Digital Transformation

Dieses Projekt zielt darauf ab, ein Online-Simulationstool im Bereich Prozessmanagement in verwandten Lehrveranstaltungen an UIBE und MCI einzusetzen. Mit seiner flexiblen Struktur soll dieses Tool zu einem kreativeren und effektiveren Lehren und Lernen der Studierenden führen. Solche Computersimulationssysteme ermöglichen die Berechnung und Visualisierung komplexerer Zusammenhänge und Prozesse. Diese Tools ermöglichen eine ortsunabhängige Zusammenarbeit und vermitteln spielerisch Lerneffekte.

Im Projekt "Smart Inclusion" kommt Augmented Reality in Form von Smart Glasses zum Einsatz. Es wird evaluiert, inwieweit diese von Menschen mit Behinderungen genutzt werden können, um deren individuellen Fähigkeiten und Ressourcen in Bezug auf Aktivitäten des täglichen Lebens zu stärken. Der Forschungsprozess wird von der Lebenshilfe Tirol unterstützt. Sie bietet als soziale Einrichtung ihren Bewohner:innen die Möglichkeit, in Wohngemeinschaften selbstständig zu leben und zu arbeiten.

Die Wissenschaft ist sich sicher: Künstliche Intelligenz wird die entscheidende Entwicklung des 21. Jahrhunderts sein. Experten schätzen, dass durch den Aufstieg der KI innerhalb von nur 2 Jahrzehnten Aspekte des täglichen menschlichen Lebens nicht mehr wiederzuerkennen sein werden. Der Einfluss der KI ist im Begriff, die grundlegenden Organisationsprinzipien unserer Wirtschafts- und Gesellschaftsordnung in Frage zu stellen. Sie kann einen nie dagewesenen Wohlstand schaffen, Medizin und Bildung revolutionieren, aber auch existenzielle Gefahren für das Leben, wie wir es kennen, mit sich bringen. Umso besorgniserregender ist der EC2020-Bericht, wonach die EU bei der Einführung und Entwicklung von KI hinter den USA und Asien zurückbleibt. Unter den vielen Gründen, die dafür verantwortlich sind, ist der Mangel an qualifizierten Arbeitskräften mit Sicherheit einer der wichtigsten. Das Ziel von AI4VET4AI ist es, zur digitalen Transformation des EU-Arbeitsmarktes beizutragen, indem neue innovative Lehrinhalte und -methoden in die Lehrpläne der beruflichen Bildung in 11 europäischen Ländern und 18 NUTS2-Regionen der EU aufgenommen werden, um das Wachstum von KI-qualifizierten Arbeitskräften zu unterstützen. Wir beginnen von Grund auf: Wir untersuchen die potentesten Sektoren für den Einsatz von KI in unseren 17 Regionen und erstellen für diese Sektoren in enger Zusammenarbeit mit Unternehmen und ihren Clusterorganisationen 14 MOOCs und TT-Materialien, die leicht in Berufsbildungsprogramme (IVET und CVET) implementiert werden können. Wir organisieren 11 innovative KI-Berufsbildungscampuse und 7 KI-Inkubatoren für Berufsbildungsinnovationen, in denen Schüler:innen von Berufsschulen und Berufsbildenden Höheren Schulen ihre kreativen und unternehmerischen Fähigkeiten verbessern können. Wir nutzen Projektaktivitäten, um Partner eng miteinander zu vernetzen und Vertreter:innen des öffentlichen und privaten Sektors sowie der Zivilgesellschaft für das KI-Potenzial in unseren Regionen zu sensibilisieren. Dies wiederum hilft uns, eine gemeinsame und aktive Plattform von besorgten EU-Bürger:innen und -Institutionen zu schaffen, die informiert und daran interessiert, und motiviert sind, die KI-Entwicklung weiter zu unterstützen - dies ist die Grundlage unseres ehrgeizigen CoVE - Center of Vocational Excellence, das viele weitere Institutionen (Hochschulen, Berufsbildungseinrichtungen, Unternehmen, Agenturen, Einzelpersonen) in seinem Streben nach einer nachhaltigen, integrativen und gerechten KI-gestützten Zukunft für alle anziehen soll.

