Vortrag: Visuelle Analyse von maschinellen Lernverfahren und Spielen

Im Zuge des aktuellen Hype um künstliche Intelligenz werden Methoden des maschinellen Lernens immer wichtiger - von einem reinen Expertenthema zu einem Thema, das für ein breites Publikum relevant ist. Viele Menschen wollen verstehen, wie diese Methoden funktionieren und wozu sie in der Lage sind. Mit zunehmenden Anwendungen des maschinellen Lernens in der Praxis wird es notwendig, Entscheidungen auf der Grundlage solcher Ansätze zu treffen. Daher ist es unerlässlich über solche Methoden aufzuklären und Wege aufzuzeigen, wie man die berechneten Empfehlungen nachvollziehen kann. Hin zu besser erklärbaren Methoden kann die Datenvisualisierung einen wichtigen Beitrag leisten. Visuelle Darstellungen der Ergebnisse liefern einen Kontext für die Entscheidungen, zeigen potenzielle Unsicherheiten und Risiken auf und machen transparent, wie und was der Algorithmus gelernt hat. Sie öffnen teilweise die Black Box, als die maschinelles Lernen häufig erscheint. Wir veranschaulichen die Möglichkeiten von Visualisierung an einem konkreten Beispiel, das interessante Muster komplexen Verhaltens zeigt: künstliche Agenten in Computerspielen.

Hinweis: Der Vortrag findet teilweise auf Englisch statt.

Zur Person

Fabian Beck ist Juniorprofessor an der Universität Duisburg-Essen und leitet dort die Forschungsgruppe für Visualisierung am Forschungsinstitut für Softwaretechnologie paluno. Seine Forschung beschäftigt sich mit Methoden zur Visualisierung dynamischer und komplexer Strukturen, häufig mit Anwendungen in der Softwaretechnik. Darüber hinaus untersucht er visuelle Datenanalysesysteme und die Integration von Visualisierungen in interaktive Dokumente. Er promovierte in Informatik an der Universität Trier im Jahr 2013. Bis 2016 arbeitete er als Postdoktorand am Visualisierungsinstitut der Universität Stuttgart (VISUS). Im Jahr 2018 wurde er mit dem EuroVis Young Researcher Award ausgezeichnet und wurde Junior Fellow des Fachverbands EUROGRAPHICS.

Shivam Agarwal ist wissenschaftlicher Mitarbeiter in der Forschungsgruppe von Prof. Beck. Er beschäftigt sich speziell mit der verständlichen Darstellung von Lernprozessen und Verhaltensmustern maschineller Lernverfahren und untersucht deren Anwendung im Bereich von Computerspielen. Im Rahmen der Konferenz NeurIPS 2019 wurde er mit einem Sonderpreis für seine Beiträge zum Pommerman-Wettbewerb ausgezeichnet – ein von ihm entwickeltes Visualisierungssystem half den Teilnehmende, das Verhalten ihrer künstlichen Agenten auszuwerten.

Homepage

https://www.vis.wiwi.uni-due.de/team/fabian-beck/
https://www.vis.wiwi.uni-due.de/team/shivam-agarwal/

Workshop: Mit Geschäftsprozessmodellen Digitalisierung neu denken

Nachhaltige digitale Innovationen in Unternehmen setzen die Fähigkeit voraus, die vordergründige Realität zunächst gedanklich zu überwinden. Geschäftsprozessmodelle haben sich diesbzgl. in Forschung und Praxis als geeignetes Hilfsmittel bewährt. Sie bieten Sprachkonzepte verbunden mit einer Visualisierung von Abläufen in Organisationen und sind geeignet, um zwischen den verschiedenen Interessengruppen in großen Softwareprojekten zu vermitteln.
Diverse Ergebnisse der Wirtschaftsinformatikforschung im Bereich der Geschäftsprozesse haben die Praxis der Softwareentwicklung nachhaltig geprägt. Geschäftsprozessmodelle dienen bspw. als Grundlage zur Anpassung betrieblicher Standard-Anwendungssoftware (ERP-Systeme). Es gibt verschiedene Geschäftsprozessmodellierungssprachen (u.a. EPKs, BPMN), die weltweit in Projekten zur Reorganisation und Anpassung bzw. Neuentwicklung von Informationssystemen in Unternehmen eingesetzt werden.
Dieser Fortbildungsworkshop ist im ersten Teil darauf gerichtet, einen Überblick über das Konzept der Geschäftsprozessmodelle zu geben. Dafür werden die grundlegenden Begriffe erläutert, BPMN als exemplarische Modellierungssprache eingeführt und aktuelle Forschungsfragen aufgezeigt. Im zweiten Teil wird erarbeitet, wie Geschäftsprozessmodelle auch im Unterricht dafür eingesetzt werden können, um (1) einen Diskurs bzgl. der Möglichkeiten und Implikationen von Digitalisierungsmaßnahmen anzuregen und (2) als Gestaltungswerkzeug zu dienen und mit ihrer Hilfe Anforderungen an eine Software in frühen Projektphasen zu konkretisieren und zu kommunizieren. Die hierin verwendeten Beispiele basieren auf Unterrichtserfahrungen in der Sek. II. 

