Laufende Dissertationsprojekte

  Professorin Erika Ábrahám bei ihrer Forschungsarbeit © Lukas Netz  

Unsicherheit wird in der Informatik immer allgegenwärtiger. Sie ist für Big Data ebenso wichtig wie auf der Ebene von Ereignissen und Steuerung. Anwendungen verarbeiten große Datenmengen von oft unzuverlässigen Quellen wie verrauschten Sensoren oder nicht vertrauenswürdigen Webseiten. Daten können kontinuierlichen Veränderungen unterworfen sein, in unterschiedlichen Formaten vorliegen und sind häufig unvollständig. Systeme müssen mit schwer vorhersagbaren und manchmal feindseligen Umgebungen umgehen können.

Eine weitere unumgängliche Art von Ungewissheit hat ihren Ursprung in Abstraktionen in Systemmodellen. Probabilistische Modellierung und Randomisierung sind Schlüsseltechniken im Umgang mit Ungewissheit. Reale Modelle in der Planung profitieren von probabilistischen Programmen. In der Sicherheitsforschung werden feindselige Umgebungen oft als probabilistische Angreifer modelliert. Probabilistische Datenbanken ermöglichen den Umgang mit Ungewissheit in Daten. In der Systemverifikation hat sich das probabilistische Model Checking als Schlüsseltechnik zur Korrektheitsprüfung und Leistungsanalyse etabliert. Ähnliche Entwicklungen zeichnen sich in der Logik und Spieltheorie ab. Die Verbreitung von Ungewissheit verlangt nach wesentlichen Fortschritten in der probabilistischen Modellierung.

Das Ziel des interdisziplinären Graduiertenkollegs UnRAVeL ist, die probabilistische Modellierung und Analyse von Ungewissheit durch die Entwicklung neuer Theorien, Algorithmen und Verifikationstechniken signifikant voranzutreiben und auf zentrale Probleme in den Bereichen Sicherheit, Planung sowie Betriebssicherheit und Leistungsanalyse anzuwenden.
Hierzu bilden theoretische Informatiker aus den Gebieten computerunterstützte Verifikation, Logik und Spieltheorie, Algorithmen und Komplexität zusammen mit Experten aus der Betriebswirtschaftslehre, der angewandten Informatik und dem Eisenbahnwesen den Kern des Graduiertenkollegs.