KI-Newcomer*innen 2023

Daniel Kirchner

Bamberg Bayern

Daniel Kirchner’s Forschungsarbeit entstand aus der Vorlesung Computational Metaphysics seines späteren Doktorvaters Christoph Benzmüller an der FU Berlin. Dort kam er erstmals sowohl mit automatisierten Beweisassistenten als auch mit Edward Zalta und seiner Abstract Object Theory in Kontakt. Sowohl Benzmüller als auch Zalta hatten bereits Grundsteine im Feld der Computational Metaphysics gelegt, also in der Anwendung von Computerverfahren auf philosophische Fragestellungen und Theorien in der Metaphysik. In diesem faszinierenden, interdisziplinären Feld siedelte Daniel dann zunächst seine Masterarbeit und später seine Doktorarbeit in Mathematik an, in der er die Logik von Zalta’s Abstract Object Theory mit Hilfe eines Shallow Semantic Embeddings im automatisierten Beweisassistenten Isabelle/HOL einbettet. Hierdurch wurden erstmals die existierenden Automatisierungsverfahren für klassische Logik höherer Stufe auf ein komplexes nicht-klassisches Logiksystem der Philosophie übertragen, was in Zusammenarbeit mit Zalta und Kollegen am Metaphysics Research Lab in Stanford zu einer erheblichen Weiterentwicklung der adressierten philosophischen Theorie führte, die als Fundamentaltheorie der Metaphysik und Grundlagentheorie für Philosophie und Mathematik dienen möchte.

Neben seiner leitenden Position in der Entwicklung der Programmiersprache Solidity für die Ethereum Foundation, setzt Daniel diese Forschungsarbeit nun am Lehrstuhl für KI-Systementwicklung der Universität Bamberg fort.

___

English:

Daniel Kirchner's research emerged from the Computational Metaphysics lecture of his future doctoral supervisor Christoph Benzmüller at the FU Berlin. It was there that he first came into contact with both automated proof assistants and Edward Zalta and his Abstract Object Theory. Both Benzmüller and Zalta had already laid foundations in the field of computational metaphysics, i.e. in the application of computer methods to philosophical questions and theories in metaphysics. It was in this fascinating, interdisciplinary field that Daniel first wrote his master's thesis and later his doctoral thesis in mathematics, in which he embedded the logic of Zalta's Abstract Object Theory in the automated proof assistant Isabelle/HOL using Shallow Semantic Embedding. This was the first time that existing automation procedures for higher-level classical logic were applied to a complex non-classical logic system of philosophy, which, in collaboration with Zalta and colleagues at the Metaphysics Research Lab at Stanford, led to a significant further development of the addressed philosophical theory, which aims to serve as a foundational theory of metaphysics and basic theory for philosophy and mathematics.

In addition to his leading position in the development of the Solidity programming language for the Ethereum Foundation, Daniel is now continuing this research work at the Chair of AI System Development at the University of Bamberg.

Daniel Kirchner beschäftigt sich in seiner Forschungsarbeit mit der Anwendung von automatisierten Beweisverfahren auf philosophische Theorien durch die Einbettung komplexer Logiken der formalen Metaphysik in klassische Logik.

___

English:

Daniel Kirchner's research focuses on the application of automated proof methods to philosophical theories by embedding complex logics of formal metaphysics in classical logic.

2

Daniel Palenicek

Darmstadt Hessen

Intelligente Roboter übernehmen zunehmend mehr unangenehme, körperliche oder gefährliche Arbeiten für den Menschen. Allerdings mangelt es den aktuellen Lernalgorithmen derzeit an Effizienz, was das Erlernen komplexer Aufgaben für Roboter oft noch schwierig bis unmöglich macht.

Mein Name ist Daniel Palenicek und ich promoviere an der TU Darmstadt zusammen mit hessian.AI über intelligente Roboter. In meiner Forschung zum Thema "Model-based Reinforcement Learning" beschäftige ich mich damit, wie Roboter mit Hilfe von gelernten Dynamikmodellen schneller und effizienter lernen können. Dabei fokussiere ich mich unter anderem darauf, welchen Einfluss auftretende Modellierungsfehler auf den Lernprozess haben und wie der Roboter trotz dieser – meist unvermeidbaren – Fehler erfolgreich lernen kann. Diese Robustheit ist für Industrie 5.0 und Robotik-Anwendungen außerhalb des akademischen Umfelds essenziell.

Vor meiner Promotion habe ich an der TU Darmstadt den B.Sc. und M.Sc. in Wirtschaftsinformatik absolviert und zusätzlich zwei jeweils sechsmonatige Forschungspraktika im Bosch Center for Artificial Intelligence und bei Huawei R&D London absolviert.

Ich möchte KI-Newcomer werden, da ich mich in meiner interdisziplinären Forschung mit einer der wichtigsten Grundvoraussetzungen beschäftige, um lernende Roboter raus aus dem Labor in die echte Welt zu bringen.

___

English:

Intelligent robots are increasingly taking over more unpleasant, physical or dangerous work for humans. However, current learning algorithms currently lack efficiency, which often still makes it difficult or impossible for robots to learn complex tasks.

My name is Daniel Palenicek and I am doing a PhD on intelligent robots at TU Darmstadt together with hessian.AI. In my research on the topic of "Model-based Reinforcement Learning", I am working on how robots can learn faster and more efficiently with the help of learned dynamics models. Among other things, I focus on the influence of occurring modelling errors on the learning process and how the robot can learn successfully despite these - mostly unavoidable - errors. This robustness is essential for Industry 5.0 and robotics applications outside the academic environment.

Prior to my PhD, I completed a B.Sc. and M.Sc. in Business Informatics at TU Darmstadt and also two six-month research internships each at the Bosch Center for Artificial Intelligence and Huawei R&D London.

I want to become an AI newcomer because my interdisciplinary research deals with one of the most important basic requirements for bringing learning robots out of the lab and into the real world.

Intelligente Roboter werden uns in Zukunft gefährliche Arbeiten abnehmen. Aktuellen Algorithmen fehlt es jedoch an Effizienz. Daniel Palenicek erforscht, wie Roboter mit Hilfe gelernter Dynamikmodelle effizienter lernen können.

___

English:

Intelligent robots will relieve us of dangerous work in the future. However, current algorithms lack efficiency. Daniel Palenicek explores how robots can learn more efficiently with the help of learned dynamics models.

3

Dominik Bär

Munich Bayern

Mein Name ist Dominik Bär. Ich bin Computational Social Scientist und entwickle modernste KI-Tools zur Lösung gesellschaftlicher Probleme. Meine Forschung befasst sich mit der Frage, wie wir KI nutzen können, um die Integrität sozialer Medien zu verbessern und Bedrohungen für die Gesellschaft zu entschärfen. Vor allem zielt meine Forschung darauf ab, einen positiven Einfluss auf die Gesellschaft zu haben, indem sie die Verbreitung von Fehlinformationen, Propaganda und Verschwörungstheorien in sozialen Medien eindämmt. So untersuche ich beispielsweise russische Propaganda während der Invasion in der Ukraine im Jahr 2022 und entwickle neuartige Modelle zur Moderation von Inhalten, um die Verbreitung von Propaganda effizient zu bekämpfen.

Für meine Forschung nutze ich modernste KI-Methoden wie große Sprachmodelle aus der natürlichen Sprachverarbeitung und (kausales) maschinelles Lernen. Dabei verbindet mein interdisziplinärer Ansatz Erkenntnisse aus den Sozialwissenschaften mit neuartigen Methoden aus der Informatik, um innovative KI-Ansätze zu entwickeln und gesellschaftlich relevante Forschungsfragen zu beantworten.

Derzeit arbeite ich als Doktorand am Institut für KI im Management der LMU München und dem Munich Center for Machine Learning (MCML), wo ich aktiv zu einem interdisziplinären Umfeld exzellenter KI-Forscher beitrage.

___

English:

My name is Dominik Bär. I am a computational social scientist developing cutting-edge AI tools to solve social issues. My research is about how we can use AI to improve the integrity of social media and mitigate new threats to society. Most importantly, my research aims to have a positive impact on society by curbing the spread of misinformation, propaganda, and conspiracy theories on social media. For example, I am studying Russian propaganda during the invasion of Ukraine in 2022 and developing novel content moderation models to effectively combat the spread of propaganda online.

For my research, I use state-of-the-art AI methods such as large language models from natural language processing and (causal) machine learning. In doing so, my interdisciplinary approach combines insights from the social sciences with novel computational methods to develop innovative AI approaches and answer impactful research questions.

I am currently working as a Ph.D. student at the Institute for AI in Management at LMU Munich and the Munich Center for Machine Learning (MCML), where I actively contribute to an interdisciplinary environment of excellent AI researchers.

Meine Forschung nutzt Methoden der künstlichen Intelligenz und des maschinellen Lernens, um soziale Fragen zu untersuchen. Dabei nutzen wir umfangreiche Daten aus sozialen Medien, um zum Beispiel Verschwörungstheoretiker aufzuspüren, die Verbreitung von Fehlinformationen zu untersuchen oder die Auswirkungen sozialer Medien auf Wahlen zu analysieren.

___

English:

My research leverages methods from AI and machine learning to study social issues. Here, we use large-scale data from social media, for example, to detect conspiracy theorist, study the spread of misinformation, or analyze the impact of social media on elections.

4

Duy Ho Minh Nguyen

Oldenburg Niedersachsen

Duy Nguyen schloss sein Masterstudium der Informatik an der Universität des Saarlandes und am Max-Planck-Institut für Informatik (MPI-INF) im April 2021 ab.

Zu seinen Forschungsthemen gehören Optimierungsalgorithmen und maschinelles Lernen. Danach wechselte er zum Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI) als hauptamtlicher Forscher in der Abteilung Interaktives Maschinelles Lernen. Von Mai bis Dezember 2021 war er als Forschungspraktikant an der University of California San Diego (UCSD) tätig. Dort untersuchte er Themen der Domänenanpassung und des Transferlernens für die medizinische Bildgebung. Im August 2022 war er einer der ausgewählten Kandidaten für die Teilnahme an der Oxford Machine Learning Summer School.
Bislang hat Duy mehrere Publikationen im Bereich Computer Vision, insbesondere im Bereich medizinischer Bilder, auf hochrangigen Konferenzen und in Fachzeitschriften wie WACV, AAAI, CVPR, Knowledge-Based Systems und Medical Image Analysis Journal veröffentlicht.