Der Fachkräftemangel im Bereich der Softwareentwicklung schadet Wettbewerbsfähigkeit des Wirtschaftsstandortes Österreich. Aus diesem Grund richten Hochschulen Angebote gezielt an Berufstätige, in denen häufig Blended Learning-Konzepte zum Einsatz kommen. Dabei werden Online- und Präsenzunterricht integriert, um Studierenden erhöhte Flexibilität bieten zu können. Obwohl sich Blended Learning-Konzepte bereits als effektiv erwiesen haben, sind Studierende mit Herausforderungen konfrontiert, die sich zum einen aus der Onlinekomponente von Blended Learning-Ansätzen und zum anderen aus dem Unterrichtsgegenstand des Programmierens ergeben. Als Lösung wird ein Intelligentes Tutorensystem vorgeschlagen, welches Studierenden individualisiertes, sofortiges und instruktives Feedback gibt.

SMiLe untersucht unter welchen Voraussetzungen Lösungen, bei denen homomorphe Verschlüsselung zum Einsatz kommt, dazu geeignet sind das Potenzial von sensiblen Daten für maschinelles Lernen nutzbar zu machen. Das Potenzial des Verfahrens für maschinelles Lernen wird anhand von zwei Anwendungsfällen bewertet, die sich mit Mitarbeitersegmentierung bzw. vorausschauender Wartung befassen. SMiLe trägt zur Etablierung eines kooperativ-kreativen Ökosystems bei, in dem verschiedene Akteure vertrauensvoll, symbiotisch und eigenverantwortlich interagieren und bisher nicht vorstellbare Lösungen realisieren, bei denen nicht nur Datenschutz und Sicherheit gewährleistet sind, sondern auch bisher ungenutzte Potenziale von Daten ausgeschöpft werden können. Im Rahmen des Projekts werden bestehende Plattformen erweitert, um Lösungen bereitzustellen, welche die Erstellung und Nutzung von Modellen für maschinelles Lernen unter Verwendung homomorph verschlüsselter Daten ermöglichen.

HLFF Inspiring Minds ist eine Zusammenarbeit zwischen der Heidelberg Laureate Forum Foundation und der MCI - The Entrepreneurial School® und widmet sich ausschließlich der Unterstützung aller HLF-Alumni bei der Entwicklung ihrer persönlichen Karrierewege in Mathematik und Informatik. Durch Experten-Mentoring, Coaching und weitere Aktivitäten, die auf der HLFF Inspiring Minds-Plattform gebündelt werden, erhalten einige der aufstrebendsten jungen Talente die einzigartige Gelegenheit, mit Preisträgern und Experten aus Wissenschaft, Wirtschaft und Industrie in Kontakt zu treten und bedeutungsvolle Beziehungen aufzubauen.

Im Zuge des Smart Technology Monitoring II Projekts wird der Prototyp einer Ontologie zur Speicherung, Verarbeitung and Abfrage von Daten aus teil- und unstrukturier-ten Datenquellen implementiert. Ziel dieses Vorhabend ist es, die Umsetzbarkeit einer innovativen Wissensmanagement-Plattform zu prüfen, welche Informationen aus verschiedenen Technologie-datenquellen zusammenführt und daher dynamisch wachsen und sich verändern können muss. Die in diesem Vorhaben prototypisch umgesetzte Ontologie soll dabei ein MVP für den Kern dieser Softwarelösung darstellen, auf dem in zukünftigen Vorhaben aufgesetzt werden kann.

