Das Jahr 2019 ist für das Data Science-Team aus den Fachbereichen VI und II ein gutes. Das erste Quartal ist noch nicht mal vorüber, da können die Datenforscherinnen und -forscher der Beuth Hochschule schon zwei große Erfolge feiern:
Nicht nur gewannen sie den Best Paper Award der BigComp 2019, eine Auszeichnung der 6. Internationalen Konferenz im Bereich Big Data und Smart Computing. Auch wurden sie vom international hoch renommierten Magazin für Künstliche Intelligenz, dem Journal „Transactions of the Association for Computational Linguistics“ mit der Aufnahme einer ihrer Arbeiten im Magazin sowie bei der dazugehörigen Tagung geehrt.
Das Data Science-Team
Das erfolgreiche Data Science-Team an der Beuth Hochschule besteht aus Professorinnen und Professoren sowie Studierenden der Bereiche „Mathematik“ und „Informatik und Medien”. Generell bezeichnet Data Science die Extraktion von Wissen aus Daten. Gemeinsam mit Industriepartnern arbeitet die Forschungsgruppe im Wedding an Datenanalyse-Systemen, die komplexe Unternehmensentscheidungen unterstützen sollen. Und das mit Erfolg.
„IDEL“: Hilfreiches Tool für Fashion Industrie
Ihre Arbeit „IDEL: In-Database Neural Entity Linking“ gewann den Best Paper Award der International Conference on Big Data and Smart Computing (BigComp) 2019. 170 Arbeiten wurden eingereicht, 42 letztendlich akzeptiert. Torsten Kilias, Alexander Löser und Felix A. Gers erhielten zusammen mit dem niederländischen Unternehmen MonetDB SRL den ersten Platz. Die Arbeit ist eine Kooperation der Beuth Hochschule im Forschungsprojekt FashionBrain. Sie befasst sich mit einem Verfahren, welches Dinge in Text und Tabellen identifiziert und zuordnet. Ein Beispiel wären Modehändler, die im Internet sowohl Nachrichten über ihre eigenen Marken und Produkte als auch die ihrer Mitbewerber genau beobachten müssen. Informationen werden also auf verschiedene Arten präsentiert, zum Beispiel einerseits in Produktkatalogen, andererseits als relevante Texte in Blogs. Das IDEL-Verfahren ermöglicht dem Anwender eine Übersicht über diese Repräsentationen.
Das Verfahren bleibt in der „Beuth-Familie“ – derzeit wird das System von dem ehemaligen Beuth-Doktoranden Torsten Kilias beim Datenbankhersteller Exasol AG weiterentwickelt.
Smartes Querlesen
Aber nicht nur im Wettbewerb konnten die Datenwissenschaftler/-innen glänzen. Das Magazin Transactions of the Association for Computational Linguistics (TACL), ein hoch angesehenes Journal unter Fachleuten der Computer-Linguistik, wurde auf die Arbeit von Sebastian Arnold, Rudolf Schneider, Felix A. Gers und Alexander Löser (alle Beuth Hochschule) und Philippe Cudré-Mauroux (Uni Freiburg) aufmerksam.
Die Arbeit „SECTOR: A Neural Model for Coherent Topic Segmentation and Classification” beschäftigt sich mit einem Model, welches maschinelle Lese-Systeme, die oft bei komplexen und großen Mengen an Dokumenten eingesetzt werden, unterstützt. Dokumente sollen damit beispielsweise automatisch in zusammenhängende, schlüssige Abschnitte mit dazugehörigen Verschlagwortungen sortiert werden können. Dies erleichtert das menschliche „Blättern“ in einem Dokument, um nach relevanten Informationen zu suchen. Die Arbeit wird neben der Veröffentlichung im Magazin auch auf der Tagung der Association for Computational Linguistics (ACL) 2019 in Florenz vorgestellt.
Und die Erfolgssträhne geht noch weiter: „Auch beim Bundeswettbewerb Smarte Datenökonomie haben wir zwei Projekte eingeworben, ebenso beim KI-Wettbewerb des Bundesministeriums für Wirtschaft und Energie. Zudem ist die Beuth Hochschule als einzige Hochschule der angewandten Wissenschaften in der ‚Arbeitsgruppe Technologie‘ des Expertengremiums für die KI-Strategie der Bundesregierung, der BMBF-Plattform ‚Lernende Systeme‘, vertreten“, so Alexander Löser.
Mehr Informationen zum Data Science-Team:
projekt.beuth-hochschule.de/data-science
Informationen zum Master-Studiengang Data Science:
www.beuth-hochschule.de/m-ds