Projects

Ai4Nof1 – Entwicklung personalisierter, KI-gestützter Lebensstilinterventionen zur Verbesserung des Behandlungserfolgs und der Lebensqualität von Patienten mit chronischen Krankheiten, mit Erprobung des Konzepts für das Reizdarmsyndrom)

In der evidenzbasierten Medizin gelten populationsbasierte randomisierte kontrollierte Studien als Goldstandard für die Abschätzung der Auswirkungen von Maßnahmen. Der durchschnittliche Behandlungseff

PIAD – Physics-informed Anomaly Detection

Ziel dieses Projekts ist die Entwicklung einer neuen informierten Ki: physik-informierte tiefe Anomalieerkennung. Dabei wird auf modernste neuronale Anomalieerkennungsalgorithmen aufgebaut, die kürzli

ML-Bau-Doc+ – Maschinelles Lernen zur Informationsextraktion im Bereich Gebäudedokumentation

Die im Vorgängerprojekt „Maschinelles Lernen im Bereich Gebäudedokumentation (ML-BALI-DOK)" (https://www.zukunftbau.de/projekte/forschungsfoerderung/1008187-2026) entwickelten Algorithmen ermöglichen

TrustifAI – Mission Kl Innovation- and Quality Center (IQZ) Kaiserslautern (TrustifAI - Health and Wellbeing)

Trustworthy AI applications for a secure future Under the leadership of acatech – National Academy of Science and Engineering, MISSION KI aims to strengthen the trustworthiness and reliability of AI a

Cyber-AG-RSML – Cyberagentur: Robustes und Sicheres Machine Learning

Forschung und Entwicklung von Ansätzen hinsichtlich robustem und sicherem Machine Learning für sicherheits- und verteidigungsrelevante Einsatzsysteme

Eventful – timely models for individual & societal health

This project focusses on the interconnected problems of measuring and predicting health and well-being. Health and well-being exist at two levels: within the individual, where we may observe or measur

Miracle2 – A Machine learning approach to Identify patients with Resected non-small-cell lung cAnCer with high risk of reLapsE

MIRACLE comprises a consortium of academics and industry partners to understand how machine learning can be utilised to predict the risk of relapse for patients with resected non-small cell lung cance

curAIknow – curATime knowledge graphs

Application of the Ontosight bioscience knowledge graph to support prediction, validation and better interpretation of Al-generated hypotheses based on data from patients and healthy controls in the c

CurAISciD – curATime AI science and development

Das erste Ziel von curAIscid ist für den Anwendungsfall Atherothrombose und Atherosklerose dem Problem der kleinen Daten (small data) auf verschiedene Weise zu begegnen: durch Transferlernen (bei dem

BiosignATure – curATime: Systemorientierte, Multi-Omics-Identifikation von Biomarkersignaturen für die Detektion, Quantifizierung und Behandlung von Atherothrombose

curATime: Systemorientierte, Multi-Omics-Identifikation von Biomarkersignaturen für die Detektion, Quantifizierung und Behandlung von Atherothrombose Partners Universitätsmedizin der Johannes Gutenber