Forschungsleutturm
Institute for Applied Artificial Intelligence (IAAI)
Kurzbeschreibung
Das IAAI ist ein interdisziplinäres Zentrum für Forschung und Wissenstransfer an der Hochschule der Medien. Es bündelt Kompetenzen in Künstlicher Intelligenz und Machine Learning, um die Lücke zwischen akademischer Spitzenforschung und der Anwendung in der Unternehmenspraxis zu schließen.
URL
Titel des Forschungsthemas
Methodik der synthetischen Datenerzeugung: Algorithmen für das Bootstrapping von Marktsimulationen in datenarmen Umgebungen
Beschreibung
Für den Start einer glaubwürdigen, validen Marktsimulation ("Seed-Phase") werden repräsentative Initialdaten von Marktszenarien benötigt, die oft aus Datenschutzgründen nicht in ausreichender Granularität vorliegen.
Die Arbeit untersucht Verfahren, um aus aggregierten statistischen Kennzahlen (Randverteilungen) synthetische Mikrodaten zu generieren, die als Input für das TwinLab dienen.
Schwerpunkte:
- Untersuchung probabilistischer Verfahren (z.B. Iterative Proportional Fitting, Copulas) und generativer Machine-Learning-Modelle (z.B. Generative Adversarial Nets (GAN), Variational Autoencoders (VAE)) zur Erzeugung von "Seed Data".
- Entwicklung eines Python-basierten Generators für synthetische Profile von Marktteilnehmenden (z.B. Konsumenten, Anbieter).
- Optional: Statistische Evaluation der synthetischen Datenqualität im Vergleich zu realen Referenzdaten.
Name und Kontaktdaten
Erstbetreuer: Prof. Dr.-Ing. Peter Thies, thies@hdm-stuttgart.de, Raum i208
Zweitbetreuerin: Prof. Dr. Susanne Stingel
Studiengang des Betreuers: Wirtschaftsinformatik und digitale Medien
Fachrichtung, Studiengänge
Fachrichtung (Wirtschafts-/Medien-)Informatik, Data Science oder affine Studiengänge.
Notwendiges Vorwissen
- Statistik-Kenntnisse (Verteilungen, Korrelationen).
- Grundlagen in Machine Learning / Generative AI.
- Datenvorverarbeitung und -analyse (Python, Pandas, NumPy).
Weitere interessante Informationen / Links
Andreß, H.-J., Hagenaars, J. A., & Kühnel, S. (1997). Analyse von Tabellen und kategorialen Daten. Berlin, Heidelberg: Springer Berlin Heidelberg.
Assefa, S. A. et al. (2020). Generating Synthetic Data in Health Care: A Review. Journal of Applied Clinical Medical Physics.
Bishop, C. M., & Bishop, H. (2024). Deep Learning: Foundations and Concepts. Cham: Springer International Publishing.
Müller, J. P. et al. (2021). Synthetic Data for Machine Learning. IEEE Software.
Schröter, K. J. (2022). Modellierung von Abhängigkeitsstrukturen durch Copulas: Theorie und Anwendungen in der Risikotechnik. Berlin, Heidelberg: Springer Berlin Heidelberg.
ForschungsPROJEKT
TwinLab – Digital Market Twin Laboratory for Market Simulation and Data-driven Marketing
Beschreibung
Ziel
Aufbau eines "Digital Market Twin Exploratoriums" – einer simulationsbasierten Plattform zur Erzeugung und Analyse synthetischer Marktdaten (Digitale Marktzwillinge). Ziel ist es, reale Marktdynamiken in einer kontrollierten Umgebung nachzubilden, um datengetriebene Marketingmethoden ohne Datenschutzrisiken zu trainieren und zu validieren.
Vorgehen
Entwicklung einer agentenbasierten Simulationsumgebung auf marketingwissenschaftlicher Grundlage, der das Verhalten von Konsumenten und Unternehmen abbildet. Integration von Machine-Learning-Komponenten zur Kalibrierung der Agenten. Das Projekt folgt einem inkrementellen Entwicklungsprozess in enger Abstimmung mit Industriepartnern.
Erwartete Ergebnisse
Ein lauffähiger, skalierbarer Simulationsprototyp, validierte synthetische Datensätze für Data-Science-Anwendungen sowie methodische Blueprints für den Einsatz digitaler Zwillinge im Data-driven Marketing in Wirtschaft sowie Lehre und Forschung.
Laufzeit
48 Monate. Geplanter Beginn abhängig von Förderentscheid in 2026.
Fördergeber, Fördervolumen
Bundeministerium für Forschung, Technologie und Raumfahrt (BMFTR); Förderprogramm: HAW-ForschungsPraxis; Gesamtvolumen ca. 1,3 Mio. Vorhaben befindet sich in der Antragsphase
Projektpartner
Bosch Thermotechnik GmbH, netzwerk P GmbH, DataIntelligence GmbH
Anzahl der Mitarbeiter auf HdM-Seite
2 wissenschaftliche Mitarbeitende (Doktoranden) zzgl. 6 wissenschaftliche Hilfskräfte.
Weitere Infos
Das Projekt operiert an der Schnittstelle von Marketing, Simulation, Distributed Systems und KI.