Über unsere Arbeitsgruppe
Kurzvorstellung unserer Themen
Die Forschung der Arbeitsgruppe liegt im Bereich der modernen Analytischen Chemie mit besonderem Schwerpunkt auf der Entwicklung von neuartigen und verbesserten Methoden zur Bio-, Nano-, Ultraspuren- und Oberflächenanalytik. Dazu werden moderne Massenspektrometer mit und ohne Trennmethoden eingesetzt.
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.
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
Neueste Publikationen
Eine Auswahl unserer aktuellen Publikationen. Folgen Sie dem Link zur vollen Liste für eine komplette Übersicht.
A Knowledge Graph-Based Approach for Personalized Course and Curriculum Path Recommendation
A Knowledge Graph-Based Approach for Personalized Course and Curriculum Path Recommendation
Evaluation of Real-Time Preprocessing Methods in AI-Based ECG Signal Analysis
Evaluation of Real-Time Preprocessing Methods in AI-Based ECG Signal Analysis
LLM-Assisted Knowledge Graph Completion for Curriculum and Domain Modelling in Personalized Higher Education Recommendations
LLM-Assisted Knowledge Graph Completion for Curriculum and Domain Modelling in Personalized Higher Education Recommendations
A comprehensive review of digital twin in healthcare in the scope of simulative health-monitoring
A comprehensive review of digital twin in healthcare in the scope of simulative health-monitoring
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.