Forschungsprojekte im Bereich Informatik (Auswahl)

SFB/TRR 248

Projektleiter: Holger Hermanns, Dependable Systems and Software
Förderzeitraum: seit 2019
Sprecherhochschule: Universität des Saarlandes

Ob in autonomen Fahrzeugen oder Industrie 4.0, im Smart Home oder in den Smart Cities der Zukunft – Computerprogramme wirken zunehmend an Aktivitäten und Entscheidungen mit, die den Menschen direkt betreffen. Allerdings ist unser Verständnis, wie derart komplexe Systeme interagieren und welche Gründe zu welchen Entscheidungen führen, völlig unzureichend. Es fehlt den Systemen an Mechanismen, ihr eigenes Verhalten plausibel zu machen. Durchgängig verständliche Systeme stellen somit eine bisher weitestgehend ungelöste wissenschaftliche Herausforderung dar. Der Sonderforschungsbereich nimmt sich dieser Herausforderung an und legt die Grundlagen für computergestützte Systeme der Zukunft, die ihre Funktionalität und ihr Verhalten erläutern.

Sonderforschungsbereich

SFB 1102

Projektleiterin: Elke Teich, Englische Sprach- und Übersetzungswissenschaft
Förderzeitraum: seit 2014

Variation im Sprachsystem wird üblicherweise mit dem Konzept der Komplexität in Verbindung gebracht. Dies erweist sich aber als nicht hinreichend präzise für eine adäquate Modellierung sprachlicher Prozesse. Neuere linguistische Forschungsarbeiten weisen auf eine Korrelation zwischen Komplexität in der Verarbeitung und kontextuell bestimmter Vorhersagbarkeit hin. Dies legt die Annahme nahe, dass Komplexität durch den Shannonschen Informationsbegriff adäquat repräsentiert werden kann, hier als "Surprisal" bezeichnet. Der Sonderforschungsbereich verfolgt die Hypothese, dass Verarbeitungskomplexität durch Surprisal reflektiert wird und dass Variation im Sprachgebrauch durch optimale Informationsverteilung über ein sprachliches Signal charakterisiert werden kann. Sprecher nutzen die verfügbare sprachliche Variation in ihren Kodierungen, indem sie die Abfolge, Dichte und Spezifizität eines Ausdrucks modulieren. Der Sonderforschungsbereich untersucht, zu welchem Grad Surprisal und verwandte informationstheoretische Konzepte eine Erklärung für die beobachteten Variationsmuster auf verschiedenen sprachlichen Ebenen und im Zusammenspiel der Ebenen liefern können.

Sonderforschungsbereich

ERC Advanced Grant

Projektleiter: Holger Hermanns, Dependable Systems and Software
Förderzeitraum: 2016-2021

Twenty years ago we were able to repair cars at home. Nowadays customer services repair coffee machines by installing software updates. Soon you will no longer be able to repair your bike. Embedded software innovations help us tremendously in our daily life. But we do not understand what the software does. Proprietary embedded software has become an opaque layer between functionality and user. That layer is thick enough to possibly induce malicious or unintended behaviour. However, a minor customisation might well have strong unexpected impact. We thus need means to detect, quantify and prevent such implications. The project provides quantitative verification technology for system-level correctness, safety, dependability, and performability. In this endeavour, it takes up a hard scientific challenge: embedded software for electric power management. Electric power is intricate to handle by software, is safety-critical, but vital for mobile devices and their longevity. The project will demonstrate that quantitative verification of open embedded software is feasible, and can ensure safe and dependable operation of safety-critical devices.

Advanced Grant

ERC Proof-of-Concept Grant
Projektleiter: Holger Hermanns
Förderzeitraum: 2021-2022

More than 17,000 satellites are announced for launch into Low Earth Orbit (LEO) before 2027, for the purpose of real-time Earth observation
and worldwide connectivity.

The ERC Proof of Concept Grant 966770 "LEOpowver" harvest results of the ERC Advanced Grant 695614 "POWVER" for the LEO market to arrive at orbit-proof software for the continuous, fully automated, power-optimal and profit maximising dynamic operation of Low Earth Satellite constellations.

