Projects
University of Applied Sciences Munich
Scalable and Distributed Data Management
Lothstr. 64 - 80335 Munich - Germany
+49 89 1265 5907
BigScience: GPA-beschleunigte KI-Werkzeuge für Big Data Science in hybriden MPP Datenbanken
Projektleitung
Prof. Dr. Markus Endres
Projektmitarbeiter
- Tung Son Tran
- Renukswamy Chikkamath
Projektpartner
- EXASOL (https://www.exasol.com/)
- SoftQuadrat (https://www.softquadrat.de/)
Zusammenfassung
Ziel des Vorhabens von EXASOL, SoftQuadrat und DKE ist die Konzeption und Entwicklung eines hybriden Datenbanksystems auf Basis von EXASOLDB, welches General Purpose Accelerators (GPAs) zur Beschleunigung von KI-Anwendungen und der damit einhergehenden effizienten Analyse von Big Data ermöglicht. Für die Datenanalyse werden Verfahren aus dem Bereich der Künstlichen Intelligenz, u.a. Machine Learning und Deep Learning, direkt in EXASOLDB verfügbar gemacht. Die Anwendung der KI-Algorithmen wird durch spezielle Module sowie einem neuartigen KI-Workflow ermöglicht. Die Integration von Datensynthese-Verfahren basierend auf Neuronalen Netzen wird das Projektvorhaben ergänzen. Daraus resultiert ein hocheffizientes massiv paralleles und verteiltes Datenbanksystem mit GPA Unterstützung, welches die Anwendung von KI in Unternehmen verschiedenster Branchen vereinfacht bzw. überhaupt erst ermöglicht.
Projektträger
Bayerischen Staatsministerium für Wirtschaft, Landesentwicklung und Energie (BayVFP, IuK).
Förderkennzeichen DIK0259/01
BigPref: Konzeption und Entwicklung von Verfahren für Preference Analytics im Big Data Umfeld
Zusammenfassung
Das Projekt BigPREF verfolgt folgende Inhalte:
- Bereitstellung von Preference Analytics in BI-Tools
- Konzeption und Entwicklung neuartiger Cluster- und Partitionierungsverfahren für Preference Analytics
- Dominatorensuche für das 2-dimensionale und nas n-dimensionale Problem
- Preference Hadoop - Konzeption von Präferenzanfragen in MapReduce
- Preference Top-k
Projektstart: 15.02.2016
Projektende: 14.05.2017
Laufzeit: 15.02.2016 - 14.05.2017
Projektträger: BMWi (Bundesministerium für Wirtschaft und Technologie)
Projektverantwortung vor Ort: Priv.-Doz. Dr. Markus Endres, Prof. Dr. W. Kießling
Beteiligte WissenschaftlerInnen der Universität Augsburg:
M.Sc. Johannes Kastner
Dr. Patrick Roocks
M.Sc. Stefan Wohlfart
Priv.-Doz. Dr. Markus Endres
Beteiligte WissenschaftlerInnen/Kooperationen: EXASOL AG
PreferenceSQL
Zusammenfassung
Präferenzen haben sich in den letzten Jahren immer stärker als ein fundamentales, multidisziplinäres Konzept für mannigfaltige Anwendungsgebiete herauskristallisiert, insbesondere im Bereich der Personalisierung im Zusammenhang mit Datenbanken und Suchmaschinen. Dieser Trend hat sich nochmals durch die immense Popularität von sozialen Netzwerken und mobilen internetgestützten Anwendungen beschleunigt.
Das Forschungsvorhaben "PreferenceSQL für Präferenz-Datenbanken" beschäftigt sich mit der Entwicklung von Verfahren zur Verarbeitung von Präferenzen in Datenbanken, Suchmaschinen und Recommender Systemen.
Projektstart: 01.09.2005
Projektträger: Universität Augsburg
Projektverantwortung vor Ort: Priv.-Doz. Dr. Markus Endres
PeToMoTo: Personalisierte Tourenplanung für mobile Touristikanwendungen
Zusammenfassung
Ziel des Drittmittelprojektes "PeToMoTo" ist es, die Vorteile einer Präferenzbasierten Suche (preference search) gegenüber der im Ecommerce üblichen Parametrischen Suche (faceted / parametric search) anhand einer mobilen Touristikanwendung nachzuweisen:
Höhere Kundenzufriedenheit
Kürzere Sessionzeit
Beschreibung
Drittmittelförderung erfolgt durch das Bundesministerium für Wirtschaft und Technologie gemäß eines Beschlusses des Deutschen Bundestags in Zusammenarbeit mit Alpstein Tourismus GmbH & Co. KG.
Wie Praxiserfahrungen belegen, sind heutige Recommender-Systeme für Tourenplanungen im Outdoor-Bereich wenig zufriedenstellend, insbesondere bei mobilen Einsätzen. Komplexe Geo-Objekte und dynamische Outdoor-Situationen verlangen nach neuen Lösungsansätzen, wobei auch die in sozialen Netzwerken vorhandenen Benutzerpräferenzen gut genutzt werden müssen. Hierfür bildet die Präferenzforschung für Datenbanken einen geeigneten Ausgangspunkt.
Der wissenschaftliche Kern des Projekts umfasst eine Erweiterung des Präferenz- sowie Situationsmodells im Hinblick auf diese Erfordernisse. Diese Innovationen wurden in das am Lehrstuhl existierende Preference-SQL-System für präferenzbasierte Suchanfragen integriert. Das darauf aufbauende Recommender-System generiert vollautomatisch in Kenntnis von Benutzerpräferenzen und Kontextinformationen bestmögliche Tourenempfehlungen. Dazu genügt eine einzige Benutzeranfrage, was insbesondere in unvorhergesehenen Situationen im Gelände essentiell sein kann. Die Integration in eine präferenzbasierte Testversion des Alpstein-Portals outdooractive.com wurde in einem Benchmark evaluiert, wobei eine höhere Kundenzufriedenheit und kürzere Sessionzeiten nachgewiesen werden konnten.
