Direkt zum Inhalt
Direkt zum Inhalt

Arbeitsgruppe Medizinische Informatik und Graphbasierte Systeme .MIGS

Willkommen auf den Seiten der Arbeitsgruppe.

MIGS Logo
Ein Mann nutzt ein EKG-Gerät
Forschung

KI trifft Herzmedizin: Wie die Uni Siegen Langzeit-EKGs zuverlässiger machen will

Die Universität Siegen erforscht KI-Systeme zur Analyse von Langzeit-EKGs. Ziel ist eine schnelle, zuverlässige Auswertung von Herzdaten direkt in der Arztpraxis als Unterstützung für Ärztinnen und Ärzte. Die Gesamtprojektsumme beträgt knapp sieben Millionen Euro.

Beteiligte Partner des Projektes GAiST stehen vor der Uni-Bibliothek am Campus Unteres Schloss.
Forschung

Projekt GAiST: Selbstbestimmt leben im Alter durch Smart-Home-Technologie

Smarte Assistenz für Senior*innen: Die Universität Siegen ist Teil des Projektes GAiST, in dem erforscht wird, wie der Einsatz von medizinischen Vitaldaten-Messgeräten in Kombination mit modernster Sensortechnik älteren Menschen dabei helfen kann, lange selbstbestimmt und altersgerecht im eigenen Zuhause zu leben.

Über unsere Arbeitsgruppe

Kurzvorstellung unserer Themen

HQE stock photo medical 6

„Wir formen Daten in Informationen zu Wissen: Durch die Verbindung von graphbasierten Strukturen und Methoden der Künstlichen Intelligenz erschließen wir Wissen dort, wo es am dringendsten gebraucht wird: direkt beim Menschen. So unterstützen wir Medizin, Pflege und Bildung mit intelligenten Systemen.“

Unser Forschungsprofil

Die Arbeitsgruppe Medizinische Informatik und Graphbasierte Systeme der Universität Siegen (MIGS) vereinigt Expertise in den Bereichen Wissensmanagement, Künstliche Intelligenz, Data und Text Mining, Machine Learning und semantische Technologien/Wissensgraphen und die Nutzung von Sensordaten und intelligenten Messsystemen. Im Fokus der Forschung ist die Schaffung von neuen Ansätzen der Wissensmodellierung mit Wissensgraphen und deren Verwendung für hybride, erklärbare Empfehlungssystemen, welche Wissensstrukturen explorieren und Wissen systemübergreifend nutzbar machen. Hierbei unterstützen wir die Domänen der Medizin, Bildung und industrielle Fertigung und Wartung. Im Zentrum steht immer der Mensch und die Frage wie Wissen für intelligente Systeme nutzbar gemacht werden kann und wie dies mit Wissensstrukturen und Methoden der Künstlichen Intelligenz umgesetzt werden kann.

 

Infografik mit dem Titel „Our Topic Horizon: Medical Informatics and Graph-based Systems“, die ein vernetztes Schaubild zu KI zeigt. Im Zentrum steht „AI“, verbunden mit Themen wie Knowledge Graphs, Machine Learning, Text Mining/NLP, Sensorik, Daten- und Statistikmethoden, Recommender Systems und Knowledge Bases. Links sind Anwendungsbereiche (Medizin & Pflege, Bildung, Industrie 4.0) und Lösungen aufgeführt.
Übersicht unseres Themen-Horizontes

Forschungsschwerpunkte

  • Digitale Telematik Infrastruktur
  • Sensordaten und intelligente Messsysteme
  • Künstliche Intelligenz
  • Data und Text Mining
  • Natural Language Processing und Machine Learning
  • Wissensgraphen und semantische Technologien
  • Wissensmodellierung
  • Erklärbare Empfehlungssysteme

 

Book chapter
2026

A Knowledge Graph-Based Approach for Personalized Course and Curriculum Path Recommendation

Conference paper
2025

Evaluation of Real-Time Preprocessing Methods in AI-Based ECG Signal Analysis

Conference paper
2025

LLM-Assisted Knowledge Graph Completion for Curriculum and Domain Modelling in Personalized Higher Education Recommendations