The central activities of LEOpowver are (i) in-orbit validations on a LEO satellite constellation and (ii) in-depth exploration of commercialisation opportunities for the orbit-proof software.

Proof-of-Concept Grant

ERC Advanced Grant

Projektleiter: Joachim Weickert, Mathematical Image Analysis
Förderzeitraum: 2017-2022

Generating huge amounts of visual data has never been easier than today. This creates a growing demand for lossy codecs that produce visually convincing results also for very high compression rates. Popular transform-based codecs such as JPEG and JPEG 2000 have reached a state where one cannot expect significant improvements anymore. To go beyond their limitations, fundamentally different ideas are needed. Inpainting-based codecs store only a small, carefully optimised part of the data. In the decoding step, the missing information is filled in with a suitable inpainting mechanism. The project covers the entire spectrum from its theoretical foundations over benchmarking and highly efficient numerical algorithms to codecs for specific applications, and a real-time 4K video player as demonstrator. This will lift inpainting methods from a visually pleasant image editing tool to a fundamental paradigm in coding.

ERC Consolidator Grant

Projektleiter: Bernd Finkbeiner, Reactive Systems
Förderzeitraum: 2016-2021

Wenn die Software von Autos, Flugzeugen oder Industrierobotern Programmierfehler enthält, kann das für Menschen lebensgefährlich werden. Der Informatiker Bernd Finkbeiner erforscht Methoden, mit denen solche kritischen Systeme künftig einfacher und sicherer programmiert werden können. Durch eine automatische Programmsynthese wird der Systementwickler von der Bürde befreit, alle Details von vornherein festlegen zu müssen. Er kann sich vielmehr auf die übergeordneten Ziele und die Anforderungen des Systems konzentrieren. Hierzu werden die Anforderungen in einer mathematischen Spezifikationssprache formuliert. Die Synthesemethode sorgt dafür, dass der Programmcode allen Anforderungen genügt und reglementiert die offenen Details. Durch die Automatisierung können neue Systeme deutlich effizienter als bisher entwickelt werden.

Consolidator Grant

ERC Starting Grant

Projektleiter: Karl Bringmann
Förderzeitraum: 2019-2024

This project aims to resolve challenging integer programming problems in exact and approximate settings, with a focus on Knapsack-type problems (such as Subset Sum, Partition, and Knapsack). To this end, we will develop a unified approach of algorithm design as a combination of algorithmic tools, structural theory, and conditional lower bounds. Specific tasks include:

- utilizing recent advances in efficient algorithms, since although Knapsack-type algorithms are NP-hard their main challenges ask for polynomial improvements in running time,

- leveraging structural results from additive combinatorics for the design of algorithms for problems of additive nature, such as Knapsack-type problems, and

- using and expanding fine-grained complexity theory to explain the limits of algorithms by proving conditional lower bounds based on plausible conjectures.

In particular, our combination of modern algorithmic techniques and structural results on the one hand, and conditional lower bounds on the other hand, allows us to aim at best-possible algorithms (conditional on plausible conjectures). We also plan to transfer techniques in the other direction (from integer programming to efficient algorithms), by using the insights of practical integer programming solvers to obtain highly-efficient implementations for selected polynomial-time problems.

Designing best-possible algorithms for one of the Knapsack-type problems will already be groundbreaking, and complete resolution of our goals would be dramatic algorithmic progress with consequences in computer science, optimization, and operations research.

ERC Starting Grant

ERC Starting Grant

Projektleiter: Vera Demberg
Förderzeitraum: 2021-2026

Menschen passen den Inhalt und die Form ihrer Äußerungen an unterschiedliche Gesprächspartner an (Studenten vs. Kollegen vs. Oma) und überwachen den Grad des Verständnisses ihres Gesprächspartners (indem sie seine Reaktionen beobachten). Heutige NLP-Systeme sind jedoch nicht dafür ausgelegt, bemerken zu können, was der Gesprächspartner verstanden hat und darauf zu reagieren. Das wiederum kann zu Missverständnissen und mangelnder Natürlichkeit in der Interaktion führen.