Aktuelle Forschung: Ich interessiere mich für die Übertragbarkeit von Algorithmen des selbstüberwachten Lernens mit Anwendungen in der Biomedizin. Aufgrund der Möglichkeit, Merkmalsrepräsentationen aus unmarkierten Daten abzuleiten, wird erwartet, dass selbstüberwachtes Lernen (SSL) den Mangel an markierten Proben beheben kann.

___

English:

Duy Nguyen completed his master's degree in computer science at Saarland University and the Max Planck Institute for Informatics (MPI-INF) in April 2021.

His research topics include optimisation algorithms and machine learning. He then moved to the German Research Center for Artificial Intelligence (DFKI) as a full-time researcher in the Interactive Machine Learning department. From May to December 2021, he was a research intern at the University of California San Diego (UCSD). There he investigated topics in domain adaptation and transfer learning for medical imaging. In August 2022, he was one of the selected candidates to attend the Oxford Machine Learning Summer School.
So far, Duy has published several papers in the field of computer vision, especially in the field of medical images, in high-level conferences and journals such as WACV, AAAI, CVPR, Knowledge-Based Systems and Medical Image Analysis Journal.

Current research: I am interested in the transferability of self-supervised learning algorithms with applications in biomedicine. Due to the ability to infer feature representations from unlabelled data, it is expected that self-supervised learning (SSL) can address the lack of labelled samples.

Ich interessiere mich für die Entwicklung automatisierter Lösungen, die die Effizienz und Genauigkeit von Deep-Network-basierten medizinischen Entscheidungsunterstützungssystemen verbessern, wobei wichtige Herausforderungen wie fehlende Trainingsdaten, unausgewogene Klassenverteilung, Domänenverschiebungen usw. berücksichtigt werden. Zu diesem Zweck untersuche ich Werkzeuge aus den Bereichen graphische neuronale Netze, diskret-kontinuierliche Optimierung und geometrisches Deep Learning, um robuste Algorithmen für maschinelles Lernen zu entwickeln, die gegenseitige Abhängigkeiten und interne Strukturen innerhalb von Objekten erfassen. Diese Forschungsarbeiten können in der Praxis für verschiedene medizinische Anwendungen genutzt werden, z. B. zur Vorhersage von Krebs im Frühstadium, zur Einstufung von diabetischer Retinopathie oder zur Vorhersage des Tumorwachstums usw.

___

English:

I am interested in developing automated solutions that improve the efficiency and accuracy of Deep Network-based medical decision support systems, taking into account important challenges such as missing training data, unbalanced class distribution, domain shifts, etc. To this end, I am investigating tools from graphical neural networks, discrete-continuous optimization, and geometric deep learning to develop robust machine learning algorithms that capture interdependencies and internal structures within objects. This research can be used in practice for various medical applications, such as predicting early stage cancer, classifying diabetic retinopathy, or predicting tumor growth, etc.

5

Hannah Stein

Saarbrücken Saarland

Hannah Stein ist Doktorandin und wissenschaftliche Mitarbeiterin an der Universität des Saarlandes und am Deutschen Forschungszentrum für Künstliche Intelligenz unter der Leitung von Prof. Wolfgang Maaß.

Bereits seit ihrem Studium der Betriebswirtschaftslehre ist sie hier als wissenschaftliche Mitarbeiterin und Projektmanagerin tätig. Sie beschäftigte sich im Kontext von Forschungsprojekten in den Domänen der Landwirtschaft, Lebensmittelproduktion und industrieller Produktion (z.B. Smart Farming Welt, EVAREST, SPAICER, QUASIM, FDA) mit experimentellen Ansätzen des Design Science, Anforderungsanalysen, Studien zur Nutzenevaluation von KI-basierten Smart Services, sowie insbesondere der monetären Bewertung von Daten und Datenökosystemen. Dabei wurde stets die praktische Relevanz der Ergebnisse für Endanwender in den Vordergrund gestellt, sowie die Überführung in wissenschaftlich relevante Veröffentlichungen, wie z.B. in Konferenzen wie der INFORMATIK, International and Americas Conference on Information Systems. In ihrer Forschung fokussiert sich Hannah insbesondere auf die Konzeption von Lösungen und Untersuchung von Problemstellungen an der Schnittstelle zwischen informationstechnischen und betriebswirtschaftlichen Fragestellungen.

___

English:

Hannah Stein is a doctoral student and research assistant at Saarland University and the German Research Centre for Artificial Intelligence under the direction of Prof. Wolfgang Maaß.

She has already been working here as a research assistant and project manager since her studies in business administration. In the context of research projects in the domains of agriculture, food production and industrial production (e.g. Smart Farming World, EVAREST, SPAICER, QUASIM, FDA), she dealt with experimental approaches of design science, requirement analyses, studies on the benefit evaluation of AI-based smart services, and especially the monetary valuation of data and data ecosystems. The focus has always been on the practical relevance of the results for end users, as well as the transfer into scientifically relevant publications, such as in conferences like INFORMATIK, International and Americas Conference on Information Systems. In her research, Hannah focuses in particular on the conception of solutions and investigation of problems at the interface between information technology and business management issues.

Hannah erforscht, wie subjektive Bewertungen, z.B. von Unternehmensdaten oder von persönlichen Daten in sozialen Medien, in objektive und nachvollziehbare KI-basierte Preisbildungsmethoden umgewandelt werden können, die in Datenmärkten und Datenökosystemen Anwendung finden könnten.

___

English:

Hannah is researching how to transform subjective valuations, such as of company data or of personal data in social media, into objective and trackable AI-based pricing methods that could be applied in data markets and data ecosystems.

6

Jan Weyerer

Speyer Rheinland-Pfalz

Jan C. Weyerer ist Doktorand bei Professor Bernd W. Wirtz am Lehrstuhl für Informations- und Kommunikationsmanagement an der Deutschen Universität für Verwaltungswissenschaften Speyer.

Jan beschäftigt sich mit den Auswirkungen von KI auf die Gesellschaft, Wirtschaft und den öffentlichen Sektor mit besonderem Fokus auf die Risiken und Governance von KI. Die dabei entstandenen Publikationen zu KI im öffentlichen Sektor gehören zum Teil weltweit zu den meistzitierten Arbeiten in diesem Forschungsfeld. Als Gastforscher bei Professor David J. Teece am Institute for Business Innovation an der University of California, Berkeley hat er zudem zur Rolle von KI in Zusammenhang mit dynamischen organisationalen Fähigkeiten und Business Model Innovation geforscht. In seinen aktuellen Forschungsprojekten befasst sich Jan insbesondere mit der Beziehung zwischen KI und dynamischen organisationalen Fähigkeiten, mit der Entstehung und Verbreitung digitaler Desinformation durch KI sowie KI-Governance-Mechanismen. Er verfolgt dabei einen integrativen, interdisziplinären Forschungsansatz, der im Bereich der Information-Systems-Forschung verortet werden kann.

Sein Ziel ist es, zur Entwicklung einer verantwortungsvollen KI-Governance beizutragen, die Innovation und Wertschöpfung durch KI stärkt und KI im Sinne der Menschlichkeit und öffentlichen Sicherheit gestaltet.

___

English:

Jan C. Weyerer is a PhD student with Professor Bernd W. Wirtz at the Chair of Information and Communication Management at the German University of Administrative Sciences Speyer.

Jan works on the impact of AI on society, the economy and the public sector, with a special focus on the risks and governance of AI. Some of the resulting publications on AI in the public sector are among the most cited works in this research field worldwide. As a visiting researcher with Professor David J. Teece at the Institute for Business Innovation at the University of California, Berkeley, he has also conducted research on the role of AI in the context of dynamic organisational capabilities and business model innovation. Jan's current research projects focus on the relationship between AI and dynamic organisational capabilities, the emergence and spread of digital disinformation through AI, and AI governance mechanisms. He pursues an integrative, interdisciplinary research approach that can be located in the field of information systems research.

His goal is to contribute to the development of responsible AI governance that strengthens innovation and value creation through AI and shapes AI in the interests of humanity and public safety.

Mein Forschungsinteresse gilt insbesondere der verantwortungsvollen strategischen Gestaltung der KI-Governance, um besser zu verstehen wie die Chancen von KI genutzt und Risiken vermieden und gemindert werden können.

___

English:

In particular, my research interest is in the responsible strategic design of AI governance to better understand how to exploit the opportunities of AI and avoid and mitigate risks.

7

Jonathan Zebhauser

Jonathan Zebhauser, Doktorand und wissenschaftlicher Mitarbeiter am Digital Entrepreneurship Hub (DEH) der Freien Universität Berlin, erforscht das Skalierungsverhalten von Unternehmen, die Technologien der Künstlichen Intelligenz (KI) nutzen.

Sein besonderes Interesse gilt der Frage, wie KI Startups und Unternehmen helfen kann, zu wachsen und zu gedeihen, und welche Strategien sie dabei unterstützen. Eingebettet in das europäische Ökosystem ist er besonders daran interessiert, wie KI-Unternehmen innerhalb des einzigartigen europäischen Kontextes Werte schaffen und wie Unternehmen, die aus diesem Kontext hervorgehen, auf globaler Ebene Wirkung erzielen können. Zusätzlich zu seinem Interesse an KI-Ventures interessiert er sich besonders dafür, wie gemeinnützige Organisationen ihre Wirkung skalieren können.

___

English:

Jonathan Zebhauser, PhD student and research associate at the Digital Entrepreneurship Hub (DEH) of Freie Universität Berlin, researches the scaling behaviour of companies using artificial intelligence (AI) technologies.

He is particularly interested in how AI can help startups and companies grow and thrive, and what strategies support them in doing so. Embedded in the European ecosystem, he is particularly interested in how AI companies create value within the unique European context and how companies that emerge from this context can make an impact on a global scale. In addition to his interest in AI ventures, he is particularly interested in how non-profit organisations can scale their impact.

