• 2 Besuche pro Semester
• Bevorzugte Regionen: Niederösterreich, Wien (vorzugsweise Wien und südlich davon)
• Besucht gerne folgende Schulstufen: SEK II
• Keine anfallenden Kosten für die Schule

Forschungsschwerpunkte

• Empfehlungssysteme
• Maschinelles Lernen
• Suchmaschinen
• Algorithmische Fairness von AI Technologie

Aktuelle Projekte

Human-centered Artificial Intelligence (HCAI): Die rasante Entwicklung der künstlichen Intelligenz (KI) der letzten Jahren hat enorme Chancen mit sich gebracht, aber auch neue Risiken aufgezeigt. Die KI-Forschung konzentrierte sich bisher hauptsächlich auf die Entwicklung von Systemen, die dazu gedacht sind, immer komplexere Aufgaben mit größtmöglicher Genauigkeit zu lösen. Dadurch werden die Entscheidungen und Handlungen solcher Systeme zunehmend schwerer nachvollziehbar.

HCAI ist ein Forschungs- und Studienprogramm, das gemeinsam von der Fachhochschule Oberösterreich und der Johannes Kepler Universität Linz durchgeführt wird. Das Programm wird vom Österreichischen Wissenschaftsfonds (FWF) finanziert. Es zielt darauf ab, den Menschen und ihre Bedürfnisse in den Mittelpunkt der KI-Forschung zu stellen. Es werden Methoden entwickelt, um KI verständlicher, transparenter und gerechter für Menschen zu gestalten, sowie die Interaktion zwischen Menschen und KI-Systemen zu unterstützen. Die Doktorandinnen und Doktoranden, die in diesem Programm arbeiten, erhalten eine interdisziplinäre Ausbildung und arbeiten an vorderster Front in der Forschung und Entwicklung einer neuen Generation von KI-Technologie, die den Menschen in den Mittelpunkt stellt.

Projektlink

Intent-aware Music Recommender Systems: Die Musik, die wir mögen, wie zum Beispiel eine bestimmte Künstlerin oder ein bestimmtes Genre, hängt von unserem beabsichtigten Zweck, unserer Intention, des Hörens ab. Wir hören zum Beispiel beruhigende Musik nach einem langen Arbeitstag, aber wählen eher energiegeladene Musik, wenn wir planen, eine Party zu besuchen. Während Musikpsychologen und -psychologinnen mehrere allgemeine Intentionen des Musikhören identifiziert haben, wie Selbstausdruck, Stimmungsregulation oder soziale Verbundenheit, sind diese Intentionen nuancierter.

Leider berücksichtigen aktuelle Musikempfehlungssysteme die Absichten der Nutzer und Nutzerinnen in ihren Empfehlungen nicht. Darüber hinaus beeinflusst die Art und Weise, wie ein Musikstück dargestellt wird (z.B. als Musikvideo-Clip, digitales Notenblatt oder Audio-Datei), seine möglichen Verwendungen und den Zweck, den es für den Hörer oder die Hörerin erfüllen kann. Ein Musikvideo-Clip ist zum Beispiel meistens nicht geeignet, um Klavier zu üben, während ein digitales Notenblatt es sein könnte. Vor diesem Hintergrund zielt das Projekt darauf ab, (1) neue Algorithmen zu erforschen, die die Absichten eines Hörers/einer Hörerin erkennen, wenn er/sie auf musikbezogene Inhalte zugreift und (2) eine neue Generation von Musikempfehlungssystemen zu schaffen, die Benutzerabsichten erkennen und Empfehlungen entsprechend anpassen können. 

Humans and Recommender Systems: Towards a Mutual Understanding (HumRec): In diesem Projekt konzentrieren wir uns auf Musikempfehlungen. Es setzt sich zum Ziel, ein besseres Verständnis der menschlichen Entscheidungsfindung, die der Auswahl von Musik in einem gegebenen situativen Kontext zugrunde liegt, zu entwickeln. Darüber hinaus streben wir danach, das Verständnis der Benutzer/innen für die Entscheidungen zu fördern, die zu Empfehlungen bestimmter (Folgen von) Musiktiteln führen. Wir glauben, dass ein gesteigertes Verständnis und eine bessere Kommunikation zwischen Benutzer/innen und dem System zu verbesserten Benutzermodellen und somit zu besseren Empfehlungen beitragen können.

Projektlink

Thematischer Workshop

Wie fair sind die Algorithmen von Suchmaschinen und Empfehlungssystemen? Die Algorithmen, die Google, Amazon, Spotify usw. einsetzen, basieren auf Daten, die von uns generiert werden. Diese Daten und auch die Algorithmen selbst sind "gebiased". Was das konkret bedeutet, lernen die Schüler/innen im Workshop. Der Workshop besteht aus interaktivem Vortrag mit kleineren Experimenten. Die Schüler/innen sollten das eigene Smartphone (sofern vorhanden) mitnehmen!

Zielgruppe: AHS (SEK II), BMS, Polytechnische Schulen
Dauer: 1 UE
Ort: in der Schule

Auszug aus dem wissenschaftlichen Werdegang

Studium der Informatik an der TU Wien, Doktorat der Informatik an der JKU Linz, Master in Internationaler BWL an der WU Wien; Assistenzprofessor, assoziierter Professor und Universitätsprofessor (seit 2019) and der JKU Linz und dem LIT AI Lab; Leiter zweier Forschungsgruppen: Human-centered AI; Multimedia Mining and Search