Die Vision des Projekts IDDISC ist es, die individualisierte Sprachinteraktion mit Computersystemen zu ermöglichen: die von einem System generierten Informationen oder Erklärungen sollen zum Benutzer und zur Situation passen. Dazu soll explizit modelliert werden, was ein Nutzer verstanden hat. Dieses Projekt wird Neuland betreten, indem es individuelle Unterschiede im Verstehen auf der Pragmatik- und Diskursebene adressiert. Dabei geht es insbesondere um die Inferenz von abgeleiteten Bedeutungen, die über die wörtliche Bedeutung einer Äußerung hinausgehen.

Das Projekt IDDISC wird somit ermöglichen, das Risiko von Missverständnissen zu reduzieren und eine Anpassung der automatisch generierten Sprache (z.B. Erklärungen, Zusammenfassungen) an bestimmte Benutzer zu ermöglichen. Im Rahmen des Projekts sollen auch neuartige statistische Methoden und Crowd-Sourcing-Paradigmen entwickelt werden, die besonders auf die Untersuchung von individuellen Unterschieden abgestimmt sind.

ERC Starting Grant

European Research Council | Starting Grant

Projektleiterin: Prof. Isabel Valera, Machine Learning
Förderzeitraum: 2023-2027

To date, the design of ethical machine learning (ML) algorithms has been dominated by technology owners and remains broadly criticized for strategically seeking to avoid legally enforceable restrictions. In order to foster trust in ML technologies, society demands technology designers to deeply engage all relevant stakeholders in the ML development. This ERC project aims at responding to this call with a society-aware approach to ML (SAML). My goal is to enable the collaborative design of ML algorithms, so that they are not only driven by economic interests of the technology owners but are agreed upon by all stakeholders, and ultimately, trusted by society. To this end, I aim to develop multi-party ML algorithms that explicitly account for the goals of different stakeholders---i.e., owners, those experts that design the algorithm (e.g., technology companies); consumers, those that are affected by the algorithm (e.g., users); and regulators, those experts that set the regulatory framework for their use (e.g., policy makers). The proposed methodology will enable quantifying and jointly optimizing the business goals of the owners (e.g., profit); the benefits of the consumers (e.g., information access); and the risks defined by the regulators (e.g., societal polarization). The SAML project involves a high-risk/high-gain paradigm shift from an owner-centered to a society-centered (multi-party) ML design. On the one hand, it will require significant and challenging methodological innovations at every stage of the ML development: from the data collection all the way to the algorithm learning. On the other hand, it will impact how ML technologies are deployed in society by enabling an informed discussion among different stakeholders and, in general, by society about these new technologies. The results of this project will provide the urgently needed methodological foundations to ensure that these new technologies are at the service of society.

ERC Advanced Grant

Projektleiter: Jan Reineke, Real-Time and Embedded Systems Lab
Förderzeitraum: 2021-2025

Viele sicherheitskritische Bereiche unseres Alltags werden von Computersystemen gesteuert – seien es Airbag-Steuerungen in Fahrzeugen, Flugzeugfahrwerke oder auch grundlegende Infrastrukturen wie die Energieversorgung und Telekommunikation. Ein zentraler Aspekt solcher Computersysteme – die Hardware-Software-Schnittstelle – macht die Entwicklung von sicheren Anwendungen jedoch grundsätzlich unmöglich. Das wurde 2018 sehr deutlich, als erstmals Spectre- und Meltdown-Angriffe beobachtet wurden. Seither kämpft die Hardware- und Softwareentwicklung damit, die entsprechenden Schwachstellen zu minimieren. Das EU-finanzierte Projekt SafeSecS geht dieses Problem durch die Schaffung eines neuen Rahmens an, der wesentliche Sicherheitsmerkmale auf der Softwareebene zusätzlich zu neuen Hardware-Software-Verträgen garantieren soll.