Es ist zwar viel darüber bekannt, wie "traditionelle" digitale Unternehmen wachsen - aber wie skalieren wir KI-basierte Unternehmen? Unser Ziel ist es, besser zu verstehen, was KI-Unternehmen auszeichnet und welche Mechanismen eine beschleunigte Skalierbarkeit aus unternehmerischer Sicht ermöglichen, damit wir den Einfluss "europäischer" KI-Lösungen sowie anderer Regionen, die derzeit noch nicht so weit sind wie z. B. die USA oder China, erhöhen können. Wir wollen den Weg für alternative Anbieter von KI-Lösungen in großem Maßstab ebnen.

Um diesem Ziel näher zu kommen, führen wir in einem wissenschaftlichen Rahmen kontinuierlich Interviews und Umfragen mit Gründern, Entscheidungsträgern und Investoren durch, die Erfahrungen mit KI-Unternehmen, insbesondere im europäischen Kontext, gesammelt haben. Ziel unserer Forschung ist es, einen offenen strategischen Rahmen zu schaffen, der den Akteuren hilft, gemeinsame Herausforderungen beim Aufbau von KI-Lösungen zu bewältigen.

___

English:

While there is much known about how "traditional" digital ventures grow - how do we scale AI-based ventures? Our goal is to better understand what distinguishes AI ventures and which mechanisms enable accelerated scalability from an entrepreneurial perspective, so we can increase the impact of "European" AI solutions as well as other regions which are currently not as far as e.g., the US or China. We want to pave the way for alternative providers of AI solutions on scale.

To get closer to this goal, we continuously conduct interviews and surveys in a scientific framework with founders, decision makers and investors who have gained experience with AI ventures, especially in an European context. The goal of our research is to provide open strategic frameworks that help actors to overcome common challenges of building AI solutions.

8

Juliane Ressel

Köln Nordrhein-Westfalen

Juliane Ressel ist Doktorandin an der University of Limerick, als Teil der Emerging Risk Group. Sie forscht in Kooperation mit dem Institut für Versicherungswesen (ivwKöln) der TH Köln, wo sie als wissenschaftliche Mitarbeiterin an der Forschungsstelle Versicherungsmarkt tätig ist. Sie wurde für die dreijährige Mathilde-von-Mevissen-Promovendinnenförderung der TH Köln ausgewählt.

Julianes Forschungsschwerpunkt ist die interdisziplinäre Betrachtung und kritische Analyse des Einsatzes von Künstlicher Intelligenz und Big Data Analytics in der Versicherungswirtschaft. Wir sehen in diesem speziellen Umfeld ein Zusammentreffen von Komplexität, Langlebigkeit und menschlicher Sicherheit. Frühere Untersuchungen haben gezeigt, dass die Verbraucher den Ratschlägen von KI in medizinischen oder versicherungstechnischen KI-Szenarien, bei denen viel auf dem Spiel steht, nur ungern vertrauen und ihnen folgen. Letzteres ist daher ein hervorragender Testfall, um die Rolle des Vertrauens in der Mensch-KI-Interaktion zu untersuchen. Ihr Forschungsprojekt zielt darauf ab, durch die Entwicklung eines maßgeschneiderten Rahmens für die Risikobeherrschung einen Beitrag zu den aktuellen politischen Maßnahmen zu leisten.

___

English:

Juliane Ressel is a PhD student at the University of Limerick, as part of the Emerging Risk Group. She is conducting research in cooperation with the Institute for Insurance Studies (ivwKöln) at TH Köln, where she is a research associate in the Insurance Market Research Center.

She has received a three-year scholarship as part of the Mathilde von Mevissen Programme at TH Köln. Juliane's research focus is the interdisciplinary consideration and critical analysis of the use of Artificial Intelligence and Big Data Analytics in the insurance industry. We see a confluence of complexity, longevity and human security in this particular environment. Previous research has shown that consumers are reluctant to trust and follow AI advice in medical or insurance AI scenarios where the stakes are high. The latter is therefore an excellent test case to investigate the role of trust in human-AI interaction. Their research project aims to contribute to current policies by developing a tailored risk governance framework.

Das Dissertationsprojekt untersucht kritisch, was eine "vertrauenswürdige" Annahme von algorithmischen Entscheidungsfindungssystemen (ADM) in der europäischen Versicherungsbranche ausmacht. Ziel ist es, ein besseres Verständnis der Faktoren zu erlangen, die die Entscheidung über das Vertrauen beeinflussen. Mit dem zunehmenden Einsatz von ADM-Systemen zur Ergänzung der menschlichen Entscheidungsfindung entstehen unweigerlich Bedenken hinsichtlich der Vertrauenswürdigkeit und (Un-)Fairness von Algorithmen. Dies hat viele Interessengruppen dazu veranlasst, Governance-Initiativen ins Leben zu rufen und Leitlinien zu veröffentlichen. Ein gemeinsames Thema ist der Begriff des Vertrauens, um die Akzeptanz und Nutzung durch die Verbraucher vorherzusagen. Normative Ansätze gibt es viele, aber ein systematisches Verständnis der vertrauensbildenden Mechanismen in der Mensch-KI-Interaktion fehlt noch. Das Versicherungswesen ist ein hervorragender Testfall für die Untersuchung von Vertrauen im Zusammenhang mit KI, da hier Komplexität, Langlebigkeit und menschliche Sicherheit zusammentreffen.

___

English:

The PhD research project critically examines what constitutes a 'trustworthy' adoption of Algorithmic Decision Making (ADM) systems in the European insurance industry. The aim is to enhance an understanding of factors that drive the trust judgment call. Along with the increasing use of ADM systems to complement human decision-making, concerns about algorithmic trustworthiness and (un-)fairness inevitably arise. This has prompted many stakeholders to establish governance initiatives and publish guidelines. A common theme is the notion of trust to predict consumer acceptance and use. Normative approaches abound, but a systematic understanding of trust-building mechanisms in human-AI interaction is still lacking. Insurance presents a par-excellence test case for interrogating trust around AI as it comprises a confluence of complexity, longevity and human security.

9

Kaiserslautern-Landau Rheinland-Pfalz

Khurram Azeem Hashmi

Khurram Azeem Hashmi ist Doktorand im dritten Jahr an der Universität Kaiserslautern-Landau (RPTU) und arbeitet als Forscher am Deutschen Forschungsinstitut für Künstliche Intelligenz (DFKI).

Er erforscht derzeit neuartige Methoden zur Verbesserung der Objekterkennung in Videos und unter schwierigen Umgebungsbedingungen, wie z.B. rauen Wetterverhältnissen. Da die Objekterkennung eines der grundlegenden Probleme des Computersehens ist, glaubt er, dass die Verbesserung von Objekterkennungsmethoden verschiedene nachgelagerte Aufgaben des Computersehens erleichtern wird, wie z.B. Bild-/Videobeschriftung, Objektverfolgung und Szenen-/Videoanalyse unter komplexen Bedingungen.

Er hat seinen Master in Informatik an der RPTU gemacht. Zu seinen weiteren Forschungsinteressen gehören selbstüberwachtes Repräsentationslernen für Bilder und Videos, dichte Vorhersageaufgaben und Dokumentenbildanalyse. Innerhalb einer kurzen Forschungszeit von 2,5 Jahren erreichte er einen h-Index von 8 und hat 17 Veröffentlichungen in renommierten Forschungseinrichtungen wie BMVC, WACV, Journal of Imaging, IEEE Access und Sensors. Neben seiner Tätigkeit als Gutachter für wichtige Konferenzen im Bereich Computer Vision, wie ECCV und BMVC, begutachtet er aktiv Zeitschriftenartikel von IEEE Access, Springer Nature und Neurocomputing.
Außerdem ist er Co-Tutor der Master-Vorlesung über Deep Learning am RPTU. Darüber hinaus konzentriert sich seine aktuelle Arbeit am DFKI auf die Entwicklung eines energieeffizienten autonomen Navigationssystems für Montageroboter, das sich frei bewegen und Kollisionen vermeiden kann.

___

English:

Khurram Azeem Hashmi is a third-year PhD student at the University of Kaiserslautern-Landau (RPTU) and works as a researcher at the German Research Institute for Artificial Intelligence (DFKI).

He is currently researching novel methods to improve object recognition in videos and under difficult environmental conditions, such as harsh weather conditions. Since object recognition is one of the fundamental problems of computer vision, he believes that improving object recognition methods will facilitate various downstream tasks of computer vision, such as image/video annotation, object tracking and scene/video analysis under complex conditions.

He did his master's degree in computer science at RPTU. His other research interests include self-supervised representation learning for images and videos, dense prediction tasks and document image analysis. Within a short research period of 2.5 years, he achieved an h-index of 8 and has 17 publications in reputed research outlets such as BMVC, WACV, Journal of Imaging, IEEE Access and Sensors. In addition to being a reviewer for major computer vision conferences such as ECCV and BMVC, he actively reviews journal articles from IEEE Access, Springer Nature and Neurocomputing.
He is also a co-tutor of the Master's lecture on Deep Learning at RPTU. Furthermore, his current work at DFKI focuses on the development of an energy-efficient autonomous navigation system for assembly robots that can move freely and avoid collisions.

Derzeit arbeitet er an einem energieeffizienten autonomen Navigationssystem für Montageroboter mit besonderem Schwerpunkt auf der Objekterkennung in multimodalen Videoströmen, die in schwierigen Umgebungen, wie z. B. bei rauen Wetterbedingungen, aufgenommen wurden.

___

English:

He is currently working on an energy-efficient autonomous navigation system for assembly robots, with a particular focus on object recognition in multimodal video streams captured in challenging environments such as harsh weather conditions.

10

Kim Albrecht

Kim Albrecht visualisiert kulturelle, technologische und wissenschaftliche Erkenntnisformen. Seine Diagramme entfalten und hinterfragen Strukturen der Repräsentation und erforschen die Ästhetik von Technologie und Gesellschaft.

