DATA SYSTEMS
Research Group
Die Data Systems Research Group (DS)
Mission
Der Umgang mit großen Datenmengen stellt in nahezu allen Bereichen der Forschung und Industrie eine Herausforderung dar. Unsere Mission ist es, innovative Datensysteme und Datenbanktechnologien zu entwickeln, die in der Lage sind, verschiedene Arten von Daten – wie etwa raumzeitliche Trajektoriendaten – mit skalierbarer Abfrageverarbeitung, ausdrucksstarker Modellierung und einheitlichen Schnittstellen für reale Anwendungen zu verarbeiten.
Zentrale Forschungsgebiete
- Trajektoriendatenmodelle und vereinheitlichte raumzeitliche Prädikatlogik mit Striktheitsstufen für räumliche und zeitliche Relationen unter Unsicherheit
- Spezialisierte Operatoren wie raumzeitliche Selektion, Zuschnitt und Ähnlichkeitsverbundoperationen sowie föderierte Abfrageoptimierung mittels Prädikat-Pushdown
- Historienunabhängige Routen- und Gebietsrekonstruktion in Straßennetzwerken aus spärlichen Fahrtdaten, ohne historische Trajektorien
- Erweiterbare Abfrage-Engines und Broker für heterogene Datenquellen unter Nutzung moderner Ausführungsframeworks
Moderne Datensysteme stehen vor Herausforderungen durch unterschiedliche Formate, inhärente Unsicherheit und die Notwendigkeit, über mehrere Quellen hinweg abzufragen – was die Analyse in Bereichen wie Mobilität, Ökologie und Logistik einschränkt. Trajektoriendaten verschärfen diese Herausforderungen durch variierende Speicherkonfigurationen, Lücken zwischen gesampelten Punkten, die Bewegungsunsicherheit erzeugen, sowie das Fehlen gemeinsamer Werkzeuge für raumzeitliche Abfragen.
In der DS-Gruppe begegnen wir diesen Herausforderungen mit robusten Trajektorienmodellen und unsicherheitsbehandelnden Abfragemethoden sowie Prototypsystemen, die vielfältige Quellen wie räumliche Datenbanken und Zeitreihendatenbanken miteinander verbinden. Unsere Forschung kombiniert theoretische Modellierung mit praktischen Abfrage-Engines und liefert erweiterbare Werkzeuge für die hochperformante, interaktive Analyse von Trajektorien und umfassenderen Daten-Workloads.
Zentrale Anwendungsbereiche umfassen
- Urbane Mobilität und Verkehrsanalyse in Straßennetzwerken
- Bewegungsökologie und Verfolgung kollektiver Verhaltensmuster
- Logistik, Umweltmonitoring und allgemeine raumzeitliche Systeme
Selected Prior Work and Example Projects
-
Outcome prediction and individualized treatment effect estimation in patients with large vessel occlusion stroke
SWITCH (2025) -
Interpretable Neural Causal Models with TRAM-DAGs
CLEAR (2025) -
Large language models to process, analyze, and synthesize biomedical texts: a scoping review
Discover Artificial Intelligence (2024)
-
Bernstein flows for flexible posteriors in variational Bayes
AStA (2024) -
Deep learning versus neurologists: functional outcome prediction in LVO stroke patients undergoing mechanical thrombectomy
Stroke (2023) -
Short-term density forecasting of low-voltage load using Bernstein-polynomial normalizing flows
IEEE Transactions on Smart Grid (2023)
Leitung
Mitglieder
Publikationen
Loading publications...