Al, human rights and ethics: platform regulation and data protection (im Rahmen des IVAC - International Virtual Academic Collaboration)

Reduzierung des Moderationsaufwandes von Nutzer-Kommentaren mit Hilfe von Automatisierung durch textanalytische Methoden

In den letzten Jahren hat ein rasanter Anstieg rassistisch, politisch und religiös motivierter Hasskommentare dazu geführt, dass viele Zeitungsredaktionen ihre Onlinekommentarfunktionen auf ihren Webseiten deaktivieren. Während dies aus ökonomischer Sicht für die einzelnen Verleger nachvollziehbar ist, ergeben sich angesichts von Einschränkungsquoten von bis zu 50% ernsthafte Probleme für den öffentlichen Diskurs. Das Projekt MODERAT! möchte durch einen integrativen und interdisziplinären Ansatz Software-Werkzeuge und sowie eine Web-Plattform entwickeln, die es Betreibern ermöglichen, die Moderation von Netzdebatten mit signifikant geringerem Aufwand durchzuführen. Hierbei werden Kommentare automatisch analysiert, sodass lediglich eine geringe Anzahl an kritischen Kommentaren manuell betrachtet werden muss. Auf diese Weise soll es Medienhäusern und Verlagen ermöglicht werden, Netzdebatten wieder auf ihren eigenen Webseiten anzubieten und so in einen aktiveren Austausch mit der Leserschaft einzutreten.

Algorithmisierung und gesellschaftliche Interaktion

Was macht es eigentlich mit uns und der Gesellschaft, wenn wir bei einem Unternehmen anrufen und dort nur mit künstlichen Ansprechpartnern und nicht mehr mit Menschen sprechen können? Führt die Tatsache, dass wir über soziale Medien verstärkt auf uns zugeschnittene Informationen bekommen dazu, dass jeder nur noch in seiner eigenen Blase lebt? Diese gesellschaftlich wie politisch hoch relevanten Fragestellungen werden im Themenfeld „Algorithmisierung und gesellschaftliche Interaktion“ analysiert. Wirtschaftsinformatiker*innen, Wirtschafts- und Sozialwissenschaftler*innen und Jurist*innen gehen darin diesen und damit verbundenen Fragen nach. Ziel ist es dabei, herauszufinden, wie einerseits Algorithmen zur Steuerung gesellschaftlicher Interaktion eingesetzt werden (können) und wie andererseits die Gesellschaft, sowohl auf der Ebene der Bevölkerung als auch der politischen und sozialen Entscheidungsträger, auf diese zunehmende algorithmische Steuerung reagiert.

Detektion und Analyse von Social Bots im Jahr 2021

Verbundprojekt: Erkennung, Nachweis und Bekämpfung verdeckter Propaganda-Angriffe über neue Online-Medien - Teilvorhaben: Koordination von Simulation, Erkennung und Abwehr von verdeckten Propagandaangriffen

Das Projekt adressiert als interdisziplinärer Ansatz die Identifikation und den Nachweis von (semi-)automatisch erzeugter verdeckter Propaganda in Online-Medien (z.B. sozialen Netzwerken).

ERCIS Omni-Channel Lab - powered by Arvato

Das ERCIS Omni-Channel Lab ist ein Forschungsprojekt in Kooperation mit Arvato CRM Solutions. Das Lab kombiniert akademische Forschung und Lehraktivitäten des ERCIS mit Arvatos praktischer Erfahrung in Omni-Channel-CRM-Lösungen in 110 Standorten für weltweit bekannte Marken. Das Lab hat drei Fokusbereiche: Prozesse, Daten und Analytics.