Im Zuge eines dafür aufgesetzten Interreg Projektes "SMART VILLAGES Wipptal" soll für die in der Region ansässigen Gemeinden (nördliches Südtirol mit 12 Gemeinden und südliches Südtirol mit 6 Gemein) ein gemeinsames Verständnis für ein regionales Portal erarbeitet werden. Das vom MCI angebotene Teilziel ist es, nach wissenschaftlichen Erkenntnissen den logischen Aufbau, die Usability, mögliche Integrationsmöglichkeiten und eine Spezifikation der Kommunikationsplattform für die Zukunft zu erheben und gemeinsam mit den Interessenvertretungen auszuarbeiten.

Das Ziel des Projektes ist es, mit den Möglichkeiten der virtuellen Realität zu experimentieren, um spezifische Kompetenzen von Studierenden, Auszubildenden und Lehrlingen zu trainieren und zu entwickeln, welche eine internationale Mobilität anstreben oder diese Erfahrungen einfach virtuell ausprobieren möchten. Mittels einer VR-Plattform werden immersive virtuelle Szenarien und andere virtuelle Aktivitäten zur Verfügung gestellt, die es NutzerInnen ermöglichen, für ausgewählte Situationen hilfreiche Fähigkeiten zu erwerben und diese zu bewältigen.

CRYSTAL (Conversational Systems for Emotional Support and Customer Assistance) wird die Forschung für eine nächste Generation von Konversationsmodellen und -systemen vorantreiben. Das Ziel ist es zuverlässige, freundliche und effiziente Mensch-Maschine-Interaktionen zu implementieren, welche die Menschen bei solchen Aufgaben unterstützen können, die über die automatische Informationsbereitstellung hinausgehen. Beispiele inkludieren etwa die emotionale Unterstützung für gefährdete Personen, wie etwa ältere Erwachsene oder Menschen mit Angstzuständen oder Depressionen. Auch soll durch CRYSTAL erweiterte Kundenbetreuung für Callcenter entstehen, die Kundenbetreuung und Antworten auf Kundenanfragen auf empathische, einladende, genaue und effiziente Weise bietet. Konversationsmodelle und -systeme werden entwickelt, indem neuartige Lernstrategien für die Domänenanpassung vorgeschlagen sowie Large Language Models (LLMs) und Prompt-Engineering-Methoden untersucht werden. Auch die Einschätzung des Benutzerzustands wird berücksichtigt, und Strategien wie Verhaltensmodelle und Stakeholder-Ziele werden die Richtlinien für das Dialogmanagement leiten. Außerdem werden neuartige Bewertungsrahmen entwickelt, die automatische Metriken, Benutzerfreundlichkeit sowie die menschliche Akzeptanz der Technologie einbeziehen. Es werden strenge Verfahren zur Einhaltung ethischer und KI-Robustheitsanforderungen angewendet, da Gesprächsaufzeichnungen für die Zusammenarbeit der Projektpartner gesammelt, anonymisiert, kommentiert und verschlüsselt werden.

