Wenn Daten nicht reichen: Modellierung und Simulation

Der Modellierung und Simulation kommt die zentrale Rolle im Spektrum computergestützter Methoden zu, wenn es darum geht, komplexe Systeme entwickeln, besser verstehen und ihr Verhalten vorhersagen zu können. Prof. Uhrmacher und ihr Team entwickeln Methoden zur Unterstützung von Simulationsstudien und wenden diese Methoden auf Problemstellungen in unterschiedlichen Bereichen an.  Simulationsstudien des Lehrstuhls betreffen zum Beispiel Fragestellungen aus Informatik, Medizin, Demographie, Ökologie und Biologie.

Simulationsstudien kombinieren Wissen und Daten: wie entscheiden auch die angewandten Methoden. Mit Simulationsmodellen werden dynamische Systeme vor dem Hintergrund einer konkreten Problemstellung formal beschrieben. Um ein Modell zu erstellen, braucht es detailliertes Wissen über das Anwendungsgebiet und daher den Austausch mit Experten des jeweiligen Gebietes.  Basierend auf Simulationen können Aussagen über das Verhalten des Systems abgeleitet und auch „was wäre wenn“ Szenarien exploriert werden. Die Durchführung von Simulationsstudien bedeutet Problemstellung, Hypothesen, Simulationsmodelle, Simulationsexperimente, genutzte und generierte Daten, zueinander in Beziehung zu setzen.

Kompetenzen im Bereich der künstlichen Intelligenz und Data Science

Methoden gerade für die Modellierung und Simulation von stochastischen Systemen, dazu gehören: 

  • Formale Sprachen zur kompakten Spezifikation von Modellen und von Simulationsexperimenten
  • Algorithmen zur effizienten Ausführung von Simulationsexperimenten
  • Methoden zur besseren Reproduzierbarkeit von Simulationsstudien
  • Unterstützung in der Durchführung von Simulationsstudien
  • Kombination von Künstlicher Intelligenz und Simulation

Prof. Dr. Adelinde Uhrmacher

Lehrstuhl für Modellierung und Simulation

Ausgewählte Projekte

MoSiLLDe – Modellierungs- und Simulationsmethoden für „linked lives“ in der Demographie

In diesem Projekt geht es um die Entwicklung von agentenbasierten  Modellierungs- und Simulationsmethoden, um das Zusammenspiel von Entscheidungen und Aktionen auf Individuenebene und Dynamiken auf Populationsebene zu untersuchen. Eine zentrale Annahme ist dabei, dass Entscheidungen und Lebensläufe von Individuen von denen anderer abhängen. Methodische Arbeiten umfassen die Entwicklung von Modellierungssprachen, von Algorithmen zur effizienten Ausführung der Modelle, und von Ansätzen, die zum Beispiel mittels Provenienz die Reproduzierbarkeit von Simulationsstudien erleichtern. Zusammen ermöglichen sie die effektive Durchführung komplexer Simulationsstudien, in welche unterschiedliche Hypothesen, Theorien und Datenquellen miteinfliessen. Finanziert wird das Projekt von der Deutschen Forschungsgemeinschaft (DFG).

Weitere Informationen

IDEA-PRIO-UR – Erklärbarkeit, Modellierung und Analyse von Verfahren zur Variantenpriorisierung auf heterogenen Daten

Für die Diagnose von genetisch bedingter Krankheiten ist es wichtig zu erkennen, welche Genvarianten (Mutationen der DNA) für eine Krankheit verantwortlich sind. In diesem Projekt, soll ein selbst-adaptives System zur Bewertung dieser Genvarianten entwickelt werden, das sich inkrementell durch wissenschaftliche Studien und neue Diagnosedaten verbessert. Dabei müssen nicht nur die Ergebnisse für Ärzte und Labore nachvollziehbar, sondern auch die Sicherheit des Systems, trotz Adaption und sich ändernden Datenquellen, gewährleistet sein. Verschiedenen Konzepten der Modellierung und Simulation und auch konkreten Simulationsstudien kommen hierbei tragende Rollen zu. Das Projekt wird in Kooperation mit Limbus Medical Technology, Rostock durchgeführt. Finanziert wird das Projekt vom Europäischen Fond für regionale Entwicklung (ERDF-TBI).

Weitere Informationen