Seiteninhalt Hauptmenü Portalmenu Seitenmenü Schriftgröße ändern Breadcrump Index Suche
ISBI

Sie sind hier:

  • TEWI
  • INF
  • AINF
  • Intelligent Systems and Business Informatics
Seite drucken

Schriftgröße ändern

Seiteninhalt

Intelligent Systems and Business Informatics

The research group "Intelligent Systems and Business Informatics"

 

 

Mission statement

 

Our mission is to further the scientific understanding of the mechanisms underlying intelligent behaviour and their embodiment in machines as well as their potential to benefit our society.

We believe, that incorporating knowledge in software systems will be the key to tackling many problems, which are currently assumed to be unsolvable by machines. Our current research activities focus on the advancement of knowledge-based systems with particular emphasis on applications in Production, Operations and Management.  

 

Key research areas include

 

  • Knowledge acquisition and representation
  • Model-based diagnosis
  • Knowledge-based recommender systems
  • Consumer buying behaviour and decision support
  • Mission planning
  • Mass-customization
  • Semantic Web: Semantics-based knowledge management and information extraction, diagnosis and repair of web services      

We are committed not only to scientific excellence and sharing our enthusiasm with our students but also to applying our results in real-world environments, thus generating tangible value for our partners.

 
 

 

AINF-NEWS

 

 

 

Freitag, 29. Mai 2015, 10.00 Uhr, Raum E 1.42

Gastvortrag Dr. Mario ALVIANO

an der Alpen-Adria Universität Klagenfurt

 

 

 

Abstract

The goal of the lecture is to present the latest achievements in Answer Set Programming (ASP). In particular, the focus of the lecture is on algorithms for solving optimization problems in ASP, that is, problems encoded by ASP programs with weak constraints. As usual in ASP, solutions of a problem instance are represented by its stable models, or answer sets. If the input program also comprises weak constraints, each of its stable model is associated with a cost determined by the unsatisfied weak constraints. Hence, weak constraints define a cost function, so that stable models of smaller cost are preferred.
The lecture overviews several algorithms for computing the most preferred, or optimal, stable models, and provides some details on core-guided algorithms, which proved to be effective on industrial instances of MaxSAT, the optimization variant of the satisfiability problem for propositional formulas. These algorithms work by iteratively checking satisfiability of a formula that is relaxed at each step by using the information provided by unsatisfiable cores, i.e., sets of weak constraints that cannot be jointly satisfied by any stable model of the input program.
The lecture is of the interest for both students visiting Logic Programming course as well as researchers of technical faculty working on declarative solving of hard problems.

 

Bio

Dr. Mario Alviano received his master degree from University of Calabria in 2007 and his PhD in 2010 from the same university. Both works were distinguished by awards: the master thesis won the “Italian best thesis in Artificial Intelligence” a prize awarded by AI*IA, the Italian Association for Artificial Intelligence and PhD thesis was one among three dissertations awarded with a honorable mention by the European Coordinating Committee for Artificial Intelligence (ECCAI). Since 2011 he worked as a post doc and then as Assistant Professor at the Department of Mathematics and Computer Science, University of Calabria. The research interests of Dr. Alviano are spread throughout the field of knowledge representation and reasoning with the main focus on theoretical background and applications of answer set programming.

 

 


 

 

Autogrammstunde für Recommender Systems auf International Joint Conference on Artificial Intelligence in Peking

Im Rahmen der International Joint Conference on Artificial Intelligence (IJCAI 2013) gaben Univ.-Prof. DI Dr. Gerhard Friedrich und Univ.-Prof. DI Dr. Dietmar Jannach (Universität Dortmund) am 6. August eine Autogrammstunde für ihr 2010 bei Cambridge University Press erschienenes Buch „Recommender Systems“.

 

Nachdem unlängst eine japanische Übersetzung des Werkes von Dietmar Jannach, Markus Zanker, Alexander Felfernig und Gerhard Friedrich erschien, dauerte es nicht lange, bis das Werk auf Grund der großen Nachfrage auch ins Chinesische übersetzt wurde. Über den großen Zuspruch konnten sich die Autoren bei der IJCAI 2013 persönlich überzeugen - der Andrang, ein persönlich signiertes Exemplar zu erhalten, war groß.