Instanz-Basierte Algorithmenselektion inexakter State-Of-The-Art Solver für Traveling-Salesman-Probleme

Das Traveling-Salesman-Problem (TSP) ist eines der prominentesten und bestuntersuchten NP-harten Optimierungsprobleme. Ausgehend von n Städten und paarweisen Distanzen (Kosten) soll eine Rundreise mit minimalen Gesamtkosten gefunden werden, sodass jede Stadt genau einmal besucht und am Ende wieder zum Start zurückgelangt wird. Effiziente inexakte Solver gewinnen im Vergleich zu exakten Solvern, für die eine Garantie der optimalen Lösung getroffen werden kann, immer mehr an Bedeutung, da sehr gute bzw. optimale Lösungen i.A., vor allem mit steigender Instanzgröße, schneller gefunden werden können. Eine Verbesserung gegenüber des derzeitigen inexakten State-Of-The-Art-Algorithmus LKH würde aufgrund der hohen Praxisrelevanz des TSP von großer Bedeutung sein. Dies soll hier umgesetzt werden mit Hilfe des vielversprechenden Konzeptes der instanzbasierten Algorithmenselektion.

9. Internationale Konferenz zur Mehrkriteriellen Evolutionären Optimierung, Münster 19. - 22.03.2017

EMO 2017 is the 9th International Conference on Evolutionary Multi- Criterion Optimization, aiming to continue the success of previous EMO conferences. We will bring together both the EMO and the multiple criteria decision making (MCDM) communities and moreover focus on solving real-world problems in government, business and industry. The classical EMO format will be supplemented by an EMO competition.

DAAD Austauschprogramm: PPP Mexiko: "Hybridisierung von Metaheuristiken mit lokalen Suchstrategien"

Das Projekt realisiert den internationalen Austausch von Forschungspartnern aus Deutschland und Mexiko im Kontext der Hybridisierung mehrkriterieller evolutionärer Algorithmen, insbesondere zur Thematik der Einbindung lokaler Suchstrategien in state-of-the-art Metaheuristiken wie SMS-EMOA und dP-EMOA.

Addressing Current Challenges in Evolutionary Multi-Objective Optimization: Indicator-based Selection, Convergence and Applicability

Dieses Projekt zur Initiierung und Intensivierung bilateraler Kooperationen setzt es sich zum Ziel, Forscher aus Brasilien und Deutschland unter Fragestellungen aktueller Forschungsthemen im Bereich der mehrkriteriellen evolutionären Optimierung zusammen zu bringen.

COSEAL - Configuration and Selection of Algorithms

Die COSEAL-Forschergruppe ist ein internationales Konsortium von Forschern (u.a. aus Belgien, Kanada, Irland, Dänemark und Deutschland) und beschäftigt sich mit aktuellen Fragestellungen in den Bereichen automatisierte Algorithmenselektion, Algorithmenkonfiguration und Maschinellem Lernen.

Verbundprojekt Echtzeiterkennung und Nachweis hybrider Desinformationskampagnen in Online-Medien (HybriD) - Teilvorhaben: Hybride Echtzeitentdeckung und Analyse von hybriden Desinformationskampagnen in Online-Medien

Benchmarking Network

Das Benchmarking Network ist eine Initiative, die im Sommer 2019 ins Leben gerufen wurde, mit der Idee, Aktivitäten zum Benchmarking iterativer Optimierungsheuristiken wie lokaler Suchalgorithmen, Methoden der Schwarmintelligenz, modellbasierte Heuristiken, usw. zu konsolidieren und zu stimulieren - kurz gesagt, alle Algorithmen, die durch eine sequentielle Bewertung von Lösungskandidaten funktionieren.

ERCIS Social Media Analytics Kompetenzzentrum

Das Kompetenzzentrum Social Media Analytics (SMA CC) ist aus dem vom BMBF geförderten Projekt PropStop hervorgegangen und umfasst alle Partner dieses Konsortiums. Die ursprüngliche Idee von PropStop, das sich mit dem Aufspüren von automatisch generierter Propaganda in Online-Medien befasste, ist inzwischen zu einem wichtigen Thema in der gesellschaftlichen und wissenschaftlichen Diskussion geworden. Dieses Kompetenzzentrum will über die Grenzen von PropStop hinausgehen und etabliert eine Gemeinschaft von Forschern und Praktikern, die sich in einem multidisziplinären Ansatz mit den Themen Desinformation, Propaganda und Manipulation durch Online-Medien auseinandersetzt.