Zur Person

Dr. Carola Schauer arbeitet als wissenschaftliche Assistentin am Lehrstuhl für Wirtschaftsinformatik und Unternehmensmodellierung (Prof. Dr. U. Frank) der Universität Duisburg-Essen. Ihre akademische Karriere begann 2003 mit einem Diplom in Informatik. Als wissenschaftliche Mitarbeiterin an einem Lehrstuhl für Wirtschaftsinformatik trug sie maßgeblich zum erfolgreichen Abschluss zweier DFG-Projekte bei: eines zum Themengebiet E-Commerce und eines zum Vergleich der Disziplin Wirtschaftsinformatik mit seinem internationalen Pendant Information Systems. Ihre eigene Dissertation veröffentlichte sie - nach Elternzeitpause - im April 2011 unter dem Titel "Die Wirtschaftsinformatik im internationalen Wettbewerb: Vergleich der Forschung im deutschsprachigen und nordamerikanischen Raum".

Seit 2019 koordiniert Frau Dr. Schauer das Programm "Schulbotschafter für Wirtschaftsinformatik" an der UDE, in dessen Rahmen Studierende das Fach Wirtschaftsinformatik an Schulen in NRW vorstellen. Sie entwickelt und evaluiert in diesem Kontext didaktische Konzepte zu Wirtschaftsinformatik-Themen, die darauf gerichtet sind, Oberstufenschülerinnen und -schülern einen kritisch-konstruktiven Blick auf Fragestellungen der Digitalisierung in Organisationen zu vermitteln.

Homepage

https://www.wi.wiwi.uni-due.de/ueber-uns/personen/carola-schauer/

Vortrag: Graph Pattern Matching und seine Anwendung zur Suche in semi-strukturierten Datenbeständen

In vielen Anwendungsbereichen gibt es semi-strukturierte Daten, die nicht sinnvoll in einfachen Tabellen gespeichert und verwaltet werden können. Stattdessen existieren viele Datenobjekte unterschiedlicher Ausprägung, die verschiedene Werte enthalten und durch komplexe Beziehungen untereinander weit verzweigte Netzwerke bilden. Diese lassen sich in Form typisierter und attributierter Graphen abbilden. Durch Graph Pattern Matching können differenzierte Suchanfragen an solche Graphen realisiert werden, die eine bequeme Suche in solchen semi-strukturierten Datenbeständen ermöglichen. Der Vortrag erläutert die wesentlichen Grundlagen und demonstriert an anschaulichen Beispielen, wie auf diese Weise praktische Probleme gelöst werden können.

Zur Person

Michael Striewe studierte Informatik mit Nebenfach Klassische Archäologie an der Technischen Universität Dortmund und der Ruhr-Universität Bochum. Er schloss das Studium 2007 als Diplom-Informatiker ab und promovierte 2014 am paluno - The Ruhr Institute for Software Technology mit einer Arbeit zur automatischen Bewertung von Programmier- und Modellierungsaufgaben. Unter dem Oberbegriff "Integrated E-Assessment" befasst er sich seitdem in seiner Forschung mit organisatorischen, (software-)technischen und didaktischen Aspekten von Technology-Enhanced Assessment. Besonderere Schwerpunkte seiner Arbeit sind dabei die automatische Erzeugung von kompetenzorientiertem Feedback in elektronischen Prüfungssystemen sowie Verfahren zur automatischen, domänenspezifischen Erzeugung von komplexen Übungs- und Prüfungsaufgaben.

Homepage

https://s3.paluno.uni-due.de/team/wissenschaftliche-mitarbeiterinnnen-und-mitarbeiter/michael-striewe

Workshop: Künstliche Intelligenz – Diskriminierungsrisiken durch Verwendung von Algorithmen

Als ein Inhaltsfeld des Bereichs "Informatik und Gesellschaft" wird es zunehmend wichtiger, die gesellschaftlichen Auswirkungen der "Künstlichen Intelligenz" im Informatikunterricht zu betrachten. Nach einem kurzen Input werden in Kleingruppen vorbereitete unerprobte Unterrichtsmaterialien evaluiert und anschließend diskutiert. Zusätzlich werden weitere Unterrichtsideen und Materialien zu dem Thema "Künstliche Intelligenz" für verschiedene Jahrgangsstufen vorgestellt. 

Hinweis: Bitte schauen Sie sich das Video "Künstliche Intelligenz vs. Machine Learning vs. Deep Learning" als Vorbereitung für den Workshop an.

Zur Person

Fatma Batur ist seit 2018 als abgeordnete Lehrkaft am Lehrstuhl Didaktik der Informatik tätig. Nach ihrem Studium an der Westfälischen Wilhelms-Universität in Münster (Mathematik und Informatik auf Lehramt GyGe) und dem Vorbereitungsdienst in Krefeld arbeitete sie ab 2014 als Studienrätin am Gymnasium Norf in Neuss. Dort engagierte sie sich vor allem in der Fachschaft Informatik und arbeitete an der Neuausrichtung des Wahlpflichtfachs Informatik in der Mittelstufe mit und entwickelte im Team ein Konzept für eine MINT-Klasse in der Erprobungsstufe. Während ihrer Abordnung beschäftigt sie sich vor allem mit der Forschung im Bereich "Schülervorstellungen zur objektorientierten Programmierung im Zusammenhang mit digitalen Spielen" und "Sprachbildung im Informatikunterricht". Darüber hinaus betreut sie das "Schülerlabor Informatik" und entwickelt mit Studierenden neue Workshops und Lernheiten.

Homepage

https://www.ddi.wiwi.uni-due.de/team/fatma-batur/