"Recommender Systems: An Introduction“ ist das erste Einführungsbuch für dieses seit rund 20 Jahren bestehende Forschungsfeld, das sich sowohl an Praktiker als auch an Studierende und Wissenschaftler wendet. Es konsolidiert die Ergebnisse und Erfahrungen des Forschungsfelds und gibt einen umfassenden Ausblick auf spannende und noch offene Forschungsfragen. Auf der Supportwebsite http://www.recommenderbook.net/ werden von den Autoren auch Kursunterlagen angeboten. Link zum Buch: http://item.jd.com/11256780.html

Weitere Infos zur Konferenz: IJCAI 2013

 


Das Buch "Recommender Systems: An Introduction" von Dietmar Jannach, Markus Zanker, Alexander Felfernig und Gerhard Friedrich ist ab sofort auch in chinesisch verfügbar.

Nach der Übersetzung ins japanische dauerte es nicht lange, dass auch China nach einer Version in ihrer Landssprache verlangte.

"Recommender Systems: An Introduction" ist im Herbst 2010 bei Cambridge University Press erschienen. Es ist das erste Einführungsbuch für dieses seit rund 20 Jahren bestehende Forschungsfeld, das sich sowohl an Praktiker als auch an Studierende und Wissenschaftler wendet. Es konsolidiert die Ergebnisse und Erfahrungen des Forschungsfelds und gibt einen Ausblick auf spannende und noch offene Forschungsfragen. Auf der Supportwebsite http://www.recommenderbook.net/ werden von den Autoren auch Kursunterlagen angeboten. Das Werk ist sehr gefragt - nicht zuletzt nun auch in China - und auf Grund dessen ist nun aktuell eine vollständige chinesische Übersetzung des Werks erschienen. Das Buch ist zu finden unter: http://item.jd.com/11256780.html

 


 

Angewandte Informatik erhält FFG-Förderung für „HINT“

 

Im Rahmen der 1. Ausschreibung der Forschungsförderungsgesellschaft (FFG) zur Themeninitiative

„IKT der Zukunft“ des Bundesministeriums für Verkehr, Innovation und Technologie konnte unter der Leitung von Univ.-Prof. DI Dr. Gerhard Friedrich vom Institut für Angewandte Informatik für das Projekt „HINT-Heuristic Intelligence“ eine Förderung erreicht werden.

 

Das Projektvolumen beläuft sich auf rund 1,13 Millionen Euro und ist ein dreijähriges Gemeinschaftsprojekt. Die Projektpartner sind das Institut für Angewandte Informatik und das Institut für Allgemeine Psychologie der Universität Klagenfurt, die Technische Universität Wien in enger Zusammenarbeit mit der Universität Oxford sowie die Industriepartner Siemens Corporate Research und Infineon Technologies Austria.

 

HINT zielt darauf ab, die Stärken menschlicher Problemlösungsstrategien für die Künstliche Intelligenz stärker nutzbar zu machen. Der Hintergrund ist jener, dass viele Methoden der Künstlichen Intelligenz trotz immer verbesserter Algorithmen und schnellerer Computerhardware bei komplexen Aufgabenstellungen versagen. Das Problem, welches auch voraussichtlich mit zukünftigen Computersystemen bestehen bleiben wird, ist die enorme Größe des Suchraumes, welcher zur Lösungsfindung durchforstet werden muss.

 

Interessanterweise kommen Menschen mit solch riesigen oder sogar unendlichen Suchräumen sehr viel besser klar, da der Suchraum aufgrund von Intuition  reduziert und erforscht wird. Solch intuitive Lösungsstrategien - in der Fachsprache Heuristiken genannt - sind mittlerweile auch in der Künstlichen Intelligenz mit großem Erfolg im Einsatz. Jedoch ist die Definition und der Einbau von Heuristiken typischerweise nur mit erheblichem menschlichem Aufwand  möglich, da effektive Heuristiken bisher fast immer durch Experten gefunden und definiert werden. Das automatische Finden und Adaptieren von Heuristiken für neue Probleme ist bis jetzt in nur einem sehr eingeschränkten Maße möglich.