Kim Albrecht ist leitender Forscher am interkontinentalen und interdisziplinären Forschungslabor metaLAB (at) Harvard / Freie Universität Berlin. Kim promovierte an der Universität Potsdam in Medientheorie. Als Designforscher*in erkundet Kim Albrecht die Grenzen des visuellen Wissens im postdigitalen Zeitalter. Durch Daten, Programmierung, Netzwerke und dem Algorithmischen betrachte, untersucht und setzt sich Kim kritisch mit taktgebenden Phänomenen an der Schnittstelle von Kultur und Technik auseinander. Kim Albrecht lebt und arbeitet in Berlin und stellte unter anderem im Harvard Art Museum, MIT List Visual Arts Center, Four Domes Pavilion Wrocław, Ars Electronica Center, Cooper Hewitt, Cube Design Museum, ZKM Zentrum für Kunst und Medien Karlsruhe, der Kästner Gesellschaft, der Wrong Biennial, Istanbul Contemporary Art Museum und im Kunsthaus Graz aus.

___

English:

Kim Albrecht visualises cultural, technological and scientific forms of knowledge. His diagrams unfold and question structures of representation and explore the aesthetics of technology and society.

Kim Albrecht is a senior researcher at the intercontinental and interdisciplinary research lab metaLAB (at) Harvard / Freie Universität Berlin. Kim holds a PhD in media theory from the University of Potsdam. As a design researcher, Kim Albrecht explores the boundaries of visual knowledge in the post-digital age. Through data, programming, networks and the algorithmic, Kim critically examines and engages with clocking phenomena at the intersection of culture and technology. Kim Albrecht lives and works in Berlin and has exhibited at the Harvard Art Museum, MIT List Visual Arts Center, Four Domes Pavilion Wrocław, Ars Electronica Center, Cooper Hewitt, Cube Design Museum, ZKM Zentrum für Kunst und Medien Karlsruhe, Kästner Gesellschaft, Wrong Biennial, Istanbul Contemporary Art Museum and Kunsthaus Graz, among others.

Kim Albrecht visualisiert kulturelle, technologische und wissenschaftliche Erkenntnisformen. Er ist leitender Forscher am metaLAB (at) Harvard / FU Berlin und promovierte an der Universität Potsdam in Medientheorie.

___

English:

Kim Albrecht visualizes cultural, technological and scientific forms of knowledge. He is a senior researcher at metaLAB (at) Harvard / FU Berlin and holds a PhD in media theory from the University of Potsdam.

11

Stuttgart Baden-Württemberg

Larissa Triess

Larissa Triess ist Forschungsingenieurin auf dem Gebiet des maschinellen Lernens für autonomes Fahren.

Im Dezember 2022 verteidigte sie erfolgreich ihre Doktorarbeit "LiDAR Domain Adaptation - Automotive 3D Scene Understanding" am Karlsruher Institut für Technologie in Kooperation mit der Mercedes-Benz AG. Der Schwerpunkt ihrer Forschung liegt auf skalierbaren KI-basierten Systemen für automatisierte Fahrzeuge. Einer der Hauptbeiträge ihrer Dissertation ist eine effektive Pipeline, die realistische 3D-LiDAR-Punktwolken generiert, die Qualität der generierten Daten automatisch bewertet und die Daten zum Trainieren und Bewerten eines Wahrnehmungsmodells verwendet. Diese Arbeit ist im International Journal of Computer Vision (IJCV), in sechs weiteren Erstautorenbeiträgen auf internationalen Top-Konferenzen und in sieben veröffentlichten Patenten veröffentlicht.

Seit Oktober 2021 arbeitet Larissa als Machine Learning Engineer in der Abteilung Autonomes Fahren bei Mercedes-Benz. Zusätzlich zu ihren Aufgaben als Product Owner, Algorithmenentwicklerin und Work Package Lead in einem öffentlich geförderten Forschungsprojekt hält sie Gastvorträge an Universitäten und ist Associate Editor und Hauptorganisatorin des "Autonomy@Scale"-Workshops auf dem IEEE Intelligent Vehicles Symposium in den Jahren 2022 und 2023.

___

English:

Larissa Triess is a research engineer in the field of machine learning for autonomous driving.

In December 2022, she successfully defended her PhD thesis "LiDAR Domain Adaptation - Automotive 3D Scene Understanding" at the Karlsruhe Institute of Technology in cooperation with Mercedes-Benz AG. The focus of her research is on scalable AI-based systems for automated vehicles. One of the main contributions of her dissertation is an effective pipeline that generates realistic 3D LiDAR point clouds, automatically evaluates the quality of the generated data and uses the data to train and evaluate a perception model. This work has been published in the International Journal of Computer Vision (IJCV), six other first author papers at top international conferences and seven published patents.

Larissa has been working as a Machine Learning Engineer in the Autonomous Driving department at Mercedes-Benz since October 2021. In addition to her roles as Product Owner, Algorithm Developer and Work Package Lead in a publicly funded research project, she guest lectures at universities and is Associate Editor and main organiser of the "Autonomy@Scale" workshop at the IEEE Intelligent Vehicles Symposium in 2022 and 2023.

Larissa Triess ist Forschungsingenieurin für KI-basierte Umgebungswahrnehmung für autonome Fahrzeuge. Sie treibt den Stand der Technik mit Lösungen für skalierbares automatisiertes Fahren und effiziente Pipelines für maschinelles Lernen voran.

___

English:

Larissa Triess is a research engineer for AI-based environment awareness for autonomous vehicles. She advances the state of the art with solutions for scalable automated driving and efficient machine learning pipelines.

12

Konstanz Baden-Württemberg

Liat Grayver

Liat Grayver (1986, Kfar Yehezkel, Israel) ist eine in Berlin ansässige, interdisziplinäre Malerin und Medienkünstlerin, die Methoden erforscht, um eine der ursprünglichsten Formen der Kunst - die Malerei - im heutigen technologiebasierten Zeitalter neu zu definieren.

Seit Januar 2016 arbeitet Grayver in Zusammenarbeit mit der Universität Konstanz an der Entwicklung des Malroboters e-David und erforscht verschiedene Ansätze zur Integration von Roboter- und Computersprachen in den Prozess der Malerei und kreativen Bildgestaltung. Sie ist aktives Mitglied von SALOON - Netzwerk für Frauen der Berliner Kunstszene und assoziierte Forschungskünstlerin im Programm Epistemologien ästhetischer Praktiken an der ETH Zürich. Derzeit hat Grayver eine Junior Fellowship Position am Collegium Hellveticum, ETHZ, inne und arbeitet an der Entwicklung von kreativen generativen Prozessen, die einen Dynamic Vision Sensor (DVS) in-the-loop für visuelles Feedback nutzen.

Im Jahr 2022 war sie Mitbegründerin von EACVA - Embodied Agents in Contemporary Visual Art, einer multidisziplinären Zusammenarbeit zwischen Künstlern, Philosophen, Psychologen und Computer-/Robotik-Ingenieuren, die sich der Erforschung des Einsatzes von Robotern als interaktives malerisches Werkzeug und deren Einfluss auf Kreativität, Autorenschaft und Handlungsfähigkeit in künstlichen Systemen widmet. EACVA erhielt ein AHRC-DFG-Kooperationsstipendium für kunst- und geisteswissenschaftliche Forschung (2023-2025); eine interdisziplinäre Zusammenarbeit, die von Goldsmiths, University of London, und der Universität Konstanz ausgerichtet wird.

___

English:

Liat Grayver (1986, Kfar Yehezkel, Israel) is a Berlin-based interdisciplinary painter and media artist exploring methods to redefine one of the most primal forms of art - painting - in today's technology-based age.

Since January 2016, Grayver has been working in collaboration with the University of Konstanz on the development of the painting robot e-David, exploring different approaches to integrating robotic and computer languages into the process of painting and creative image-making. She is an active member of SALOON - Network for Women in the Berlin Art Scene and an associate research artist in the Epistemologies of Aesthetic Practices programme at ETH Zurich. Currently Grayver holds a Junior Fellowship position at Collegium Hellveticum, ETHZ, working on the development of creative generative processes that use a Dynamic Vision Sensor (DVS) in-the-loop for visual feedback.

In 2022 she co-founded EACVA - Embodied Agents in Contemporary Visual Art, a multidisciplinary collaboration between artists, philosophers, psychologists and computer/robotic engineers dedicated to exploring the use of robots as interactive painterly tools and their impact on creativity, authorship and agency in artificial systems. EACVA was awarded an AHRC-DFG Collaborative Arts and Humanities Research Grant (2023-2025); an interdisciplinary collaboration hosted by Goldsmiths, University of London, and the University of Konstanz.

In meiner Arbeit artikuliere, katalogisiere und bewerte ich Paradigmen der Kreativität im Bereich maschinengestützter Prozesse, wobei ich mich weitgehend auf meine eigene robotergestützte Malpraxis stütze und gleichzeitig die Diskussion über Methoden der menschlichen Ausdrucksfähigkeit unter Verwendung von Informationsvisualisierung in einer Ära der Massenkommunikation generierter Bilder erweitere. Die Forschung konzentriert sich darauf, wie der Einsatz neu entwickelter Technologien auf die Aufgabe angewandt werden kann, die vorherrschenden Bedingungen und Regeln für die Wertschätzung und das Verständnis visueller Kunst zu verlernen, die in den Lern- und Denkprozessen in weiten Teilen der westlichen Welt verankert sind. Die treibende Kraft hinter meiner Arbeit ist die fortwährende Untersuchung der visuellen Aspekte von Wahrnehmung und Absicht, von Darstellung und Präsentation sowohl künstlicher als auch natürlicher (aus der Natur stammender) Elemente und Symbole.
Der Arbeitsprozess konzentriert sich auf die Beziehung zwischen taktil-physischen und wahrnehmungskulturellen Elementen im Prozess der Herstellung eines Gemäldes, wobei Computer- und Robotertechnologien mit Unterstützung von visuellem Feedback, Bewegungsverfolgungssystemen und Methoden des maschinellen Lernens eingesetzt werden.

___

English:

should include a short statement on your research and will be used for social media announcements.