Der TensionTerminator (TT) ist ein zertifiziertes Medizinprodukt, welches Anwender:innen in kurzer Zeit ermöglicht, Verspannungsschmerzen im Rücken-, Arm/Schultergürtel- und Nackenbereich mittels Selbstanwendung effektiv und nachhaltig zu lindern. Der TT ist speziell für den Einsatz im betrieblichen Kontext entwickelt, um so Mitarbeiter:innen die niederschwellige Möglichkeit zu geben, Verspannungsschmerzen unmittelbar am Arbeitsplatz zu lindern. Durch die "Smartifizierung" des TT soll eine zusätzliche Interaktionsebene mit den Anwender:innen auf individueller und organisatorischer Ebene ermöglicht werden. Erfasst werden sollen folgende Messdaten per Sensoren: (1) Krafteinwirkungen und Bewegungsgeschwindigkeiten, (2) Funktionschecks der Komponenten und (3) Tracking der Art und Häufigkeit der Nutzung. In Verbindung mit einer App für Anwender:innen soll weiters die patophysiologischen Kategorisierung der Verspannungssituation und deren Veränderung durch die Anwendung am TT erfasst werden. Die Messdaten sollen über ein Machine Learning (ML)-basiertes System bereits am Gerät verarbeitet werden, um Anwendungsart, Fehlanwendung, Sensorfehler etc. zu erkennen, die Qualität der gewonnen Daten zu erhöhen, und somit anschließende Korrekturschleifen überflüssig zu machen. In Echtzeit sollen damit die Anwender:in Feedback über eine optimale und somit effektive Selbsttherapie erhalten. Ziel ist dabei die die bestmögliche Verbesserung der Schmerz- und Verspannungssituation. Weiters soll die Anwendungssicherheit erhöht werden, wenn etwa bei zu hoher Krafteinwirkung, zu hohe Rollgeschwindigkeit, ungünstigen Krafteinwirkungen oder unsachgemäßer Verwendung Hinweise und Warnmeldungen ausgegeben werden. Darauf aufbauende Gamification-Konzepte sollen Anwender:innen zur richtigen Anwendung und prophylaktischen Anwendung animieren. Die Selbstmotivation soll in Verbindung mit Benachrichtigungen, individuellem Leaderboard, Verknüpfung mit der wahrgenommenen Verspannungssituation, oder Nachweis der Verbesserung der Beweglichkeit, etc. erhöht werden. Weiters soll über ein laufendes Monitoring die nachhaltige Nutzung der bereitgestellten TT und deren Wirkung auf Gesundheit und Wohlbefinden der Mitarbeiter:innen nachgewiesen werden können.

Das Projekt "Game Over Eva(sion):Sicheres Deep Learning mit Spieltheorie" zielt darauf ab, Klassifizierer die auf sogenanntem Deep Learning basieren gegen gezielte Angriffe zu schützen. Diese Klassifizierer sind sowohl in der wissenschaftlichen Forschung als auch im praktischen Einsatz sehr weit verbreitet. Unter anderem nutzen selbstfahrende Autos, Smartphones und digitale persönliche Assistenten diese Art von Algorithmen. Leider hat die Forschung in letzter Zeit gezeigt, dass Deep Learning- Klassifizierer sehr anfällig für strategische Angriffe sind. Vor allem die sogenannten Evasion-Angriffe, bei denen ein Angreifer es schaffen kann, durch sehr kleine Änderungen ein Objekt völlig falsch klassifizieren zu lassen, stellen ein ungelöstes Problem für fast alle Deep Learning-Klassifizierer dar. Wir modellieren den Wettbewerb zwischen einem Angreifer welcher Evasion-Angriffe durchführt und einem Verteidiger, der einen robusten Deep Learning-Klassifizierer trainieren möchte mithilfe der Spieltheorie. Dazu werden wir in einem ersten Schritt erörtern welche Konzepte aus verwandten Disziplinen wie der Angreifer-antizipierenden Klassifikation auf den Bereich des Deep Learning angewandt werden können. Desweiteren werden wir ein spieltheoretisches Model entwickeln um die Abhängigkeiten von Angriffstaktik und Verteidigungstaktik erfassen zu können. Im Laufe des Projekts versprechen wir uns die ersten theoretisch fundierten Ergebnisse zur allgemein erreichbaren Sicherheit solcher Klassifizierer überhaupt. Zudem können wir bisherige, größtenteils heuristisch hergeleitete Verteidigungsmaßnahmen auf ihre Optimalität überprüfen. Letztendlich wollen wir die wesentlichen Eigenschaften unserer theoretischen Analysen in einer praktischen Implementierung eines solchen Klassifizierers umsetzen und diesen Klassifizierer mit anderen Klassifizierern auf dem neusten Stand der Technik vergleichen. Somit können wir validieren, inwieweit es unser Ansatz ermöglicht, Deep Learning-Klassifizierer vor gezielten Angriffen zu schützen. Die erwarteten Ergebnisse dieses Projekts werden erstmals Aussagen darüber zulassen, inwieweit Deep Learning-Klassifizierer dafür geeignet sind, großflächig auch in sicherheitskritischen Bereichen eingesetzt zu werden.