Forschung

SoKIP – Sonderierungsprojekt zu KI in der Pflege: Daten, Voraussetzungen, Rahmenbedingungen

Projektleiter: Prof. Dr. Daniel Fürstenau (FUB, ECDF)
Projektbeteiligten: Matthias Schulte-Althoff (FUB), Prof. Dr. Karin Wolf-Ostermann (Uni-Bremen), Dominik Domhoff (Uni-Bremen), Kathrin Seibert (Uni-Bremen), Sarah Theune (Vediso), Prof. Dr. Felix Biessemann (Beuth Hochschule), Anastasia Blank (FUB). 

Projektbeschreibung: Künstliche Intelligenz gilt als entscheidende Technologie für die Lösung vieler aktueller Herausforderungen im Bereich der Pflege. Wir haben uns vorgenommen, die Voraussetzungen für eine erfolgreiche Forschung auf diesem Gebiet zu identifizieren und einen Rahmen für die Durchführung zukünftiger Forschungsprojekte zur künstlichen Intelligenz in Pflegesettings zu entwickeln. Gemeinsam mit der Abteilung Pflegewissenschaftliche Versorgungsforschung des Instituts für Public Health und Pflegeforschung (IPP) der Universität Bremen, der Beuth Hochschule und dem Verband für Digitalisierung in der Sozialwirtschaft e.V. (Vediso), gefördert vom Bundesministerium für Bildung und Forschung (BMBF), strebt unser Sondierungsprojekt zu KI in der Pflege (SoKIP) einen partizipativen Ansatz an, indem wir Erkenntnisse sammeln und die interdisziplinäre Zusammenarbeit bei der Umsetzung von KI-Systemen in der Pflege fördern. Unsere Forschung wird sich mit software-basierten KI-Systemen außerhalb der Robotik befassen und dabei optimale Vorgehensweisen bei der Entwicklung gezielter KI-Lösungen in der Pflege untersuchen. Wichtig ist, diejenigen Bereiche zu erforschen, die für die Bedürfnisse der Pflegekräfte am relevantesten sind, während gleichzeitig die Meinungen und Bedürfnisse eines breiten Spektrums von Beteiligten im Pflegebereich, einschließlich der Pflegebedürftigen, berücksichtigt werden.

Gefördert durch: Bundesminesterium für Bildung und Forschung (BMBF)

DIPA-SCALE: Digitale Plattformen – Mechanismen der Etablierung und Skalierung

Projektleiter: Prof. Dr. Daniel Fürstenau (FUB, ECDF)

Projektbeteiligte: Matthias Schulte-Althoff (FUB), Kai Schewina (FUB), Kristina Meindl (FUB), Prof. Claudia Spies (Charité, ECDF), Prof. Hannes Rothe (FUB, Digital Entrepreneurship Hub), Prof. Abayomi Baiyere (Copenhagen Business School)

Projektbeschreibung: Die durch die Digitalisierung ausgelöste Branchentransformation zeigt sich an vielen Bei­spielen. Handelsunternehmen wie Otto.de wandeln sich zu E-Commerce-Plattformen. Traditionelle Bankunternehmen könnten schon bald zu FinTech-Plattformen transfor­miert werden. Im Gesundheitswesen könnte das traditionelle Modell episodischer Behandlungs­prozesse in einzelnen Institutionen schon bald mittels digitaler Plattformen durch integrierte Versorgungsprozesse ergänzt/ersetzt werden. In allen diesen Fällen werden interne digitale Infrastrukturen in Unternehmen zunehmend durch nach außen geöffnete digitale Plattformen mit Fokus auf Innovation ergänzt. In dem Projekt liegt der Fokus auf digitale Plattformen, inklusive des Partner-Öko­systems. Betrachtet wird dies aus einer Perspektive sozio-technischer Netzwerke, wobei jeweils Visualisierungen und Analysen auf verschiedenen Ebenen erstellt werden (z.B. Verbindungen inner­halb der IT-Architektur mit Komponenten/Diensten/Systemen, Verbin­dungen innerhalb des Partner­netz­werks). Dabei wird ein netzwer­kanalytisches Analyse­framework zu Grunde gelegt. Temporale Dynamiken finden explizite Betrachtung finden. Es wird ein daten-/modellgetriebener Ansatz verfolgt, wobei bestehende Ansätze aufgegriffen und weiterentwickelt werden. Im Mittelpunkt steht speziell die Untersuchung der Mechanismen der Etablierung und der Skalierung digitaler Platt­formen.