Genau das hat sich Prof. Friedrich mit seinem Projektteam nun zum herausfordernden Ziel gesetzt, nämlich Methoden zu entwerfen, welche es ermöglichen, Heuristiken automatisch für neue Probleme zu generieren und für ähnliche Probleme zu adaptieren.

Praktische Anwendungen gibt es für solche Methoden viele. So sind z.B. die Konfiguration von komplexen Systemen bei Siemens wie auch die Berechnung von optimierten Produktionsabläufen bei Infineon wichtige industrielle Anwendungsfälle.

 

ÖSTERREICHISCHER INFORMATIKTAG 2013 (Austrian Computer Science Day) 3. Mai 2013

Institute of Science and Technology Austria (IST Austria),

Raiffeisen Lecture Hall, Am Campus 1, 3400 Klosterneuburg

 

Vortragende:

  • Torsten Möller ( Universität Wien)
  • Vladimir Kolmogorov (IST Austria)
  • Dieter Fensel ( Universität Innsbruck)
  • Ivona Brandic (TU Wien)
  • Armin Biere (JKU Linz)
  • Andreas Uhl (Universität Salzburg)
  • Gerhard Friedrich (AAU Klagenfurt)
  • Wolfgang Maass (TU Graz)

Alle weiteren Infos dazu finden Sie unter http://www.informatiktag.at/

 


8. Jänner 2012.

IJCAI 2013 - Tutorial on Recommender Systems August 4, 2013, Bejing, China

 

held by: O.Univ.-Prof. DI Dr. Gerhard Friedrich (Alpen Adria Universität Klagenfurt) and Univ.-Prof. DI Dr. Dietmar Jannach (TU Dortmund)

 

The presentation will be based on the book "Recommender Systems - An Introduction" that is co-authored by the tutorial presentaers and was published by Cambridge Universty Press in 2012. (Amazon.com, Cambridge University Press Online store).

 

Previous instances of the tutorial have been given at IJCAI 2011, ACM HT, 2011 and SAC 2012.

Further information and resources can be found at http://recommenderbook.net/.

 

Background

Recommender systems help users navigating through large product assortments, making decisions in e-commerce scenarios and overcome information overload. Probably the most prominent example is the book recommendation service of Amazon.com. Their system takes the behavior, opinions and tastes of a large community of users into account and thus constitutes a social or collaborative recommendation approach. In contrast, content-based approaches rely on product features and textual item descriptions; knowledge-based algorithms, finally, generate item recommendations based on explicit knowledge models from the domain. Technically, recommender systems have their roots in different fields such as information retrieval, text classification, machine learning and decision support systems. The tutorial will offer an introduction to the various basic strategies and methods for building recommender systems and will discuss the different known approaches and how the effectiveness of such systems can be determined.

 

Content of the Tutorial

Collaborative recommendation: Today, systems of this kind are in wide use and have also been extensively studied over the last fifteen years. We will cover the underlying techniques and open questions associated with collaborative filtering.

Content-based filtering: Content-based approaches rely on the availability of (manually created or automatically extracted) item descriptions and a user profile that assigns relevance to these characteristics. Knowledge-based recommendation: In knowledge-based approaches, the recommender system makes use of additional, often manually provided information both about the current user as well as about the available items. Constraint-based and case-based recommenders are examples of such systems.

Hybrid approaches: When combining different approaches within one recommender system, the following questions have to be answered and will be covered:

Evaluating recommender systems: Research in recommender systems is strongly driven by the goal of improving the quality of the recommendations. The question that immediately arises is of course how we can actually measure the quality of the proposals made by a recommender system. 

Current topics in recommender systems: Finally, we will introduce active research topics such as application scenarios for Recommender Systems in the context of the Social Web and report on recent case studies.

