IEEE Big Data 2026

Die IEEE International Conference on Big Data 2026 kehrt als weltweit führendes Forum für Datenwissenschaftler*innen, KI-Forschende und Branchenführende zurück, die die Zukunft der groß angelegten Datenanalyse gestalten. Die für diesen Dezember in Phoenix, Arizona, geplante Konferenz dient als wichtige Plattform zur Erforschung von Fortschritten in den Bereichen maschinelles Lernen, Datenbanksysteme und Unternehmensdateninfrastruktur. Ein Höhepunkt des diesjährigen Programms ist der 4. Workshop zu großen Sprach- und Basismodellen, der vom Lamarr Institut mitorganisiert und gesponsert wird.

Die Zukunft skalierbarer Datenwissenschaft und KI-Systeme gestalten

Seit ihrer Gründung im Jahr 2013 ist die IEEE Big Data-Reihe ein zentraler Treffpunkt für die Diskussion der transformativen Auswirkungen von Daten in Medizin, Finanzen, Wissenschaft und Gesellschaft. Die Ausgabe 2026 bietet neben hochwertigen, fachlich begutachteten Forschungsarbeiten auch praktische Strategien für den Umgang mit beispiellosen Datenmengen. Die Teilnehmenden erhalten Zugang zu innovativen Beiträgen in den Bereichen Data Mining, vertrauenswürdige Systeme und hardwareeffiziente Architekturen, wodurch die Zusammenarbeit zwischen akademischer Forschung und industrieller Anwendung gefördert wird.

Lamarr-Expertise bei Foundation-Modellen und hybridem maschinellem Lernen im Fokus

Ein wichtiger Bestandteil der Konferenz ist der parallel stattfindende 4. Workshop zu großen Sprach- und Foundation-Modellen (WLLFM 2026), der vom Lamarr-Institut für maschinelles Lernen und künstliche Intelligenz gesponsert wird. Der Workshop wird gemeinsam von Prof. Dr. Rafet Sifa, Lamarr Principal Investigator für hybrides maschinelles Lernen, sowie Dr. Tobias Deußer und Dr. Lorenz Sparrenberg vom Applied Machine Learning (AML) Lab der Universität Bonn organisiert und befasst sich mit der Diskrepanz zwischen theoretischen Fortschritten und praktischen Anwendungen. Die Vorträge behandeln zentrale Forschungsbereiche, darunter Retrieval-Augmented Generation, Multi-Agenten-Systeme, multimodale Architekturen und vertrauenswürdige KI.