• Entwicklung und Evaluation innovativer Lehr-Lern-Konzepte
• Förderung von Reflexionskompetenz:
  • innerfachlich
  • gesellschaftlich
• Gestaltung nachhaltiger Informatikbildung

• Inspiration aus Naturprozessen
• Untersuchung neuer Formen von „Berechenbarkeit"
• Anwendung auf komplexe Problemlösungen

• Wahrnehmung in strukturierten Umgebungen
  Unsere Alltagsumwelten besitzen eine typische statistische Struktur, in der Objekte an vorhersagbaren Orten innerhalb einer Szene erscheinen. Wir untersuchen, wie diese Struktur natürlicher Umgebungen unsere Wahrnehmung und Repräsentationen im Gehirn beeinflußt und wie sich diese Prozesse über Personen unterscheiden.
• Informationsaustausch im Gehirn
  Wie wird Information dynamisch von sensorischen Systemen zu kognitiven Systemen (bottom-up) und in umgekehrter Richtung (top-down) transportiert? Um diese Frage zu beantworten, untersuchen wir, wie Information in neuronalen Rhythmen kodiert wird und über diese rhythmischen Prozesse über Gehirnregionen transportiert wird.
• Ästhetik in der Wahrnehmung
  Warum finden Menschen bestimmte visuelle Eindrücke ästhetische ansprechend, d.h. warum "gefallen" uns manche Szenen und andere nicht? Wir untersuchen schwerpunktmäßig, wie die Schönheit von Szenen, Objekten und Gesichtern bereits in sensorischen Verarbeitungssystemen repräsentiert ist, also inwiefern visuelle Attribute die Wahrnehmung von Schönheit erklären

Die Forschung des VCCN Labs beschäftigt sich mit der Frage, wie Menschen und künstliche neuronale Netze visuelle Informationen verarbeiten und repräsentieren.

Ein besonderer Schwerpunkt liegt auf der Wahrnehmung von Gesichtern, Objekten und komplexen Szenen sowie auf der funktionellen Organisation des visuellen Systems.

Dafür kombinieren wir Verhaltensforschung, Eye-Tracking, EEG/MEG/fMRT und moderne Methoden des Machine Learnings und der künstlichen Intelligenz.

Zudem untersuchen wir, inwiefern Deep Neural Networks als Modelle menschlicher Wahrnehmung und Gehirnverarbeitung dienen können.

Die Arbeitsgruppe „Formale Methoden" befasst sich mit der theoretischen Fundierung und Weiterentwicklung formaler Methoden in der Informatik. Im Zentrum stehen Modelle der Berechenbarkeit sowie die Analyse von Strukturen und Prozessen zur Beschreibung und Verifikation von Informationsverarbeitung.

Die Schwerpunkte umfassen:

• die Untersuchung formaler Sprachen und Automatenmodelle (z. B. endliche Automaten, Kellerautomaten, Zellularautomaten und andere parallele Automatenmodelle), einschließlich ihrer Beschreibungsmöglichkeiten, Minimierung und strukturellen Eigenschaften,
• die Erforschung von Komplexizitätsfragen, insbesondere im Hinblick auf Entscheidbarkeit, Ressourcenverbrauch, Reversibilität und die Klassifikation von Problemen innerhalb formaler Modelle,
• die Analyse von Transformations- und Übersetzungsprozessen zwischen verschiedenen formalen Systemen sowie deren Effizienz und Ausdrucksstärke.
• die Entwicklung und Anwendung algebraischer und kombinatorischer Methoden zur Beschreibung diskreter Systeme,
• die Untersuchung von Mustern und regulären Strukturen mit Bezug zu Anwendungen in der Informationsverarbeitung.

Dabei legt die Gruppe besonderen Wert auf eine enge Verzahnung von grundlegender Theorie und potentiellen Anwendungen.

Die Arbeitsgruppe „Data and Application Security" befasst sich mit der anwendungsorientierten Absicherung digitaler Infrastrukturen, Anwendungen und Datenströme. Im Zentrum stehen die Entwicklung praxistauglicher Schutzmechanismen für moderne Softwarearchitekturen sowie die Schnittstelle zwischen technischer IT-Sicherheit und dem menschlichen Faktor (Usable Security und Privacy).

Die Schwerpunkte umfassen:

• die Erforschung von Methoden der Usable Security und Privacy
• die empirische Analyse von Security Awareness und menschlichen Schwachstellen
• die Konzeption und Evaluierung neuartiger Authentifizierungssysteme
• die Absicherung dezentraler und verteilter IT-Infrastrukturen
• die Untersuchung anwendungsspezifischer Software- und Systemsicherheit

Dabei legt die Gruppe besonderen Wert auf eine enge Verzahnung von fundierter IT-Sicherheitsforschung und dem unmittelbaren Transfer in praktische und nutzerfreundliche Anwendungen.

• Methoden des Machine Learnings
• Erklärbare/interpretierbare KI (Explainable AI)
• Applied Machine Learning (Anwendung und ggf. Adaption von Machine Learning für ausgewählte praktische Problemstellungen)

Wir befassen uns mit der Anwendung und Weiterentwicklung Methoden der statistischen Datenanalyse, des Maschinellen Lernens und angewandter KI zu angewandten Problemstellungen.

Schwerpunkte umfassen:

• die Entwicklung und Anwendung generativer Verfahren (GAN und Diffusionsmodelle) im Bereich der Bildkomprimierung,
• Erforschung, Entwicklung und Anwendung von Verfahren der Data Science und des Maschinellen Lernens zur Lösung von Problemen in konkreten Anwendungsdomänen, wie zum Beispiel der Medizin, den Ingenieurswissenschaften oder den Sozial- und Geisteswissenschaften. Konkrete Beispiele sind etwa die Entwicklung von Verbrauchsvorhersageverfahren in Smart Grids, der Steuerung von Gebäudeautomationen oder die Analyse von medizinischen Daten,
• Sovereign Private Data Science im Sinne der persönlichen, privaten Nutzung von Verfahren des Maschinellen Lernens und der Data Science unter der kompletten Hoheit des Nutzers.