Projekt B01: Modelle des maschinellen Lernens mit einem dialogbasierten Ansatz erklären

Die Wissenschaftler*innen im Projekt B01 arbeiten an einem System mit Künstlicher Intelligenz (KI), das Rückfragen auf sprachlicher Ebene angemessen beantworten kann. Im medizinischen Bereich soll das System beispielsweise gegenüber Ärzt*innen einen Behandlungsvorschlag begründen können und Fragen und Unsicherheiten von Patient*innen in Bezug auf den Behandlungsplan klären. Die Informatiker*innen und Soziolog*innen beziehen in ihre Forschung die Sichtweise der Nutzer*innen ein. Dafür beobachten sie, wie beispielsweise Klinikmitarbeiter*innen das KI-System annehmen und welche Anforderungen sie an das System stellen. Aus den Ergebnissen entwickeln die Forschenden ein Dialogsystem, das in verschiedenen Gesellschaftsbereichen eingesetzt werden kann.

 

Forschungsgebiete: Informatik, Soziologie

Projektleitung

Prof. Dr. Philipp Cimiano

Mehr zur Person

Prof. Dr. Elena Esposito

Mehr zur Person

Prof. Dr. Axel-Cyrille Ngonga Ngomo

Mehr zur Person

Mitarbeiter*innen

Fabian Beer, M.A.

Mehr zur Person

Ali Manzoor

Mehr zur Person

Dimitry Mindlin, M.Sc.

Mehr zur Person

Assoziiertes Mitglied

Dr. Stefan Heindorf, Universität Paderborn

Pu­bli­ka­ti­o­nen

Investigating Co-Constructive Behavior of Large Language Models in Explanation Dialogues

L. Fichtel, M. Spliethöver, E. Hüllermeier, P. Jimenez, N. Klowait, S. Kopp, A.-C. Ngonga Ngomo, A. Robrecht, I. Scharlau, L. Terfloth, A.-L. Vollmer, H. Wachsmuth, ArXiv:2504.18483 (2025).


Dung’s Argumentation Framework: Unveiling the Expressive Power with Inconsistent Databases

Y. Mahmood, M. Hecher, A.-C. Ngonga Ngomo, Proceedings of the AAAI Conference on Artificial Intelligence 39 (2025) 15058–15066.


Logics with probabilistic team semantics and the Boolean negation

M. Hannula, M. Hirvonen, J. Kontinen, Y. Mahmood, A. Meier, J. Virtema, Journal of Logic and Computation 35 (2025).


Facets in Argumentation: A Formal Approach to Argument Significance

J. Fichte, N. Fröhlich, M. Hecher, V. Lagerkvist, Y. Mahmood, A. Meier, J. Persson, ArXiv:2505.10982 (2025).


Why not? Developing ABox Abduction beyond Repairs

A.P.H. Haak, P. Koopmann, Y. Mahmood, A.-Y. Turhan, ArXiv:2507.21955 (2025).


Investigating Co-Constructive Behavior of Large Language Models in Explanation Dialogues

L. Fichtel, M. Spliethöver, E. Hüllermeier, P. Jimenez, N. Klowait, S. Kopp, A.-C. Ngonga Ngomo, A. Robrecht, I. Scharlau, L. Terfloth, A.-L. Vollmer, H. Wachsmuth, in: Proceedings of the 26th Annual Meeting of the Special Interest Group on Discourse and Dialogue, Association for Computational Linguistics, Avignon, France, n.d.



Rejection in Abstract Argumentation: Harder Than Acceptance?

J.K. Fichte, M. Hecher, Y. Mahmood, A. Meier, in: Frontiers in Artificial Intelligence and Applications, IOS Press, 2024.


Quantitative Claim-Centric Reasoning in Logic-Based Argumentation

M. Hecher, Y. Mahmood, A. Meier, J. Schmidt, in: Proceedings of the Thirty-ThirdInternational Joint Conference on Artificial Intelligence, International Joint Conferences on Artificial Intelligence Organization, 2024.


Parameterised Complexity of Consistent Query Answering via Graph Representations

T. Hankala, M. Hannula, Y. Mahmood, A. Meier, ArXiv:2412.08324 (2024).


Does Explainability Require Transparency?

E. Esposito, Sociologica 16 (2023) 17–27.



User Involvement in Training Smart Home Agents

L.N. Sieger, J. Hermann, A. Schomäcker, S. Heindorf, C. Meske, C.-C. Hey, A. Doğangün, in: International Conference on Human-Agent Interaction, ACM, 2022.


Alle Publikationen anzeigen