Unsere Forschungsin­teressen

In unserer Forschung beschäftigen wir uns mit einer Vielzahl interdisziplinärer Themen im Kontext von Data Analytics, Machine Learning und Optimierung. Neben methodischer Forschung in diesen Gebieten arbeiten wir an ihrer Anwendung -- insbesondere in Verkehr und Wirtschaft.

Ein Schwerpunkt unserer aktuellen Forschungsthemen ist die automatisierte Auswahl und Konfiguration von Algorithmen. Dabei handelt es sich um einen Teilbereich des "Automated Machine Learning" (AutoML), welches die erfolgreiche Anwendung komplexer Methoden auch für Einsteiger:innen ermöglicht.

Des Weiteren befassen wir uns mit der sogenannten Exploratory Landscape Analysis (ELA). Diese ermöglicht es, Instanzen von Optimierungsproblemen zu charakterisieren, auch wenn die zugrundeliegenden Probleme mathematisch nicht (oder höchstens nur sehr schwer) definiert werden können, sodass sie weitestgehend als "Black-Box" behandelt werden müssen. Dabei hilft ELA einerseits zu einem verbesserten Problemverständnis und andererseits ist sie essentiell für die automatisierte Algorithmenauswahl und -konfiguration auf diesen Problemen.

Als letztes Thema möchten wir die mehrkriterielle Optimierung hervorheben. Hier arbeiten wir insbesondere an einem verbessertem Verständnis der Multimodalität kontinuierlicher Probleme, wofür wir neue Visualisierungsmethoden und Optimierungsverfahren entwickeln.