Interdisziplinäre Grundlagenforschung zu KI und datengetriebenen Methoden

Die Wissenschaft verändert sich mit den neuen Möglichkeiten datengetriebener Forschung rasant. Um die Expertise im mathematisch-modellierenden Grundlagenbereich weiter auszubauen und überfakultär zur Verfügung zu stellen, werden eigene Professuren etabliert, die interdisziplinäre Fragestellungen in einem fakultätsverbindenden Setting bearbeiten und Inhalte und Methoden auf innovative Weise verbinden. Die Brückenprofessuren beziehen sich auf Kernbereiche von Künstlicher Intelligenz und Methoden datenbasierter Grundlagenforschung. Aufgabe und Ziel des Digital Methods Lab ist es, mit diesen Forschungsschwerpunkten die Methodenentwicklung im Bereich Künstlicher Intelligenz und datengetriebener Methoden (Data-driven methods) zu unterstützen und damit das Profil der Universität Graz in ihren datenorientierten Forschungsschwerpunkten (PBBe Biohealth, Climate Change, Smart Regulation und COLIBRI) zu stärken. Mit dem weiteren inhaltlich-thematischen Schwerpunkt in den Science and Technology Studies (STS) und auf Fragestellungen der digitalen Transformation im Kontext von Demokratie wird zudem die Brücke zu Forschungen aus dem Bereich Geistes-, Sozial-, Wirtschafts- und Rechtswissenschaften geschlagen.

Kontakt: Univ.-Prof. Dr. Petra Schaper Rinkel

Die Berufungsverfahren für die beiden Brückenprofessuren Machine Learning Methods und Data Analysis wurden eingeleitet. Ziel ist es, beide Professuren im Sommersemester 2024 zu besetzen.

Professur: „Machine Learning Methods“
Die im Berufungsverfahren befindliche Professur „Machine Learning Methods“ beschäftigt sich mit methodischen Entwicklungen von rechnerischen Methoden des maschinellen Lernens, insbesondere im Hinblick auf die Erschließung neuer interdisziplinärer Anwendungsgebiete. Zentrale Themenfelder hierbei sind zum Beispiel die Entwicklung neuartiger Techniken und Architekturen wie bestärkendes Lernen (reinforcement learning) oder generative Modelle (generative adversarial networks, variational autoencoders), die Einbindung etwa von naturwissenschaftlichen, ökonomischen, rechtswissenschaftlichen oder soziologischen Modellen sowie Fragen der Zuverlässigkeit und Konsistenz von neuronalen Netzwerken sowie anderen datenwissenschaftlichen Techniken bei deren Anwendung auf reale Fragestellungen in verschiedenen wissenschaftlichen Disziplinen.
Die/der zu berufende Professor:in hat wird in Partnerschaft mit der Professur „Data Analysis“ und Forschenden in den Fakultäten bzw. Instituten kooperieren und gemeinsam neue  Forschungsansätze etablieren. 

Professur: „Data Analysis“

Die neu zu berufende Professur „Data Analysis“ beschäftigt sich mit neuartigen Analysemethoden und -modellen in den Datenwissenschaften insbesondere im Hinblick auf Big Data im interdisziplinären Kontext einer allgemeinen Universität und in Abstimmung mit der Professur „Machine Learning Methods“. Ein zentraler Faktor der Digitalisierung in Bezug auf Forschung und Alltag sind ständig wachsende Datenmengen (Big Data) und deren methodische Grundfragen wie die Identifizierung grundlegender Parameter, die Quantifizierung von Unsicherheiten, das Finden von Gesetzmäßigkeiten und Mustern sowie die Nutzung durch moderne Digitalisierungsmethoden u.a. in naturwissenschaftlichen, ökonomischen oder rechts- und sozialwissenschaftlichen Anwendungsgebieten.
Die/der zukünftige Professor:in wird eng mit der Professur Machine Learning Methods sowie Partner:innen in den Fakultäten und Instituten zusammenarbeiten und neuartige interdisziplinäre Konzepte und Forschungsansätze etablieren. 

Das Data_Lab hat die Funktion, für die Forschenden am IDea_Lab und der Universität Graz eine sozio-technische Forschungsinfrastruktur bereitzustellen, die die technisch-methodische Planung und Durchführung von daten-intensiven Forschungsvorhaben unterstützt und die technische, intellektuelle und rechtlich sichere (Nach)Nutzung von Daten und Software in interdisziplinären, daten-intensiven Kontexten ermöglicht und erleichtert. Insbesondere werden datenintensive Forschungsvorhaben zu Fragestellungen der digitalen Transformation im Kontext von Demokratie unterstützt.

Der Teilbereich adressiert zwei Ziele:

• Die forschungsnahe, konzeptionelle Unterstützung der Weiterentwicklung und des Betriebs von Core Facilities (Systeme, Services, Beratung, Vernetzungs- und Schulungsangebote), die das bereits bestehende Angebot an zentralen und lokalen wissenschaftlichen IT Diensten der Universität Graz ergänzen und um interdisziplinäre Unterstützungsangebote für die Organisation, Verarbeitung, Analyse und Visualisierung von großen und/oder heterogenen Datenbeständen zu erweitern.
• Die (angewandte) interdisziplinäre Forschung aus dem Bereich infrastructure studies / critical data studies, insbesondere zu a) Methoden datenintensiver Forschung mit dem Fokus der Integration sozial-, rechts- und geisteswissenschaftlicher Datenbestände sowie zu b) Mechanismen, Bedingungen und Prozessen in der Entwicklung, Nutzung und Governance von fach- und institutionenübergreifenden Datenökosystemen.

Kontakt: Dipl.-Ing. (FH) MA. Michael Freidl