Evolutionary Information Systems

An important constraint in development is the fact that commercial information systems undergo permanent change. In the context of research on evolutionary information systems, the chair deals with the issue of how the effort for demand-driven system evolution can be minimized and how organizational learning can be supported.

Projects

SIML: Schema Inference and Machine Learning

Within the project SIML (Schema Inference and Machine Learning), methods of topological data analysis and unsupervised learning are combined, applied and further developed in order to derive a conceptual schema from unstructured, multivariant data.

More information

OCEAN: Open and Collaborative Query-Driven Analytics

Mehr und mehr Unternehmen sammeln möglichst alle anfallenden Daten in sogenannten "Data Lakes". Obwohl die Daten damit prinzipiell für beliebige Analysen zur Verfügung stehen, bleibt es dennoch unerlässlich für die Analyse, ein Verständnis für die Bedeutung und die Verknüpfungsoptionen der Daten zu entwickeln. Analysten, die diese Arbeit bereits geleistet haben, formulieren Anfragen, in denen solches Wissen implizit enthalten ist. Wenn dieses Wissen jedoch nicht mit anderen geteilt wird, bleiben…

More information

SA4CM: Sprechaktbasiertes Fallmanagement

Fallmanagementsysteme unterstützen Interaktionen zwischen kooperierenden Benutzern typischerweise, indem gemeinsam zu verwendende Dokumente in einem gemeinsamen Repositorium vorgehalten werden. Im vorliegenden Projekt wird untersucht, ob und wie diese Interaktionen durch Klassifikation als Sprechakte besser unterstützt werden können. Die Sprechakt-Theorie beschreibt die pragmatischen Aspekte kommunikativen Handelns. Dabei werden Äußerungen je nach der pragmatischen Intention des Sprechers in v…

More information

PHAROS: Processing Heterogeneous Assets and Resources to discover Ontologies and Semantics

Der Zweck des Semantic Web ist es, den weltweiten Zugang zum Wissen der Menschheit in maschinenverarbeitbarer Form zu ermöglichen. Ein großes Hindernis dabei ist, dass Wissen oft entweder inkohärent repräsentiert oder gar nicht externalisiert und nur in den Köpfen von Menschen vorhanden ist. Der Aufbau eines Wissensgraphen und die manuelle Erstellung und Fortschreibung einer Ontologie durch einen Domänenexperten ist eine mühsame Arbeit, die einen großen initialen Aufwand erfordert, bis das Erg…

More information

DARTS: Data Driven Relationship Discovery in Large Time Series Datasets

This research project aims to develop different efficient methods that enable knowledge mining in large time series datasets to uncover relationships and descriptive patterns within the dataset. A key focus is the identification of relationships, which are uncovered using the technique of changepoint correlation that we are actively developing within the project. As the project aims to support or even automate a manual process, visualization, and demonstration of the techniques in question also play a major role in the development.

More information

Participating Scientists

Publications