Journal article
2025

A comprehensive review of digital twin in healthcare in the scope of simulative health-monitoring

Das Bild zeigt das Logo von FACE: Das Symbol einer Wolke, teilweise bestehend aus Verknüpfungen neben dem Text "FACE" in blau auf weißem Grund.
-

MIGS-FACE

KI-gestützte Analyse von Langzeit-EKGs – Die Auswertung von Langzeit-EKG-Daten ist in der medizinischen Praxis zeitaufwendig und fehleranfällig, obwohl sie für die Diagnose von Herzrhythmusstörungen wie Vorhofflimmern entscheidend ist. Das Projekt FACE entwickelt KI-basierte Verfahren zur automatisierten Analyse großer EKG-Datenmengen, um Auffälligkeiten zuverlässiger zu erkennen und die Diagnostik zu verbessern.

Logo des Projektes GAiST: Weißer Schriftzug auf Schwarzem Grund
-

MIGS-GAiST

Selbstbestimmt leben im Alter durch Smart-Home-Technologie – Die zunehmende Alterung der Bevölkerung stellt Gesellschaft und Gesundheitswesen vor neue Herausforderungen. Ältere Menschen möchten möglichst lange selbstbestimmt in ihren eigenen Wohnungen leben, während gleichzeitig Sicherheit und Unterstützung gewährleistet werden müssen. Das GAIST-Projekt entwickelt ein intelligentes Smart-Home-System, das Alltagssituationen, Gesundheitszustände und Präferenzen von Bewohner:innen erfasst und adaptive Unterstützung bietet.

Foto Kai Hahn

apl. Prof. Dr.-Ing. Kai Hahn

außerplanmäßige(r) Professor*in und Arbeitsgruppenleitung

Forschungsgruppe .MIGS

Medizinische Informatik und Graphbasierte Systeme

Profile picture of Christian Weber

Dr. Dipl.-Inform. Christian Weber

Akademische*r Rat*Rätin und Arbeitsgruppenleitung

Christian Weber is a lecturer at the University of Siegen, where he heads the Medical Informatics and Graph-Based Systems (.MIGS) research group at the Faculty of Natural Sciences and Technology at the University of Siegen together with Prof. Kai Hahn.

MubarisNadeem

Dr.-Ing. Mubaris Nadeem

Wissenschaftliche*r Mitarbeiter*in

Dr. Mubaris Nadeem ist wissenschaftlicher Mitarbeiter und Postdoktorand in der Arbeitsgruppe für Medizinische Informatik und Graphbasierte Systeme (.MIGS) an der Universität Siegen.

Jasmin Freudenberg

Jasmin Freudenberg M.Sc.

Wissenschaftliche*r Mitarbeiter*in

Jasmin Freudenberg ist wissenschaftliche Mitarbeiterin und Doktorandin in der Arbeitsgruppe für Medizinische Informatik und Graphbasierte Systeme (.MIGS) an der Universität Siegen.

Personal profile photo

Annika Steiger M.Sc.

Wissenschaftliche*r Mitarbeiter*in
Personal profile photo

Lisa Bender B.Sc.

Wissenschaftliche Hilfskraft mit Bachelor Abschluss
Personal profile photo

Jessica Knaub B.Sc.

Wissenschaftliche Hilfskraft mit Bachelor Abschluss
Personal profile photo

Tascha Carina Stefan B.Sc.

Wissenschaftliche Hilfskraft mit Bachelor Abschluss

Kontakt zur Arbeitsgruppe

Postadresse

Universität Siegen
Arbeitsgruppe .MIGS
Am Eichenhang 50
57076 Siegen

Besucheradresse

Universität Siegen

Artur-Woll-Haus
AE-C Ebene 2
Am Eichenhang 50
57076 Siegen

Weitere Informationen

Bei Fragen, Anmerkungen oder Kontaktanfragen melden Sie sich gerne bei einem aus dem Team per Mail.