 

Gefördert durch: Einstein Center Digital Future

 
TMBPS – Text Mining von Social Media Daten als Form der partizipativen Bürgerbeteiligung im Stadtplanungsprozess

Projektleiter: Prof. Dr. Daniel Fürstenau (Projektleiter FUB, ECDF)

Projektmitarbeiter: Matthias Schulte-Althoff (FUB), Flavio Morelli (FUB), Prof. Jochen Rabe (TUB, ECDF)

Projektbeginn: 09/2018

Projektbeschreibung: Partizipative Bürgerbeteiligung ermöglicht die Einbindung der Meinungen der Bürger in den Stadtplanungsprozess. Daraus lassen sich stadtplanerische Maßnahmen ableiten, die eine höhere Effektivität und Akzeptanz in der Gesellschaft aufweisen. In den letzten Jahren wurden verschiedene Ansätze entwickelt, die durch die Verwendung neuer Technologien die Partizipation der Bürger vereinfacht haben. Eine Methode, die in diesem Kontext kaum erforscht wurde, ist Topic Modeling. Mit Topic Modeling können die Themen entdeckt werden, die in einem Korpus enthalten sind. In diesem Projekt wird anhand von Twitter-Daten im Stadtraum Berlin untersucht, inwiefern Topic Modeling für die Analyse und Visualisierung von Bürgeransichten verwendet werden kann und welche Grenzen bei diesen Methoden bestehen. Es wird eine Kennzahl vorgeschlagen, mit der die zeitliche Entwicklung von Themen in einem Stadtteil analysiert wird. So kann die Veränderung der Prioritäten der Bürger interdisziplinär und im Kontext des Einstein Centers Digital Future besser verstanden werden.

CCA – CryptoCurrencyAnalysis: Einfluss von Tweets auf Kurs von Kryptowährungen

 Projektleiter: Prof. Dr. Daniel Fürstenau (Projektleiter FUB, ECDF)

Projektmitarbeiter: Matthias Schulte-Althoff (FUB), Thuy Duong Le (FUB), Kai Schewina (FUB), Prof. Christian Meske (FUB, ECDF), Prof. Peter Mohr (FUB)

Projektbeginn: 11/2018

Projektbeschreibung: Die hohen Renditemöglichkeiten rücken Kryptowährungen vermehrt in den Fokus der Öffentlichkeit. Vor allem Bitcoin und die Blockchain sind Forschungsgegenstand vieler Untersuchungen aus verschiedenen Bereichen. Bei der Betrachtung von Determinanten für die Preisbildung der Kryptowährungen wurde die Stimmung oft vernachlässigt. Deswegen untersucht das Projekt den Zusammenhang zwischen der Stimmung und dem Kurs von Kryptowährungen wie Bitcoin und anderen. Das Hauptziel ist hierbei die Überprüfung der entdeckten Beziehungen auf Theoriekonformität. Dafür wird die Stimmung aus Twitter-Nachrichten mit einem Bezug auf verschiedene Kryptowährungen abgeleitet. Die Analyse der Kurs- und Stimmungsdaten erfolgt mit Hilfe statistischer Verfahren wie vektorautoregressiver Modelle. Zusätzlich ermöglichen Granger-Kausalitätsprüfungen einen weiteren Blickwinkel auf den Zusammenhang zwischen den beiden Größen. Außerdem werden die Ergebnisse auf Robustheit und Prognosekraft hin evaluiert. Die Arbeit hat einen interdisziplinären Charakter und findet im Kontext des Einstein Centers Digital Future statt.

Tech Stack Analysis: Treiber und risikobezogene Implikationen im Prozess der Adaption digitaler Infrastrukturen

Projektleiter: Matthias Schulte-Althoff (FUB)

Projektmitarbeiter: Prof. Dr. Daniel Fürstenau (FUB, ECDF)

Projektbeginn: 04/2018

Projektbeschreibung: Wir möchten ein dynamisches Modell der digitalen Infrastruktur von Startups in Ökosystemen aufstellen. Dieses Modell baut auf Tech Stacks auf, wie sie in öffentlichen Datenaggregatoren zu finden sind. Im ersten Teil der Arbeit untersuchen wir, welche Faktoren die digitale Infrastruktur von Startups dazu bringen, im Laufe der Zeit homogener oder heterogener zu werden. Mit Hilfe der Technologie-Adoption als abhängige Variable und der Anwendung von Zeitreihenanalyse und Netzwerkentwicklungsmodellierung untersuchen wir, inwieweit ähnliche oder unterschiedliche Tech Stacks auftreten und wie dies durch das Ökosystem gesteuert wird, in das ein Startup eingebettet ist. Im zweiten Teil der Arbeit beleuchten wir die mit dem Tech Stack verbundenen Risiken in Start-up-Ökosystemen. Dabei werden Vulnerability-, Tech Stack- und Start-up-Daten kombiniert, mit dem Ziel, die Kritikalität von Tech Stacks zu quantifizieren.

Pepper

Projektleiter: Prof. Dr. Daniel Fürstenau (Projektleiter FUB, ECDF)

Projektmitarbeiter: Matthias Schulte-Althoff (FUB), Gabriella Volpe (FUB)

Projektbeginn: 10/2018

Projektbeschreibung: Mit Studierenden der Wirtschaftsinformatik wird gemeinsam der humanoide Roboter Pepper entwickelt. In einem universitären Umfeld werden Sprachfähigkeiten, Interaktion mit Menschen und emotionale Fähigkeiten ausprobiert, die durch künstliche Intelligenz realisiert werden. Im „Bird’s Nest“, dem Innovationslabor der Berliner Sparkasse, werden Use Cases im Banking getestet.