 

Further information: IJCAI 2013 

 

Kardinal-Innitzer-Förderungspreis für assoz. Univ.-Prof. Markus Zanker

Wien, am 15.12.2012. Markus Zanker, der im Februar 2011 an der Alpen-Adria-Universität Klagenfurt habilitierte, erhielt im Dezember 2012 den Würdigungspreis für seine Habilitationsschrift "Advanced Knowledge-based Methods for Online Consumer Decision Support". Darin befasst er sich mit dem Einsatz wissensbasierter Methoden zur Entscheidungsunterstützung von Nutzern, die schwierigen Auswahlproblemen gegenüberstehen. Bekannte Beispiele für solche künstlich intelligenten Systeme sind Produktkonfiguratoren und Empfehlungssysteme.

Die Aufgabe von Produktkonfiguratoren besteht in der Berechnung von kundenindividuellen Produktinstanzen (z.B. Fahrzeuge und Computer), die Vorgaben und Einschränkungen eines generischen Produktmodells und spezifische Kundenanforderungen erfüllen. Im Gegensatz dazu erstellen Empfehlungssysteme Vorschlagslisten, die aus einem umfangreichen Produktkatalog jene Objekte, die am besten den Interessen des Nutzers entsprechen, identifizieren. Ein weithin bekanntes Beipiel für Anwender solcher Emfpehlungssysteme ist der Online-Buchhändler Amazon. In seinem Webshop bildet das Unternehmen durch die Einbindung von personalisierter Emfpehlungsfunktionalität jenes Einkaufserlebnis, welches in einem Geschäft in der realen Welt entsteht, zumindest teilweise nach. Die wissenschaftlichen Beiträge von Markus Zanker liegen in der Entwicklung effizienter Berechnungsverfahren zur Berücksichtigung von expliziten Domänenwissen, der empirischen Analyse der Wirkung dieser Systeme und in der Konzeption von Lösungsverfahren für Anwendungsszenarien, in denen das Wissen auf verschiedene Systeminstanzen verteilt ist. Der nach Kardinal Innitzer benannte Förderungspreis ist eine in Österreich höchst angesehene Einrichtung zur Förderung der wissenschaftlichen Forschung. Der Fonds vergibt bereits seit insgesamt mehr als einem halben Jahrhundert jährlich Förderungspreise an hervorragende junge österreichische Wissenschafterinnen und Wissenschafter.

 

AINF auf der IAAI vertreten

25.Mai 2012. Mit Dipl.-Ing. Dr. Erich C. Teppan ist das Institut für Angewandte Informatik auf der diesjährigen Konferenz “Innovative Applications of Artificial Intelligence” (IAAI) vertreten und damit auf einer der führenden Konferenzen für anwendungsorientierte Forschung im Bereich der künstlichen Intelligenz. Sie wird parallel zur AAAI abgehalten und findet im Juli in Toronto statt. Der nunmehr angenommene Beitrag ist in Kooperation zwischen der Forschungsgruppe 'Intelligente Systeme und Wirtschaftsinformatik' unter der Leitung von Univ.-Prof DI Dr. Gerhard Friedrich und Siemens Austria entstanden. Der Beitrag stellt einen neuartigen Algorithmus vor, welcher es erstmals ermöglicht, Real-Welt Instanzen von Partner Unit Konfigurationsproblemen zu lösen. Das Partner Units Problem kommt in der Praxis unter anderem bei der Konfiguration von Überwachungssystemen für Zuggleissysteme vor. Hierbei muss über die Kommunikation von Sensoren, Signallampen, und Recheneinheiten gewährleistet werden, dass Gleise nur dann befahren werden, wenn diese auch frei sind. Die Konfiguration solcher Überwachungssysteme stellt bei Gleissystemen wie Bahnhöfen ein überaus komplexes Problem dar. Überaus erfreulich ist die Tatsache, dass der Algorithmus im Siemens Konfigurations-Tool S'UPREME eingebaut ist und mit Erfolg eingesetzt wird. Darüber hinaus arbeitet Siemens an einer diesbezüglichen Patenteinreichung.

 

 

 
 
 
© 2009 Alpen-Adria-Universität Klagenfurt | Publication details | Contact | Disclaimer
Responsibility for content: TEWI - Web Administrator
Requests to: TEWI - Web Editor

Sprachauswahl