Zusätzlich zur Rollenwahl (Tourist) und den Benutzereingaben werden kontextsensitive Präferenzen aus einem Situationsmodell generiert. Da der Ort - in obiger Abbildung Allgäu - bekannt ist, können mit Hilfe einer Wetter-API die momentanen Wetterbedingungen ermittelt werden, woraus kontextsensitive Präferenzen für Attribute wie z.B. Aktivität, minimale bzw. maximale Höhe dynamisch generiert werden. Die kontextsensitiven Präferenzen werden mit den rollenspezifischen Präferenzen und den aus der Benutzereingabe abgeleiteten Präferenzen in konsistenter Weise verknüpft, so dass nach Absenden der Anfrage nur die gemäß der Bedingungen und Präferenzen optimalen Tourenvorschläge als Ergebnis zurückgeliefert werden (1-click search).
BMWI
Drittmittel-Projekt "PeToMoTo: Personalisierte Tourenplanung für mobile Touristikanwendungen", gefördert vom Bundesministerium für Wirtschaft und Technologie
Projektstart: 01.11.2010
Projektende: 31.10.2011
Projektträger: BMWi (Bundesministerium für Wirtschaft und Technologie)
Beteiligte WissenschaftlerInnen der Universität Augsburg:
Prof. Dr. W. Kießling
Dr. Alfons Huhn
Patrick Roocks
Andreas Zelend
Priv.-Doz. Dr. Markus Endres
Beteiligte WissenschaftlerInnen / Kooperationen: Alpstein Tourismus GmbH & Co. KG
TSMP: Konzeption und Entwicklung einer Tourism Service Matching Platform für die Buchung von touristischen Erlebnisangeboten
Zusammenfassung
Das Projekt "TSMP" erzielte folgende Ergebnisse:
Generisches Modell für die Erstellung von Präferenzen
Präferenzen auf hierarchischen bzw. rekursiven Datenstrukturen
Präferenzanalyse
Beschreibung
Generisches Modell für die Erstellung von Präferenzen:
Das Modell umfasst folgende Schritte:
Semantisches Modell durch Datenanalyse, Erstellung eines Fragebogens, Bewertung des Fragebogens durch Wissensingenieur bzw. Fragebogenteilnehmer, Auswertung des Fragebogens und schließlich die automatische Generierung von Präferenzen aus der Auswertung.
Diese generische Vorgehensweise eignet sich sowohl für einen modellgetriebenen als auch für einen auf Statistik basierten Ansatz. Zudem wird kein kontrolliertes Vokabular (Closed World Assumption) vorausgesetzt.
Präferenzen auf hierarchischen bzw. rekursiven Datenstrukturen:
Falls für Begriffe eine Ontologie existiert, können Präferenzen analog zur Vererbung bei objektorientierten Sprachen erweitert werden, indem unbewertete Begriffe die Bewertung eines bewerteten Oberbegriffs erhalten.
Die präferenzbasierte Routensuche innerhalb eines Wegenetzes entspricht der Präferenzauswertung in einem Suchbaum, wobei ggf. eine Aggregation von Attributen entlang des Suchpfades erfolgt.
Die präferenzbasierte Urlaubsplanung erzeugt einen Potenz(multi)mengenverband, dessen Elemente jeweils eine Kombination von Aktivitäten umfassen, wobei ebenfalls eine Aggregation bzgl. vorgegebener Attribute für alle Elemente der Kombination berechnet wird. Ausgangspunkt für die Potenzmenge ist eine (Multi-)Menge, die das Ergebnis einer Top-k-Präferenzanfrage ist, die Stereotypen, Regionen und den Kontext (z.B. Wetter) optimal berücksichtigt.
Präferenzanalyse:
Top-k-Präferenzanfragen erzeugen Ergebnisse einer festen Größe k, die für Sterotypen, Regionen und Kontext optimal sind. Indem die Ergebnisse und ihre Qualität miteinander verglichen werden, lassen sich für jede Region geeignete Zielgruppen und dafür passende Aktivitäten ermitteln, wodurch ein zielgruppenorientiertes Marketing ermöglicht wird.
Projektstart: 01.12.2013
Laufzeit: 01.12.2013 - 15.12.2015
Projektträger:
Beteiligte WissenschaftlerInnen der Universität Augsburg:
Prof. Dr. W. Kießling
Dr. Alfons Huhn
Patrick Roocks
Priv.-Doz. Dr. Markus Endres
Beteiligte WissenschaftlerInnen / Kooperationen: Alpstein Tourismus GmbH & Co. KG
P-SOL: Präferenzbasierte Big-Data-Lösungen für analytische Datenbanken
Zusammenfassung
Das Projekt verfolgt folgende Ziele:
- Hochperformante Datenanalyse
- Reduzierung der Ergebnismenge auf relevante Daten
- Verarbeitung großer und unstrukturierter Daten (Big Data)
Beschreibung
Links:
Projektstart: 15.11.2011
Laufzeit: 15.11.2011 - 30.11.2013
Projektträger: IuK im Auftrag des Bayerischen Staatsministerium für Wirtschaft, Infrastruktur, Verkehr und
Technologie
Beteiligte WissenschaftlerInnen der Universität Augsburg:
Prof. Dr. W. Kießling
Dr. Alfons Huhn
Patrick Roocks
Priv.-Doz. Dr. Markus Endres
Beteiligte WissenschaftlerInnen / Kooperationen: EXASOL AG