My work articulates, catalogue and assess paradigms of creativity in the realm of machine-assisted processes — based largely on my own robotic painting practice while broadening the discussion around methods of human expressivity using information visualization in an era of mass communication of generated images. The research focus on how the use of recently developed technologies can be applied to the task of unlearning the prevalent conditions and rules for the appreciation and comprehension of visual art entrenched in the learning and thinking processes throughout much of the Western world. The driving power behind my work is the ongoing investigation into the visual aspects of perception and intention, of representation and presentationof both artificial and natural (from nature) elements and symbols.

The working process focus on the relation between tactile-physical and perceptual-cultural elements in the process of making a painting, using computer and robotic technologies with the support of visual feedback, motion-tracking systems and machine learning methodologies.

13

Karlsruhe Baden-Württemberg

Luca Rettenberger

Luca Rettenberger ist Doktorand am Institut für Automation und Angewandte Informatik (IAI), einer Forschungseinrichtung des Karlsruher Instituts für Technologie (KIT). Während seines Bachelorstudiums an der Fachhochschule Ravensburg-Weingarten beschäftigte er sich mit der automatischen Sensordatenverarbeitung im Gesundheitswesen. In seiner Bachelorarbeit entwickelte er ein System zur Erkennung von Anomalien im Gangbild von Gehhilfenbenutzern. Während seines Masterstudiums entwickelte sich sein Interesse an Computer Vision im biomedizinischen Bereich, was sich in seiner Masterarbeit manifestierte, die dateneffiziente Methoden im Deep Learning untersucht. Dieser Faszination geht er nun in seiner Doktorarbeit weiter nach. Hier liegt sein Fokus auf Methoden für Dateneffizienz und Repräsentationslernen im Bereich des Computer Vision mit einem Schwerpunkt auf Deep Learning Methoden und Anwendungen im biomedizinischen Bereich. In seinem ersten Jahr hat er Methoden zum Umgang mit mehrdeutigen Daten, zur Verringerung des manuellen Aufwands bei der semantischen Segmentierung und mehrere Studien darüber veröffentlicht, wie Deep Learning zur Bestimmung der biologischen Vielfalt eingesetzt werden kann. Darüber hinaus hat er sein Interesse auf Fragen der Nachhaltigkeit ausgeweitet und arbeitet daher an der Batterieforschung in Zusammenarbeit mit der CEDER-Gruppe an der University of California, Berkeley.

___

English:

Luca Rettenberger is a doctoral student at the Institute for Automation and Applied Informatics (IAI), a research facility of the Karlsruhe Institute of Technology (KIT). During his bachelor's degree at Ravensburg-Weingarten University of Applied Sciences, he worked on automatic sensor data processing in healthcare. In his bachelor's thesis, he developed a system for detecting anomalies in the gait pattern of walking aid users. During his Master's degree, his interest in computer vision in the biomedical field developed, which manifested itself in his Master's thesis investigating data-efficient methods in Deep Learning. He is now pursuing this fascination further in his doctoral thesis. Here, his focus is on methods for data efficiency and representation learning in computer vision, with an emphasis on deep learning methods and applications in the biomedical field. In his first year, he has published methods for dealing with ambiguous data, reducing manual effort in semantic segmentation and several studies on how Deep Learning can be used to determine biodiversity. He has also broadened his interest to include sustainability issues and is therefore working on battery research in collaboration with the CEDER group at the University of California, Berkeley.

Luca Rettenberger ist Doktorand mit Fokus auf dateneffizientes Deep Learning und semantische Segmentierung. Seine Veröffentlichungen beinhalten Ergebnisse zu Computer Vision in den Bereichen Biodiversitätsforschung und Biomedizin.

___

English:

Luca Rettenberger is a PhD student focusing on data-efficient deep learning and semantic segmentation. His publications include results on computer vision in biodiversity research and biomedicine.

14

Lübeck Schleswig-Holstein

Marcel Wienöbst

Marcel Wienöbst arbeitet seit 2019 am Institut für Theoretische Informatik der Universität zu Lübeck an seiner Dissertation zum Thema "Algorithms for Causal Discovery", welche sich mit grundlegenden Problemstellungen in der Kausalitätsforschung befasst.

Kausale Fragen dominieren unsere Welt: in alltäglichen Gedankenspielen wie "Was wäre wenn...?", aber auch in den empirischen Wissenschaften, beispielhaft in der Medizin, wo Fragen wie "Hat das neue Medikament die Patientin geheilt?" die Ärzte beschäftigen. Genauso wird von vertrauenswürdigen und erklärbaren KI-Systemen ein tiefes Verständnis von Ursache und Wirkung erwartet.

Durch die von Turing-Award Gewinner Judea Pearl geprägte Kausalitätslehre auf Basis von graphischen Modellen lassen sich kausale Systeme transparent, intuitiv und mathematisch sauber beschreiben. Um diese Techniken für große Datenmengen nutzbar zu machen, sind jedoch effiziente Algorithmen nötig. Solche entwirft Marcel Wienöbst in seiner Forschung und konnte hier bereits fundamentale Probleme lösen, insbesondere zum besseren Verständnis und zur effizienten Handhabung von Markoväquivalenzklassen. Diese bestehen aus durch Beobachtungsdaten nicht unterscheidbaren Modellen und spielen damit eine zentrale Rolle beim Lernen von kausalen Beziehungen im Big-Data Zeitalter. Seine Entwicklung dieser neuen Algorithmen wurde mit mehreren Preisen ausgezeichnet, darunter der Distinguished Paper Award (AAAI 2021) und der Best Student Paper Award (UAI 2021 und 2022).

___

English:

Marcel Wienöbst has been working at the Institute for Theoretical Computer Science at the University of Lübeck since 2019 on his dissertation on "Algorithms for Causal Discovery", which deals with fundamental problems in causality research.

Causal questions dominate our world: in everyday thought games such as "What if...?", but also in the empirical sciences, for example in medicine, where questions such as "Did the new drug cure the patient?" occupy doctors. In the same way, trustworthy and explainable AI systems are expected to have a deep understanding of cause and effect.

Causality theory, coined by Turing Award winner Judea Pearl, based on graphical models allows causal systems to be described transparently, intuitively and mathematically cleanly. However, efficient algorithms are needed to make these techniques usable for large amounts of data. Marcel Wienöbst designs such algorithms in his research and has already been able to solve fundamental problems, in particular for a better understanding and efficient handling of Markov equivalence classes. These consist of models that cannot be distinguished by observational data and thus play a central role in learning causal relationships in the Big Data age. His development of these new algorithms has won several awards, including the Distinguished Paper Award (AAAI 2021) and the Best Student Paper Award (UAI 2021 and 2022).

Machen Süßigkeiten schlank oder Handyspiele süchtig? Solche kausalen Aussagen begegnen uns immer wieder. In seiner Dissertation untersucht Marcel Wienöbst, ob und wie es überhaupt möglich ist, aus Daten kausale Schlüsse zu ziehen.

___

English:

Do sweets make you slim or mobile games addictive? We encounter such causal statements again and again. In his dissertation, Marcel Wienöbst investigates whether and how it is at all possible to draw causal conclusions from data.

15

Moisés Horta Valenzuela

Moisés Horta Valenzuela ist ein autodidaktischer Künstler, Technologe, Forscher und Musiker aus Tijuana, Mexiko, der in Berlin lebt und die Schnittpunkte von Computermusik, künstlicher Intelligenz und der Politik neuer digitaler Technologien erforscht. Seine Kunstwerke erforschen Themen wie Liminalität, Widerstand und Glitch-Identitäten durch elektronische Musik, generative audiovisuelle KI-Performances und synthetische visuelle Erzählungen.

Unter seinem Pseudonym hexorcismos schafft er eine einzigartige Verbindung zwischen altertümlichen und hochmodernen Klangtechnologien, die er durch die kritische Linse der dekolonialen Theorie betrachtet, sowie durch seine eigenen Erfahrungen, die er im Kontext der Grenze zwischen den USA und Mexiko gemacht hat. Seine Arbeit wurde unter anderem auf der Ars Electronica, dem MUTEK Festival, dem Transart Festival, dem MUTEK: AI Art Lab Montreal, dem Elektron Musik Studion, dem CTM Festival: Music Makers Hacklab, dem California Institute of the Arts und der Royal Academy of Music Stockholm vorgestellt.

Sein laufendes künstlerisches Forschungsprojekt 'SEMILLA A.I.' ist ein neues KI-Musikinstrument, das mit dem Ziel entwickelt wurde, die neuronale Audiosynthese zu demokratisieren, wobei der Schwerpunkt eher auf der Erweiterung als auf der Automatisierung des musikalischen Prozesses liegt. Sein aktuelles kollaboratives Musikalbum "MUTUALISMX: Becoming Sonic Networks" lädt 12 Musiker der Global Majority ein, mit SEMILLA A.I. zu arbeiten und den Prozess des Aufbaus einer "A.I Mutual" und das Konzept des "sonic becoming" zu erkunden.

___

English:

Moisés Horta Valenzuela is an autodidact artist, technologist, researcher and musician from Tijuana, México, based in Berlin, who explores the intersections of computer music, Artificial Intelligence and politics of emerging digital technologies. His artworks explore themes of liminality, resistance and glitch identities through electronic music, generative AI audio-visual performances and synthetic storytelling visual pieces.

Under his alias hexorcismos, he creates a unique connection between ancient and cutting-edge sound technologies, approached through the critical lens of decolonial theory, as well as his own experiences living in the context of the U.S.-Mexico border. His work has been presented at Ars Electronica, MUTEK Festival, Transart Festival, MUTEK: AI Art Lab Montreal, Elektron Musik Studion, CTM Festival: Music Makers Hacklab, California Institute of the Arts, and the Royal Academy of Music Stockholm, among others.

His ongoing artistic research project 'SEMILLA A.I.' is a new AI music instrument developed with the goal of democratizing neural audio synthesis, focusing on augmenting rather than automating the musical process. His latest collaborative music album, 'MUTUALISMX: Becoming Sonic Networks', invites 12 Global Majority musicians to work with SEMILLA A.I. and explore the process of building an 'A.I Mutual' and the concept of 'sonic becoming'.

