Alle Blogbeiträge

Hier finden Sie alle Blogbeiträge des Lamarr-Instituts – quer durch alle Themen und Kategorien. Unsere Autor*innen zeigen, wie KI erforscht, angewendet und gesellschaftlich diskutiert wird. Viel Spaß beim Stöbern und Lernen!

00 Beitragsbild c Illustration generated using ChatGPT By OpenAI kateract - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

BlogAnwendung

Mehr sehen, besser versorgen: KI-basierte ophthalmologische Videoanalyse für die globale Augenheilkunde

Prof. Dr. Thomas Schultz, Dr. Maximilian Wintergerst, Simon Müller,

19. März 2026

KI-gestützte Videoanalyse ermöglicht skalierbare Augenscreenings und verbessert Kataraktoperationen – mithilfe einfacher Smartphone-Technologie....

BlogAnwendung

CapyMOA: Effizientes Maschinelles Lernen für dynamische Datenströme

Dr. Heitor Murilo Gomes,

25. Februar 2026

Echtzeitdaten verändern sich kontinuierlich – Ihre Modelle sollten es ebenfalls tun. CapyMOA bringt leistungsfähiges Datenstromlernen und Konzeptdrift-Behandlung nach Python und verbindet MOA-Effizienz mit praxisnaher Nutzbarkeit....

Illustration in a Van-Gogh-inspired style showing a calm humanoid robot observing a flowing stream of data that transforms into adaptive decision trees. Swirling blue and yellow brushstrokes depict real-time data streams, changing graphs, and evolving tree structures, symbolizing Streaming Gradient Boosting and online learning under concept drift.

BlogForschung

Streaming Gradient Boosting: Online Learning neu gedacht

Dr. Nuwan Gunasekara,

04. Februar 2026

Streaming Gradient Boosting (SGB) bringt Gradient Boosting auf sich entwickelnde Datenströme – indem Modelle in Echtzeit an Concept Drift angepasst werden, mit hoher Genauigkeit und Effizienz über Klassifikations- und Regressionsaufgaben hinweg....

00 Blog Beitragsbild HEROS - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

BlogForschung

Grünes Online-Lernen mit Heterogenen Ensembles

Kirsten Köbschall,

29. Januar 2026

Was wäre, wenn grünere KI keinen Verlust in der Vorhersagegenauigkeit hätte? Entdecke, wie heterogene Online-Ensembles wie HEROS die Vorhersagegenauigkeit steigern, Ressourcenkosten senken und sich sofort an sich verändernde Datenströme anpassen....

Generated by ChatGPT via the prompt “A digital scene captures a humanoid robot, with a smooth white body and dark accents, operating a wooden waterwheel at a quaint watermill beside a flowing river under a clear sky. The landscape around it is painted in bold, swirling strokes reminiscent of Van Gogh's Post-Impressionist style, featuring lush greenery, rolling hills, and a winding path, with the robot and the rotating waterwheel as the focal points.”

BlogGrundlagen

Lernen aus Datenströmen: Grundlagen des Stream Learning

Dr. Sebastian Buschjäger,

21. Januar 2026

Daten strömen ununterbrochen – wie können Modelle da mithalten? Dieser erste Beitrag stellt Stream Learning, Konzeptdrift und Echtzeitanpassung für sich ständig weiterentwickelnde Datenströme vor....

BlogAnwendung

Fine-Tuning einer Low-Resource-Sprache: Training des Whisper-Modells mit Marathi

Dr. Rishikesh Pandit,

12. November 2025

Es gibt große Unterschiede darin, wie gut ein englisches oder deutsches ASR-Modell stark akzentuierte oder nicht-muttersprachliche Sprache transkribiert. Ähnliches gilt für Marathi und andere Low-Resource-Sprachen. Können wir diese Schwäche überwinden und wenn ja, wie?...

Digital representation of warehouse augmented with virtual blueprints of logistics systems

BlogAnwendung

Von der Handskizze zum digitalen Lagerlayout: KI-gestützte Verarbeitung im WarehouseDesigner

Christian Pionzewski, Maximilian Otten, Anike Murrenhoff,

29. Oktober 2025

KI verändert die Lagerplanung: Der WarehouseDesigner verwandelt einfache Skizzen in Sekunden in digitale, optimierte Lagerlayouts und beschleunigt die Planung moderner Lagersysteme....

00 Blog Beitragsbild Fine Tuning LRL 1 - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

BlogForschung

Warum Fine-Tuning von ASR bei Low-Resource-Sprachen immer noch scheitert – und wie wir das ändern können

Dr. Rishikesh Pandit,

15. Oktober 2025

Fine-Tuning von ASR bleibt für Low-Resource-Sprachen komplex. Am Beispiel Marathi zeigen wir sprachliche, technische, ethische Hürden und Wege zu inklusiverer KI....

AI label for MobileNetV3Small (rated A) shown next to a symbolic image of a green tree growing from a computer chip. The AI label highlights energy efficiency, robustness, and accuracy, promoting sustainable and trustworthy AI.

BlogForschung

KI-Labels – Wie sie Orientierung bieten und Vertrauen schaffen können

Katharina Poitz, Dr. Raphael Fischer,

23. Juli 2025

KI-Labels können Kommunikationslücken schließen und Vertrauen in KI fördern. Eine Nutzer*innenstudie zeigt: Übersichtlich, vergleichbar und zugänglich für Expert*innen sowie Personen ohne technischen Hintergrund bieten sie Hilfe für nachhaltige, fundierte Entscheidungen. ...