Data Science für Innovation

Unsere Mission: Wir machen Wissen in Regionen und Organisationen zugänglich, verständlich und umsetzbar.

Die Forschungsgruppe »Data Science für Innovation« entwickelt digitale Werkzeuge für den Wissenstransfer und stärkt damit die Innovationsfähigkeit von Industrie und Forschung. Die Basis dafür bildet eine umfangreiche Datengrundlage, die durch intelligente Anwendungen wie Algorithmen, Recommender Systems und Wissensgraphen erschlossen wird. Die Forschenden nutzen fortgeschrittene Data-Science-Methoden wie Natural Language Processing, Large Language Models (LLMs), Retrieval Augmented Generation (RAG), Netzwerkanalyse und Graph Machine Learning (GraphML). Diese Technologien werden kombiniert, um Akteure und Inhalte aus Wissenschaft, Industrie, Politik und Gesellschaft effizient zu matchen.

 

Zudem unterstützt die Forschungsgruppe Unternehmen und Wissenschaftler bei der Strukturierung von Wissen und Technologien – etwa durch die Analyse von Publikationen, Patenten und Webseiten – und leistet so einen Beitrag zur Entwicklung robuster Daten- und KI-Infrastrukturen. Regionale und thematische Analysen von Innovationsökosystemen runden das Leistungsprofil ab und tragen wesentlich zum erfolgreichen Wandel wirtschaftlicher und gesellschaftlicher Strukturen bei.

News

International Conference on Computational Linguistics mit Beiträgen von Elena Senger und Dr. Yuri Campbell

Konferenz: The 31st International Conference on Computational Linguistics (COLING 2025) in Abu Dhabi, UAE, 19.-24. Januar 2025. 

Elena Senger und Dr. Yuri Campbell stellen das Paper Karrierewege: A Large-Scale Career Path Prediction Dataset vor. Darin:

  1. Bereitstellung des größten öffentlich verfügbaren Karrierepfad-Datensatzes: Wir stellen mit Karrierewege einen Datensatz mit über 500.000 Karrierepfaden bereit, der die Größe bisheriger Datensätze in diesem Bereich übertrifft.
  2. Verknüpfung mit der ESCO-Taxonomie für verbesserte Karrierevorhersagen: Unser Datensatz ist mit der ESCO-Taxonomie verknüpft und bietet so eine wertvolle Grundlage für die Entwicklung und Evaluation von Vorhersagemodellen.
  3. Erweiterung um synthetisierte freie Texteingaben für realistische Anwendungsfälle: Mit Karrierewege+ haben wir den Datensatz um standardisierte Jobtitel und -beschreibungen erweitert, wodurch robuste Vorhersagen auf Basis von unstrukturierten Eingaben, wie sie in Lebensläufen vorkommen, möglich werden.
 

News / 7.4.2022

Kick-Off Verbundprojekt »Wertschöpfungsradar«

Start des Forschungsprojekts zur systematischen Vorausschau zur Zukunft der Wertschöpfung

Das Forschungsprojekt »Wertschöpfungsradar« startete offiziell am 7. April 2022 nach Beginn der Projektlaufzeit Anfang Januar mit einer gemeinsamen Kick-Off-Veranstaltung aller Projektpartner. 

Weitere Veranstaltungen und News

Die Meldungen sind nach Aktualität geordnet. Der Filter ermöglicht Ihnen eine gezielte Eingrenzung des Zeitraums. Um aktuelle News dieser Gruppe zu lesen, können Sie mithilfe des Begriffs »Professionalisierung von Wissenstransferprozessen« zusätzlich danach suchen.

Industrie- und Forschungsprojekte

 

Q.E.D. – Quantum Ecosystem Deutschland

 

Connect & Collect: KI-gestützte Cloud für die interdisziplinäre vernetzte Forschung und Innovation für die Zukunftsarbeit

 

 

MarketsFITT – Märkte für den internationalen Technologietransfer

Wissenschaftliche Infothek zur Regionalen Transformation

In dieser wissenschaftlichen Infothek finden Sie gebündelte Informationen, wie Forschung zu einem erfolgreichen Strukturwandel beiträgt. Wir berichten über wissenschaftliche Modelle, Instrumente und Verfahren für regionale Transformationsprozesse und die daraus resultierende Politikberatung. Diese Seite wird regelmäßig aktualisiert. Wenn Sie Anmerkungen haben, wenden Sie sich gerne an die Redaktion.

 

Wissenschaftliche Infothek zur Regionalen Transformation

Abteilung Regionale Transformation und Innovationspolitik

Diese Forschungsgruppe gehört zum wissenschaftlichen Portfolio der Abteilung Regionale Transformation und Innovationspolitik.

Team

Team der Gruppe

Wissenschaftliche Hilfskräfte
 
  • Luan De Paiva Orsini
  • Satiyabooshan Murugaboopathy
  • Jonas Wolff

Publikationen

Jahr
Year
Titel/Autor:in
Title/Author
Publikationstyp
Publication Type
2024 Deep Learning-based Computational Job Market Analysis: A Survey on Skill Extraction and Classification from Job Postings
Senger, Elena; Zhang, Mike; Goot, Rob van der; Plank, Barbara
Paper
2023 Neue Impulse für die Anbahnung von FuE Kooperationen: Die Rolle von Innovationsökosystemen und digitalen Anwendungen
Wachsmuth-Pohle, Anna; Rumpf, Elsa; Stach, Tim; Weiße, Marlen; Bergmann, Jan-Peter; Reuther, Kevin
Paper
2023 How to find similar companies using websites?
Bergmann, Jan-Peter; Amin, Miriam; Campbell Borges, Yuri Cassio; Trela, Karl
Zeitschriftenaufsatz
Journal Article
2022 Using vector representations for matching tasks to skills
Amin, Miriam; Bergmann, Jan-Peter; Campbell Borges, Yuri Cassio
Konferenzbeitrag
Conference Paper
2021 Data-driven identification of idioms in song lyrics
Amin, Miriam; Fankhauser, Peter; Kupietz, Marc; Schneider, Roman
Konferenzbeitrag
Conference Paper
2021 Shallow Context Analysis for German Idiom Detection
Amin, Miriam; Fankhauser, Peter; Kupietz, Marc; Schneider, Roman
Vortrag
Presentation
2021 How to Find New Industry Partners for Public Research: A Classification Approach
Trela, Karl; Campbell, Yuri; Dornbusch, Friedrich; Pohle, Anna
Zeitschriftenaufsatz
Journal Article
2021 Ausgründungen aus der außeruniversitären Forschung: Gründungsdynamik und Erfolgsbedingungen im Ost-West-Vergleich
Kahl, Julian; Dornbusch, Friedrich; Pohle, Anna; Trela, Karl; Weiße, Marlen
Studie
Study
2020 Too big to see: Exploring proxies of structure in a real large-scale university-industry cooperation network
Campbell, Yuri
Vortrag
Presentation
2020 A Survey on Approaches to Computational Humor Generation
Amin, Miriam; Burghardt, M.
Konferenzbeitrag
Conference Paper
Diese Liste ist ein Auszug aus der Publikationsplattform Fraunhofer-Publica

This list has been generated from the publication platform Fraunhofer-Publica