Moisés Horta Valenzuela ist ein Künstler, Technologe und Musiker aus Tijuana, Mexiko, der die Überschneidungen von elektronischer Musik, künstlicher Intelligenz und der Politik digitaler Technologien mit einem dekolonialen und auf Gegenseitigkeit beruhenden Ansatz erforscht.

___

English:

Moisés Horta Valenzuela is an artist, technologist, and musician from Tijuana, Mexico, who explores the intersections of electronic music, artificial intelligence, and the politics of digital technologies with a decolonial and reciprocal approach.

16

Nadine Schlicker

Marburg Hessen

Ich bin Nadine Schlicker – eine neugierige, kreative Psychologin mit einer Leidenschaft für Interdisziplinarität. Nach ca. vier Jahren als User Experience Researcher bei Ergosign GmbH, bin ich seit 2021 wissenschaftliche Mitarbeiterin am Institut für KI in der Medizin in Marburg.

Ich forsche zu den Themen Gerechtigkeit und Vertrauen im Bereich der Mensch-Maschine Interaktion. Im Rahmen des Forschungsprojektes GamOR, im Kontext der Dienstplanung in der Pflege, untersuchte ich die Gerechtigkeitswahrnehmung von algorithmischen Entscheidungen im Vergleich zu menschlichen Entscheidungen und welche Rolle verschiedene Erklärungen dabei spielen – aus Sicht der Verantwortlichen und aus Sicht der Betroffenen. Aktuell erforsche ich experimentell die Auswirkungen von KI auf die Entscheidungsfindung von Ärzt*innen und Patient*innen. Konzeptuell widme ich mich dem Thema „vertrauenswürdige KI“ und der Frage, wie Vertrauenswürdigkeitseinschätzungen von KI entstehen, wie sie sich zwischen Interessensgruppen unterscheiden und welche Auswirkungen das auf die Nutzung von KI hat.

Meine Arbeit im Bereich KI begeistert mich aufgrund der bestehenden Herausforderung, die Blickwinkel verschiedener Disziplinen (z.B. Medizin, Informatik, Philosophie, Design und Rechtswissenschaft) und Interessensgruppen (z.B. Nutzer*innen, Betroffene) zu integrieren. Die Implementierung von KI-basierten Systemen bietet darüber hinaus die Möglichkeit bestehende Prozesse zu hinterfragen, neu zu gestalten und zu verbessern.

___

English:

I'm Nadine Schlicker - a curious, creative psychologist with a passion for interdisciplinarity. After about four years as a user experience researcher at Ergosign GmbH, I have been a research associate at the Institute for AI in Medicine in Marburg since 2021.

I research the topics of justice and trust in the field of human-machine interaction. As part of the GamOR research project, in the context of duty scheduling in care, I investigated the perception of justice of algorithmic decisions in comparison to human decisions and what role different explanations play in this - from the perspective of those responsible and from the perspective of those affected. Currently, I am experimentally researching the effects of AI on the decision-making of doctors and patients. Conceptually, I am working on the topic of "trustworthy AI" and the question of how trustworthiness assessments of AI arise, how they differ between interest groups and what effects this has on the use of AI.

My work in the field of AI excites me because of the existing challenge of integrating the perspectives of different disciplines (e.g. medicine, computer science, philosophy, design and law) and stakeholders (e.g. users, affected people). The implementation of AI-based systems also offers the opportunity to question, redesign and improve existing processes.

Nadine Schlicker ist Psychologin und forscht zur Mensch-Maschine Interaktion im medizinischen Kontext. Sie untersucht die menschliche Wahrnehmung von KI, Vertrauen in KI und Auswirkungen von KI auf die klinische Entscheidungsfindung.

___

English:

Nadine Schlicker is a psychologist conducting research on human-machine interaction in a medical context. She studies human perception of AI, trust in AI, and impact of AI on clinical decision-making.

17

Nora Gourmelon

Erlangen Bayern

Nora Gourmelon promoviert am Lehrstuhl für Mustererkennung der Friedrich-Alexander- Universität Erlangen-Nürnberg. Nach ihrem Studium der Informatik forscht sie nun im Bereich der „grünen KI“. Dabei befasst sie sich insbesondere mit dem Wasserverbrauchsverhalten von Haushalten, der Detektion von Seevögeln in videobasierten Populationserhebungen sowie der Lokalisation von Abbruchkanten und Bestimmung der Eisdicke abschmelzender Gletscher. Ihre Arbeit über die Anwendung Maschinellen Lernens zur Klassifikation von Wasserendnutzungskategorien wurde mehrfach prämiert, unter anderem mit dem Best Paper Award einer anerkannten Fachkonferenz. In Zusammenarbeit mit dem Bundesamt für Naturschutz erforscht Frau Gourmelon, wie die Zählung und Artenerfassung von Seevögeln mittels KI effizienter gestaltet werden kann. Erste Erfolge verheißen ein großes Potenzial an Arbeits- und Zeiteinsparungen und somit zeitnähere Informationen, die dem Artenschutz zur Verfügung stehen. Um die Forschung über geeignete Deep Learning Techniken zur Lokalisation von Gletscherabbruchkanten in Satellitenbildern vergleichbar und reproduzierbar zu gestalten, hat Frau Gourmelon einen Benchmark-Datensatz zusammen mit Baseline-Algorithmen publiziert. Durch eine Verbesserung der Lokalisation der Abbruchkanten und eine akkuratere Bestimmung der Eisdicke, kann eine höhere Genauigkeit von Klimamodellen erreicht werden, welche die Grundlage für Empfehlungen der Wissenschaft an die Politik bilden (z. B. IPCC Berichte).

___

English:

Nora Gourmelon is doing her doctorate at the Chair of Pattern Recognition at Friedrich-Alexander University Erlangen-Nuremberg. After studying computer science, she is now researching in the field of "green AI". She is particularly interested in the water consumption behaviour of households, the detection of seabirds in video-based population surveys and the localisation of break-off edges and determination of the ice thickness of melting glaciers. Her work on the application of machine learning to the classification of water end-use categories has received several awards, including the Best Paper Award at a recognised conference. In collaboration with the German Federal Agency for Nature Conservation, Ms Gourmelon is researching how AI can be used to make seabird censuses and species surveys more efficient. Initial successes promise great potential in terms of labour and time savings and thus more timely information available to species conservation. In order to make research on appropriate Deep Learning techniques for localising glacier break-off edges in satellite imagery comparable and reproducible, Ms Gourmelon has published a benchmark dataset together with baseline algorithms. By improving the localisation of the break-off edges and a more accurate determination of the ice thickness, a higher accuracy of climate models can be achieved, which form the basis for recommendations of science to politics (e.g. IPCC reports).

Gletscher schmelzen und Arten sterben aus! In ihrer Forschung nutzt Nora Gourmelon KI, um diesen Schwund großräumig und automatisch zu erfassen und so die Grundlage für das Verständnis dieser Phänomene zu erweitern.

___

English:

Glaciers are melting and species are going extinct! In her research, Nora Gourmelon uses AI to capture this shrinkage on a large scale and automatically, expanding the basis for understanding these phenomena.

18

Karlsruhe Baden-Württemberg

Noémie Jaquier

Noémie Jaquier ist Postdoktorandin und arbeitet mit Prof. Tamim Asfour am High Performance Humanoid Technologies Lab (H²T), Institut für Anthropomatik und Robotik, am Karlsruher Institut für Technologie (KIT).

Von 2016 bis 2020 war sie Doktorandin an der Ecole Polytechnique Fédérale de Lausanne (EPFL) in der Schweiz und arbeitete am Idiap Research Institute. Im Jahr 2019 absolvierte sie ein sechsmonatiges PhD-Sabbatical im Bosch Center for Artificial Intelligence (BCAI) in Deutschland. Sie erwarb einen Bachelor in Mikrotechnik (2014) und einen Master in Robotik und autonomen Systemen mit einem Nebenfach in Computational Neurosciences (2016) an der EPFL.
Noémies Forschung bringt eine neuartige Riemannsche Perspektive in das Lernen, die Optimierung und die Steuerung von Robotern ein, indem sie die Riemannsche Geometrie als induktive Verzerrung und als Theorie nutzt, um solide theoretische Garantien zu liefern. Sie erforscht dateneffiziente Methoden, die auf geometrischen Räumen aufbauen und die geometrischen Informationen nutzen, die in Roboterdaten natürlich vorkommen. Ihre Arbeit konzentriert sich auf das Erlernen von Fähigkeiten durch menschliche Demonstrationen und Anpassungstechniken mit Geometrie als Eckpfeiler. Sie umfasst verschiedene Anwendungen auf dem Gebiet der Robotermanipulation.

Noémie erhielt den Preis für die beste Präsentation auf der Conference on Robot Learning 2019 und ihre Doktorarbeit wurde für den EPFL Asea Brown Boveri Ldt. Award.

___

English:

Noémie Jaquier is a postdoctoral researcher working with Prof. Tamim Asfour at the High Performance Humanoid Technologies Lab (H²T), Institute of Anthropomatics and Robotics, at the Karlsruhe Institute of Technology (KIT).

From 2016 to 2020, she was a PhD student at Ecole Polytechnique Fédérale de Lausanne (EPFL) in Switzerland, working at the Idiap Research Institute. In 2019, she completed a six-month PhD sabbatical at the Bosch Center for Artificial Intelligence (BCAI) in Germany. She obtained a Bachelor's degree in Microengineering (2014) and a Master's degree in Robotics and Autonomous Systems with a minor in Computational Neurosciences (2016) at EPFL.
Noémie's research brings a novel Riemannian perspective to robot learning, optimisation and control by using Riemannian geometry as an inductive bias and theory to provide solid theoretical guarantees. She explores data-efficient methods that build on geometric spaces and exploit the geometric information that naturally occurs in robot data. Her work focuses on skill learning through human demonstrations and adaptation techniques with geometry as the cornerstone. It includes various applications in the field of robot manipulation.

