Strukturen in hochdimensionalen Daten sichtbar und fachlich interpretierbar machen.
Viele Messgrößen und große Datenmengen erschweren den Überblick. Relevante Gruppen, Ausreißer oder Unterschiede bleiben in Tabellen und einfachen Diagrammen verborgen.
IAP macht Ähnlichkeiten und Unterschiede durch Projektion, Clusteranalyse und datenbionische Selbstorganisation zugänglich. Eine topografische Darstellung von Genexpressionsprofilen mit jeweils 7.500 Messwerten zeigt, wie sich komplexe Daten gemeinsam mit Fachleuten interpretieren lassen.
Sie erhalten Darstellungen der Gruppen, Ausreißer und Unterschiede in Ihren Daten sowie deren Interpretation mit Ihren Experten. Diese Analyse zeigt, welche Merkmale für eine anschließende Klassifikation oder Prognose weiter untersucht werden sollten.
Fachliche Details lesen ↓Im gezeigten Beispiel repräsentiert jeder Punkt ein Genexpressionsprofil mit 7.500 Dimensionen. Schwarmintelligenz sucht die Struktur ohne Nutzung der Diagnoselabels. Ähnliche Profile liegen in Tälern; Höhenzüge machen Unterschiede zwischen Gruppen sichtbar. Die Landschaft lässt sich auch als dreidimensionales Modell darstellen.
Erst für die fachliche Interpretation werden die bekannten Diagnosen farblich eingeblendet. Ihre Übereinstimmung mit den gefundenen Gruppen zeigt, welche diagnostischen Unterschiede die Messdaten abbilden. Das ist eine Prüfung der Datenstruktur und ihrer Bedeutung, bevor ein Klassifikator eingesetzt wird.
Zwei abweichende Fälle im Beispiel geben Anlass, Diagnose und Datenqualität genauer zu untersuchen. Solche Hinweise helfen Fachleuten, gezielt nach Messproblemen, seltenen Fällen oder unpassenden Zuordnungen zu suchen.
Stier, Q., Hoffmann, J. & Thrun, M. C. (2026). Classifying with the Fine Structure of Distributions: Leveraging Distributional Information for Robust and Plausible Naïve Bayes. Machine Learning and Knowledge Extraction (MAKE), 8(1), 13. MDPI.
Nutzt die Feinstruktur von Verteilungen für eine robuste und nachvollziehbare Klassifikationsbaseline. Die Implementierung unterstützt parallele Berechnungen auf mehreren Prozessorkernen mit gemeinsam genutztem Arbeitsspeicher.
Thrun, M. C. & Märte, J. (2026). Memshare: Memory Sharing for Multicore Computation in R with an Application to Feature Selection by Mutual Information using PDE. The R Journal, 17(4), 306–322.
Gemeinsam genutzter Speicher für parallele Berechnungen in R, demonstriert an der Merkmalsauswahl in hochdimensionalen Genexpressionsdaten.
Thrun, M. C. & Ultsch, A. (2021). Swarm intelligence for self-organized clustering. Artificial Intelligence, 290, 103237. Elsevier.
DatabionicSwarm nutzt Schwarmintelligenz und Selbstorganisation, um Gruppen und Strukturen in hochdimensionalen Daten zu entdecken. Die Clusteranalyse orientiert sich an Ähnlichkeiten und Dichteunterschieden der Daten und benötigt keine vorgegebenen Klassen.
Prototyp für das Klinikum · gemeinsame Forschung
Die Qualität von Blut- und Knochenmarkproben beeinflusst die Interpretation ihrer Messdaten. Verdünnung und komplexe Zellpopulationen müssen bei der Auswertung berücksichtigt werden.
Projekt im Detail →
Kooperationsprojekt · Machbarkeitsstudie (PoC)
Unternehmenskennzahlen sollten für eine systematische und menschlich überprüfbare Aktienauswahl nutzbar gemacht werden.
Projekt im Detail →
Datenanalyse · vertiefende Methodenentwicklung
Welche Zusammenhänge bestehen zwischen der Nutzung einer Unternehmenswebsite und späteren Projektanfragen? Für LANCOM Systems wurden Besuchsverläufe und zugehörige Projektinformationen untersucht.
Projekt im Detail →Option 1
IAP untersucht die Aufgabe, entwickelt und bewertet den Ansatz und übergibt den vereinbarten Prototyp mit Dokumentation. Ihre IT übernimmt die weitere Produktentwicklung und den Betrieb.
Option 2
IAP entwickelt die vereinbarte Anwendung einschließlich Oberfläche und Schnittstellen, integriert sie in den vorgesehenen Ablauf und führt Abnahme und Übergabe durch. Ihre Organisation oder Ihr Betriebspartner übernimmt den anschließenden Betrieb.
Im kostenlosen, unverbindlichen 20-Minuten-Erstgespräch klären wir Ihr Ziel, die Ausgangslage und einen sinnvollen nächsten Schritt.
