beabsichtigt, mit Hilfe eines Citizen-Science-Ansatzes insgesamt ca. 750 Schülerinnen und Schüler an 10 Tiroler Schulen bei der Erhebung der Messdaten aktiv einzubinden.

Projektleitung: Gabriel Rojas-Kopeinig
Geldgeber: OEAD - Sparkling Science
Laufzeit: 2022-2025

Weblink

Newsbeitrag und Video

ArtiPro – Künstliche Intelligenz für personalisierte Medizin bei Depressionen 

Das Ziel dieses Projekts ist die Etablierung einer Plattform für künstliche Intelligenz, die Daten aus der klinischen Forschung zu Biomarker-Signaturen und Therapieergebnissen aus hochwertigen multidisziplinären Quellen erfasst, integriert, analysiert und harmonisiert, um robuste multimodale Biomarker und Ergebnisse für affektive Störungen zu identifizieren. Die Plattform soll sich auf den Bereich der antidepressiven Behandlung bei affektiven Erkrankungen und die Definition von Biomarkern in der funktionellen Bildgebung in Kombination mit molekularen Daten (Transkriptomik und Genetik) konzentrieren.

Projektleitung: Roberto Viviani,Clara Rauchegger
Geldgeber: ERA PerMed (ERA-Net Personalisierte Medizin), Europäische Kommission und FWF
Laufzeit: 2022-2025

Weblink