Noémie received the best presentation award at the Conference on Robot Learning 2019 and her PhD thesis was selected for the EPFL Asea Brown Boveri Ldt. Award.

Noémie's Forschung bringt eine neue Perspektive in das Roboterlernen ein, indem sie die Riemannsche Geometrie als induktiven Bias verwendet. Sie entwickelt dateneffiziente Algorithmen mit soliden Garantien, indem sie Geometrien nutzt, die in der Robotik natürlich vorkommen.

___

English:

Noémie's research brings a new perspective to robot learning by using Riemannian geometry as an inductive bias. She develops data-efficient algorithms with solid guarantees by using geometries that occur naturally in robotics.

19

Oier Mees

Paola Lopez

Aus der Perspektive der Interdisciplinary Legal Studies erforscht Paola Lopez in ihrer Dissertation Fragen der (Un-)Gerechtigkeit des staatlichen Einsatz von KI-Systemen in Bezug auf Individuen.

Die studierte Mathematikerin ist wissenschaftliche Mitarbeiterin am Institut für Rechtsphilosophie der Universität Wien und Gastwissenschaftlerin am Weizenbaum-Institut für die vernetzte Gesellschaft in Berlin. Neben ihrer Dissertation hat sie eine Typologie von Bias-Formen in datenbasierten Systemen entwickelt, die erste Analyse des österreichischen AMS-Algorithmus publiziert und den Bias-Diskurs im Kontext von Twitters Image-Cropping-Algorithmus untersucht. Darüber hinaus wird sie als Speakerin und Expertin angefragt, etwa durch die Vereinigung der Österreichischen Richterinnen und Richter, das Deutsche Forschungszentrum für Künstliche Intelligenz und die Bayerische Landeszentrale für politische Bildungsarbeit. Auch durch Podcastauftritte, Zeitungsinterviews und interdisziplinäre Lehrveranstaltungen für Kunst-, Mathe- und Lehramt-Studierende engagiert sie sich in der Vermittlung ihrer Forschungsthemen.

___

English:

From the perspective of Interdisciplinary Legal Studies, Paola Lopez explores in her dissertation questions of the (in)justice of the state's use of AI systems in relation to individuals.

The mathematics graduate is a research associate at the Institute for Philosophy of Law at the University of Vienna and a visiting scholar at the Weizenbaum Institute for the Networked Society in Berlin. In addition to her dissertation, she has developed a typology of bias forms in data-based systems, published the first analysis of the Austrian AMS algorithm and examined the bias discourse in the context of Twitter's image-cropping algorithm. In addition, she is requested as a speaker and expert, for example by the Association of Austrian Judges, the German Research Centre for Artificial Intelligence and the Bavarian State Agency for Civic Education. She also engages in communicating her research topics through podcast appearances, newspaper interviews and interdisciplinary courses for art, maths and teacher training students.

Wann ist der staatliche Einsatz von Künstlicher Intelligenz gerecht? Diese und andere Fragen untersucht die studierte Mathematikerin Paola Lopez in ihrer Dissertation aus einer rechtsphilosophischen Perspektive.

___

English:

When is the state's use of artificial intelligence just? Paola Lopez, who studied mathematics, examines these and other questions in her dissertation from a legal philosophy perspective.

21

Sabahudin Balic

Berlin Berlin Sarah Ciston ist eine Poetin und Programmiererin, die es liebt, Tools zu entwickeln, um intersektionale Ansätze für maschinelles Lernen und den Aufbau von Gemeinschaften durch zugängliches, kreativ-kritisches Coding zu ermöglichen. Sie ist AI Anarchies Fellow an der Akademie der Künste, Mellon PhD Fellow in Media Arts and Practice an der University of Southern California und Associated Researcher am Humboldt Institute for Internet and Society, sowie Autorin von "A Critical Field Guide to Working with Machine Learning Datasets" aus dem Knowing Machines Forschungsprojekt. Ihre Arbeiten wurden in Leonardo Electronic Almanac, Ada Journal of Gender, New Media, and Technology und CITAR: Journal of Science and Technology of the Arts veröffentlicht. Sie leiten auch das Creative Code Collective, eine Studentengemeinschaft für gemeinsames Lernen beim Programmieren unter Verwendung zugänglicher, interdisziplinärer Strategien. Zu Sarahs Projekten gehören eine interaktive Datenbank zur Verarbeitung natürlicher Sprache (NLP), um den inneren Kritiker "umzuschreiben", und ein Bot, der versucht, Online-Frauenhassern den Feminismus zu erklären. Sarah entwickelt derzeit ein 'queer love corpus', das mit alternativen Methoden der gewissenhaften Datenverwaltung experimentiert, um großen Sprachmodellen wie ChatGPT entgegenzuwirken. ___ English: Sarah Ciston is a poet and programmer who loves building tools to enable intersectional approaches to machine learning and community building through accessible, creatively critical coding. She is an AI Anarchies Fellow at the Academy of Arts, Mellon PhD Fellow in Media Arts and Practice at the University of Southern California, and Associated Researcher at the Humboldt Institute for Internet and Society, as well as author of "A Critical Field Guide to Working with Machine Learning Datasets" from the Knowing Machines research project. Her work has been published in Leonardo Electronic Almanac, Ada Journal of Gender, New Media, and Technology, and CITAR: Journal of Science and Technology of the Arts. They also run the Creative Code Collective, a student community for collaborative learning in programming using accessible, interdisciplinary strategies. Sarah's projects include an interactive natural language processing (NLP) database to 'rewrite' the inner critic, and a bot that attempts to explain feminism to online misogynists. Sarah is currently developing a 'queer love corpus' that experiments with alternative methods of conscientious data management to counteract big language models like ChatGPT. Meine Forschung zu intersektionaler KI geht davon aus, dass jeder in der Lage sein sollte, zu verstehen, was KI ist, und mitzugestalten, was KI sein sollte. Welche tiefgreifenden Veränderungen in Sprache, Infrastruktur und Perspektive sind nötig, um dies zu ermöglichen ___ English: My research on Intersectional AI argues that anyone should be able to understand what AI is and help shape what AI ought to be. What profound shifts in language, infrastructure, and perspective need to occur to make this possible?

Sarah Ciston

23

Siwei Ju

Darmstadt Hessen

Siwei Ju ist seit Oktober 2021 Doktorandin bei der Porsche AG und dem IAS, TU Darmstadt. Sie arbeitet an Verstärkungslernen (RL) und Nachahmungslernen (IL), mit Porsche Motorsport, einem professionellen Rennteam der Spitzenklasse.

Das Fahren von Rennwagen ist nicht nur wegen der sich schnell ändernden und instabilen Dynamik eine Herausforderung, sondern auch, weil Fahrer und Auto als eine Einheit betrachtet werden müssen, was ein Fahrermodell erfordert, das mit der Dynamik umgehen und den menschlichen Fahrer imitieren kann.
Daher konzentriert sich ihre Arbeit auf das Erlernen einer robusten, wettbewerbsfähigen und menschenähnlichen Fahrpolitik, wobei sie verschiedene moderne Methoden von RL und IL untersucht. Bei diesem Prozess ist es von entscheidender Bedeutung zu erforschen, wie Experten bei solch komplexen Aufgaben arbeiten, lernen und sich anpassen und die Leistung optimieren. Das gewonnene Wissen könnte in datenbasierten Modellen unter Verwendung von KI-Methoden dargestellt [1,2].
Darüber hinaus ist eine Schlüsselfrage für das Nachahmungslernen, wie die Qualität der Nachahmung durch objektive Maßstäbe bewertet werden kann. Dies ist eine interessante Herausforderung in der Robotik und anderen Bereichen, in denen aus wenigen Demonstrationen gelernte Strategien verallgemeinert werden sollen.

1. S. Loeckel et. Al (2022) Ein adaptives menschliches Fahrermodell für realistische Rennwagensimulationen. (Eingereicht bei IEEE Transactions on Systems, Man and Cybernetics.)
2. S. Ju et. Al (2022) Digitaler Zwilling einer Fahrer-in-the-Loop-Rennwagensimulation mit kontextuellem Verstärkungslernen. (Eingereicht bei IEEE Robotics and Automation Letters.)

___

English:

Siwei Ju is a PhD student at Porsche AG and IAS, TU Darmstadt since October 2021. She is working on reinforcement learning (RL) and imitation learning (IL), with Porsche Motorsport, a top professional racing team.

Driving race cars is challenging not only because of the fast changing and unstable dynamics, but also because driver and car have to be considered as one unit, which requires a driver model that can handle the dynamics and imitate the human driver.
Therefore, her work focuses on learning a robust, competitive and human-like driving policy, exploring different modern methods of RL and IL. In this process, it is crucial to explore how experts operate, learn and adapt in such complex tasks and optimise performance. The knowledge gained could be represented in data-based models using AI methods [1,2].
Furthermore, a key question for imitation learning is how to assess the quality of imitation through objective measures. This is an interesting challenge in robotics and other areas where strategies learned from a few demonstrations are to be generalised.

1. S. Loeckel et. Al (2022) An adaptive human driver model for realistic race car simulations. (Submitted to IEEE Transactions on Systems, Man and Cybernetics.)
2. S. Ju et. Al (2022) Digital twin of driver-in-the-loop race car simulation with contextual reinforcement learning. (Submitted to IEEE Robotics and Automation Letters.)

Sie arbeitet im Bereich des Verstärkungs- und Nachahmungslernens mit Porsche Motorsport, einem hochkarätigen Rennteam, um modernste Methoden auf einen realen Anwendungsfall anzuwenden: den Aufbau eines Fahrermodells, um die schnelle Entwicklung von Rennwagen zu erleichtern.

___

English:

She works in the area of reinforcement and imitation learning with Porsche Motorsport, a high-profile racing team, to apply cutting-edge methods to a real-world use case: building a driver model to facilitate rapid race car development.

