Skip to main content Skip to main navigation

Drei Talente aus dem DFKI im finalen Rennen zu KI-Newcomer:innen 2023 - Publikumsvoting läuft noch bis 22. Februar 2023

| Erweiterte Realität | Interaktives Maschinelles Lernen | Smart Service Engineering | Kaiserslautern | Saarbrücken | Osnabrück / Oldenburg

Gleich drei Talente aus dem DFKI bewerben sich in diesem Jahr als KI-Newcomerin beziehungsweise KI-Newcomer 2023. Hannah Stein, Duy Ho Minh Nguyen und Khurram Azeem Hashmi gehen in unterschiedlichen Disziplinen an den Start, in denen jeweils zwei Titel vergeben werden. Ausrichter sind die Gesellschaft für Informatik und das Bundesministerium für Bildung und Forschung. Neben einer Jury entscheidet ein Publikumsvoting, das noch bis zum 22. Februar 2023 geöffnet ist. Es dürfen maximal zwei Stimmen abgegeben werden, eine für eine Kandidatin und eine für einen Kandidaten.

Noch bis zum 22. Februar 2023 kann für alle drei DFKI-Talente im öffentlichen Publikumsvoting abgestimmt werden.

Mit der Auszeichnung würdigen die Organisatoren in insgesamt fünf Disziplinen nicht nur herausragende Talente, die mit ihren innovativen Ideen die Entwicklung der KI in Deutschland befördern. Sie bieten den KI-Newcomerinnen und KI-Newcomern 2023 im Rahmen des KI-Camps am 26. April 2023 in Berlin auch die Möglichkeit, ihre Forschungsarbeiten öffentlich zu präsentieren. Aus dem DFKI beteiligen sich Hannah Stein, Duy Ho Minh Nguyen und Khurram Azeem Hashmi. Hier kann für alle drei DFKI-Talente abgestimmt werden: KI-Camp

Hannah Stein

Hannah Stein ist in der Rubrik Geistes- und Sozialwissenschaften nominiert. Sie ist Doktorandin und wissenschaftliche Mitarbeiterin an der Universität des Saarlandes und am DFKI. Am DFKI ist sie im Forschungsbereich Smart Service Engineering unter der Leitung von Prof. Dr. Wolfgang Maaß bereits seit ihrem Studium der Betriebswirtschaftslehre tätig.

Hannah Stein 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, zum Beispiel bei Konferenzen wie der INFORMATIK, der International beziehungsweise Americas Conference on Information Systems.

In ihrer Forschung fokussiert sich Hannah Stein insbesondere auf die Konzeption von Lösungen und die Untersuchung von Problemstellungen an der Schnittstelle zwischen informationstechnischen und betriebswirtschaftlichen Fragestellungen. Sie erforscht, wie subjektive Bewertungen, beispielsweise 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.

Duy Ho Minh Nguyen

Duy Ho Minh Nguyen tritt in der Rubrik Natur- und Lebenswissenschaften an. Er schloss sein Masterstudium der Informatik an der Universität des Saarlandes und am Max-Planck-Institut für Informatik (MPI-INF) im April 2021 ab.

Danach wechselte Duy Ho Minh Nguyen zum DFKI in den Forschungsbereich Interaktives Maschinelles Lernen unter der Leitung von Prof. Dr. Daniel Sonntag. Zu seinen Forschungsthemen gehören Optimierungsalgorithmen, maschinelles Lernen und insbesondere Transferlernen.

Von Mai bis Dezember 2021 war er zudem 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 Nguyen 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.

Über seine Forschung sagt er: „Ich interessiere mich für die Übertragbarkeit von Algorithmen des selbstüberwachten Lernens mit Anwendungen in der Biomedizin. Aufgrund der Möglichkeit, Merkmalsrepräsentationen aus unmarkierten Daten abzuleiten, glaube ich fest daran, dass selbstüberwachtes Lernen (SSL) den Mangel an Trainingsdaten ausgleichen kann.“

Khurram Azeem Hashmi

Khurram Azeem Hashmi ist in der Disziplin Informatik nominiert. Khurram Azeem Hashmi ist Doktorand im dritten Jahr an der Universität Kaiserslautern-Landau (RPTU) und arbeitet als Forscher am DFKI im Forschungsbereich Erweiterte Realität unter der Leitung von Prof. Dr. Didier Stricker.

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

Seinen Master hat er 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 zweieinhalb Jahren kann er auf 17 Veröffentlichungen in renommierten Forschungseinrichtungen wie BMVC, WACV, Journal of Imaging, IEEE Access und Sensors verweisen – zudem wurde er bereits vielfach zitiert (h-Index von 8). 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.