Projekt C02: Interaktives Lernen von erklärbaren, situationsangepassten Entscheidungsmodellen
Je nach Situation sind verschiedene Strategien für die maschinelle Entscheidungsfindung nötig. Diese sind beispielsweise abhängig von verfügbarer Zeit und vorliegender Informationsmenge. Die Forscher*innen aus Informatik und Wirtschaftswissenschaften erarbeiten im Projekt C02 eine Methode, die es ermöglicht, an unterschiedliche Situationen angepasste Modelle zu entwickeln. Dafür werden Expert*innen und Anwender*innen in den Konstruktionsprozess integriert. Das Ziel: Entscheidungsträger*innen sollen dazu befähigt werden, das am besten geeignete Modell zu wählen sowie die maschinelle Entscheidung im Nachhinein überprüfen zu können.
Forschungsgebiete: Informatik, Wirtschaftswissenschaften
Hilfskräfte
Nils Bojack, Universität Paderborn
Julia Rustemeier, Universität Paderborn
Luca Manuel Siekermann, Universität Paderborn
Publikationen
A. Lebedeva, J. Kornowicz, O. Lammert, J. Papenkordt, in: Artificial Intelligence in HCI, 2023.
J. Kornowicz, K. Thommes, Artificial Intelligence in HCI (2023).
J. Hanselle, J. Kornowicz, S. Heid, K. Thommes, E. Hüllermeier, in: Lernen, Wissen, Daten, Analysen (LWDA) Conference Proceedings, 2023.
J.M. Hanselle, J. Fürnkranz, E. Hüllermeier, in: Discovery Science, Springer Nature Switzerland, Cham, 2023.
S. Heid, J.M. Hanselle, J. Fürnkranz, E. Hüllermeier, International Journal of Approximate Reasoning 171 (2024).
M. Booshehri, H. Buschmeier, P. Cimiano, S. Kopp, J. Kornowicz, O. Lammert, M. Matarese, D. Mindlin, A.S. Robrecht, A.-L. Vollmer, P. Wagner, B. Wrede, in: Proceedings of the 2024 Workshop on Explainability Engineering, ACM, 2024, pp. 20–25.
J. Kornowicz, K. Thommes, ArXiv (2024).
S. Heid, J.M. Hanselle, J. Fürnkranz, E. Hüllermeier, International Journal of Approximate Reasoning 171 (2024).
Alle Publikationen anzeigen