24

Susanne Trick

Darmstadt Hessen

Künstliche Intelligenz hat das Potential, unseren Alltag leichter zu machen. Aber wie können wir es schaffen, dass die Interaktion mit zukünftiger KI so einfach wie möglich wird und auch ältere und wenig technikaffine Menschen intuitiven Zugang zu KI-Systemen bekommen? Zu dieser Fragestellung promoviert Susanne Trick am Centre for Cognitive Science der TU Darmstadt. Ihre interdisziplinäre Forschung an der Schnittstelle zwischen Kognitionswissenschaften und KI trägt dazu bei, verantwortungsvolle KI-Systeme zu erschaffen, die Menschen ohne Nutzungshürden unterstützen können. Der Hauptfokus ihrer Arbeit ist die Entwicklung von KI-Algorithmen zur Integration von Daten aus verschiedenen Interaktions-Modalitäten wie Gesten, Sprache oder Blickrichtungen. Dafür hat sie probabilistische Modelle zur optimalen Kombination von Klassifizierern entwickelt, die nicht nur für die Mensch-KI-Interaktion, sondern auch für vielfältige andere KI-Anwendungen nutzbar sind. Ihre Forschungsergebnisse wurden auf renommierten internationalen KI- und Robotik-Konferenzen und in Fachzeitschriften publiziert. In der Praxis fanden die von ihr entwickelten Methoden im BMBF-Projekt Kobo34 bereits Anwendung in einer Pilotstudie zum Einsatz von Assistenzrobotern in einem Seniorenheim und werden aktuell zur optimalen Fusion von Klassifizierern und Expertenmeinungen in KI-gestützten Entscheidungsprozessen im BMBF-Projekt IKIDA genutzt.

___

English:

Artificial intelligence has the potential to make our everyday lives easier. But how can we make it as easy as possible to interact with future AI and ensure that even older and less tech-savvy people have intuitive access to AI systems? Susanne Trick is doing her doctorate on this question at the Centre for Cognitive Science at TU Darmstadt. Her interdisciplinary research at the interface between cognitive science and AI contributes to the creation of responsible AI systems that can support people without barriers to use. The main focus of her work is the development of AI algorithms to integrate data from different interaction modalities such as gestures, speech or gaze directions. For this, she has developed probabilistic models for the optimal combination of classifiers, which can be used not only for human-AI interaction, but also for a wide variety of other AI applications. Her research results have been published at renowned international AI and robotics conferences and in professional journals. In practice, the methods she developed have already been applied in a pilot study on the use of assistance robots in a retirement home in the BMBF project Kobo34 and are currently being used for the optimal fusion of classifiers and expert opinions in AI-supported decision-making processes in the BMBF project IKIDA.

Als Kognitionswissenschaftlerin entwickelt Susanne Trick Methoden zur optimalen Integration multimodaler Daten (z.B. Gesten, Sprache, Blick), um eine intuitive und natürliche Interaktion zwischen Mensch und KI zu ermöglichen.

___

English:

As a cognitive scientist, Susanne Trick develops methods for the optimal integration of multimodal data (e.g. gestures, speech, gaze) to enable intuitive and natural interaction between humans and AI.

25

TZUSOO

TZUSOO (*1992 in Seoul, lebt und arbeitet in Berlin) stellt sich eine nahe Zukunft vor, in der alle menschlichen Seelen auf Computer hochgeladen werden. Aus einer anthropologischen Perspektive erforscht sie, wie die virtuelle Welt die physische Welt fasziniert und beeinflusst. TZUSOO träumt von einem Raum, in dem verschiedene Wesen koexistieren können, indem sie sich mit Mutterschaft, Queerness, menschlichem Körper, Gender und Menschenrechten in der digitalen Generation beschäftigt.

TZUSOO erwarb ein Diplom an der Staatlichen Hochschule für Gestaltung in Stuttgart und zwei Bachelor-Abschlüsse in Bildender Kunst und Kunsttheorie an der Kunsthochschule der Hong-ik Universität in Seoul. Ihre Werke wurden in der ganzen Welt ausgestellt, u. a. im Hessel Museum (NY), in der HITE Collection (KOR), im Museum Folkwang in Essen (GER), in der Suprainfinit Gallery (RO) und auf der vierten Jugendbiennale in Bozen (IT).

TZUSOO war Stipendiatin der Rosa-Luxemburg Stiftung und der Landesgraduiertenförderung in Stuttgart und erhielt Projektförderungen vom Arts Council Korea und dem National Arts Council Singapur. Sie wurde als Artist in Residence ins V2_Lab X Art Centre Nabi in Rotterdam und in die Electro Putere Gallery, Craiova, Rumänien eingeladen. TZUSOO ist auch als Musikvideo-Regisseurin bekannt, die mit bekannten Musikern (Lim Kim, Lil Cherry, SAAY usw.) zusammengearbeitet hat.

Mehr zu Tzusoos Projekten: www.tzusoo.com

___

English:

TZUSOO (*1992 in Seoul, lives and works in Berlin) imagines a near future in which all human souls are uploaded to computers. From an anthropological perspective, she explores how the virtual world fascinates and influences the physical world. TZUSOO dreams of a space where diverse beings can co-exist, exploring motherhood, queerness, the human body, gender and human rights in the digital generation.

TZUSOO earned a diploma from the Staatliche Hochschule für Gestaltung in Stuttgart, Germany, and two bachelor's degrees in fine arts and art theory from the Hong-ik University School of Art in Seoul. Her works have been exhibited all over the world, including at the Hessel Museum (NY), HITE Collection (KOR), Museum Folkwang in Essen (GER), Suprainfinit Gallery (RO) and the Fourth Youth Biennale in Bolzano (IT).

TZUSOO was a scholarship holder of the Rosa Luxemburg Foundation and the Landesgraduiertenförderung in Stuttgart and received project funding from the Arts Council Korea and the National Arts Council Singapore. She was invited as artist in residence at V2_Lab X Art Centre Nabi in Rotterdam and Electro Putere Gallery, Craiova, Romania. TZUSOO is also known as a music video director who has collaborated with well-known musicians (Lim Kim, Lil Cherry, SAAY, etc.).

More about Tzusoo's projects: www.tzusoo.com

Was bedeutet KI-Kunst für Künstler*innen?

Als sich die Fotografie im 19. Jahrhundert durchsetzte, ersetzten Impressionismus und Expressionismus schließlich den Realismus. Was wird die KI für die Kunstwelt unserer Generation bedeuten? Ich arbeite mit der Kreativität und den Möglichkeiten dieser KI.

___

English:

What does AI Art mean for artists?

When photography became common in the 19th century, Impressionism and Expressionism eventually replaced Realism. What will AI do to the art world of our generation? I am working with the creativity and possibilities of this AI.

26

Viktoriya Olari

Berlin Bitte auswählen

Viktoriya Olari promoviert in der Informatikdidaktik zu den Themen Künstliche Intelligenz und Data Science. In Zusammenarbeit mit Experten aus verschiedenen Branchen entwickelt sie Fallbeispiele – AI Playgrounds, die Schüler:innen befähigen, künstliche Intelligenz und Data Science ethisch, kritisch und gestaltend zu nutzen.

Viktoriya studierte IT Systems Analysis and Design an der University of Oxford sowie Informationsverarbeitung, Geschichte, Philosophie und Bildungswissenschaften auf Lehramt für Gymnasien und Gesamtschulen an der Universität zu Köln. Sie war viele Jahre am Zentrum für LehrerInnenbildung der Universität zu Köln im Bereich der digitalen Lehre tätig und ist dort auch heute noch Dozentin für digitale Bildung. Als Didaktik- Expertin entwickelte sie Technologien und Aktivitäten bei der Roberta-Initiative des Fraunhofer IAIS, um Robotik und maschinelles Lernen für Schüler:innen greifbar zu machen und veröffentlichte Ihre Ergebnisse auf internationalen Konferenzen wie AAAI. Derzeit ist Viktoriya wissenschaftliche Mitarbeiterin und Doktorandin am Institut für Didaktik der Informatik der Freien Universität Berlin. Sie unterrichtet Informatiklehramtsstudierende und ist am europäischen bildungspolitischen Projekt TrainDL aktiv, in dem sie Informatiklehrer:innen in künstlicher Intelligenz und Data Science fortbildet.

In ihrer Freizeit engagiert sich Viktoriya als Jugendvertreterin und KI-Expertin beim Europarat für KI-Bildung und die Demokratisierung der KI-Governance. Sie ist Jurorin beim Deutscher Multimediapreis mb21, rezensiert für wissenschaftliche Zeitschriften und begleitet junge Menschen auf ihrem Weg in die Informatik bei verschiedenen Initiativen wie Girls’Day und MINToring-Programm an der Freien Universität Berlin.

___

English:

Viktoriya Olari is doing her doctorate in computer science didactics on the topics of artificial intelligence and data science. In collaboration with experts from various industries, she develops case studies - AI Playgrounds - that enable students to use artificial intelligence and data science ethically, critically and creatively.

Viktoriya studied IT Systems Analysis and Design at the University of Oxford and Information Processing, History, Philosophy and Education at the University of Cologne. She worked for many years at the Centre for Teacher Education at the University of Cologne in the field of digital teaching and is still a lecturer for digital education there today. As a didactics expert, she developed technologies and activities at the Roberta initiative of Fraunhofer IAIS to make robotics and machine learning tangible for students and published her results at international conferences such as AAAI. Viktoriya is currently a research assistant and doctoral student at the Institute for Computer Science Education at Freie Universität Berlin. She teaches computer science and is involved in the European education policy project TrainDL, in which she trains computer science teachers in artificial intelligence and data science.

In her spare time, Viktoriya is involved in AI education and the democratisation of AI governance as a youth representative and AI expert at the Council of Europe. She is a juror for the German Multimedia Prize mb21, reviews for scientific journals and accompanies young people on their way into computer science in various initiatives such as Girls'Day and the MINToring programme at Freie Universität Berlin.

Viktoriya Olari promoviert in der Informatikdidaktik zu den Themen Künstliche Intelligenz und Data Science. Ihre Leidenschaft ist die Entwicklung neuer Technologien, die es Menschen ermöglichen, kreativ zu sein und zu gestalten.

___

English:

Viktoriya Olari is pursuing a PhD in Computer Science Education on the topics of Artificial Intelligence and Data Science. She is passionate about developing new technologies that enable people to be creative and to design.

27