IKM Team an der 10. IEEE Swiss Conference on Data Science mit inspirierenden Beiträgen und einigen Take-Aways

Das Data Science Forscherteam vom IKM besuchte die 10. IEEE Swiss Conference on Data Science (SDS) in Zürich wo sich Vertreter*innen aus der Wirtschaft und Forscher*innen ihre Projekte präsentieren, über Entwicklungen austauschen und neue Ideen aushecken. Dabei haben Dr. Simone Griesser, Adriana Ricklin, Remo Kälin und Guang Lu ihre Forschung über Markenpolarisierung vorgestellt. Die IEEE Publikation wird im September erscheinen.

Das IKM Data Science Forscher Team besteht aus Mitgliedern mit unterschiedlichen Schwerpunkten wie Stromnetz im Hinblick auf die Energiewende, Algorithmic Design, Natural Language Processing (NLP) und Large Language Models (LLMs). So haben die SDS Besucher*innen des IKMs unterschiedliche Workshops und Vorträge der Konferenz besucht und bringen ein Potpourri an verschiedenen Eindrücken zurück, welche sie nachfolgenden kurz schildern.

Wer war mit dabei und was waren die Highlights?

Dr. Simone Griesser, Senior Wissenschaftliche Mitarbeiterin – bringt mit NLP neue Erkenntnisse über Marken und Kunden
«Meine Highlights der SDS 2023 waren die Keynote über OpenAssist und dem Knowledge Graph Workshop. OpenAssist ist das neue open-source Large Language Model (LLM) von der ETH. Ich bin sehr froh, dass sich Forschende der ETH auch für open-source LLMs engagieren, um eine Alternative zu ChatGPT und Bard zu bieten. Mehr Tiefe hätte ich mir indes vom Workshop zu generativer KI gewünscht. Da habe ich zwar einzelne Dinge mitnehmen können, aber mein Wissensdurst war noch nicht ganz gestillt. Mein zweites Highlight war der Workshop zu Knowledge Graphs am Donnerstagnachmittag. Bis anhin wusste ich wenig darüber. So konnte ich mich weiterbilden und es entstanden spannende thematische Überlappungen zum Natural Language Processing, meinem Steckenpferd. Da die Workshops alle im JED in Schlieren stattfanden, sah ich alte bekannte Gesichter schon am Donnerstag. Das war toll!»

Remo Kälin, Masterassistent – forscht im Bereich Photovoltaik Optimierung und Simulation
«Für mich war es der erste Besuch an der Swiss Data Science Conference. Mein Ziel war es, Inspiration für bestehende und neue Projekte im Zusammenhang mit Strommärkten zu erhalten. Die Talks hierfür waren vielversprechend zumal es einen eigenen Track rund um das Thema Energie gab. 

Der Talk zu Graph Machine Learning for High-Resolution PV Forecasting von Rafael Carillio (CSEM) war sehr inspirierend, zumal meine eigene Masterarbeit der Photovoltaik Prognose gewidmet war. Die Anwendung von GNN im Zusammenhang mit PV Installationen macht absolut Sinn, da ein Netzwerk von PV Anlagen den Verlauf von Wolkenbildern im Modell abbilden kann.  Ein weiteres Highlight habe ich im Talk über Physics-Informed Machine Learning for Predictive Maintenance: Applied Use-Cases von Manuel Arias Chao (ZHAW) und Lilach Goren Huber (ZHAW) gefunden. Digital Twins in der PV Simulation ist ein effektives Mittel um defekte oder nicht-optimierte PV Anlagen zu simulieren und weiter als synthetische Trainingsdaten zu verwenden. Für mich war dieser Talk eine tolle Inspiration um allenfalls Strommärkte mit Angebot und Nachfrage besser zu simulieren. Das letzte Highlight hatte ich in der Vorlesung von Lukas Meyer (Meteotest AG) über Detecting Solar Panels and Skylights on Roofs Using Machine Learning. Die Erkennung von PV Anlagen mittels Satelitenbildern bei Nacht und Tag war sehr gut aufbereitet und dokumentiert. Der Talk hat mich dazu inspiriert, neue Techniken im Zusammenhang mit Geo-Daten auszuprobieren. 

Alles in Allem bin ich sehr zufrieden mit meinem ersten Konferenzbesuch und werde nächstes Jahr bestimmt erneut mit dabei sein. Ich habe den Austausch mit den Kolleg*innen sehr genossen und freue mich, einige Konzepte in meine eigene Forschung einfliessen zu lassen.»

Adriana Ricklin, Wissenschaftliche Mitarbeiterin – forscht im Bereich Reinforcement Learning und Topic Modelling
«Eine super organisierte Veranstaltung, viele interessante Inputs, spannende Vorträge, gute Snacks – das war die Swiss Data Science Konferenz 2023 für mich. Mein persönliches Highlight war dabei die Keynote von Anca Dragan, in der es um die Tücken ging, die entstehen, wenn man Reinforcement Learning (RL) Algorithmen basierend auf vereinfachten Annahmen (Reward-Funktionen) designt.  

Beispielsweise berichtete sie von Spielagenten, die anstatt das Rennspiel zu gewinnen lieber möglichst viele Geschwindigkeitsbooster sammelten, da ihnen dies auch Punkte einbrachte, genauso als wenn sie das Spiel gewonnen hätten. Ein weiteres Beispiel waren Fütterungsroboter, die das Essen nicht zielsicher zum Mund führten, sondern stattdessen hinter den Kopf transportierten. Dieses Verhalten entstand, weil sie nicht darauf trainiert wurden, den Löffel in den Mund zu steuern, sondern während dem Training mehr Punkte erhielten, je näher sie das Essen zum Kopf brachten. Damit zeigte Anca Dragan nicht nur die Bedeutung der Präzision im Algorithmendesign auf, sondern betonte auch die Notwendigkeit, dass Algorithmen und ihre Ergebnisse erklärbar sein müssen (XAI). 
Entsprechend würde ich es begrüssen, wenn die nächste SDS diesen zwei Themenbereichen, RL und XAI, noch mehr Raum oder sogar eigene Tracks bieten würde.»

Dr. Patricia Feubli, Leiterin Competence Center Communication and Marketing Technologies – widmet sich transparentem Marketing Analytics
«Die SDS 2023 war grossartig. Ein klares Highlight war der Austausch mit der Community. Es hat sich wie ein grosses, energiegeladenes Klassentreffen angefühlt. So viele bekannte Gesichter und so viele gute, spannende Gespräche. Nicht nur die Gespräche, sondern auch die Referate und Poster der Community Mitglieder waren sehr inspirierend. Ein weiteres Highlight war das Referat über die Funktionsweise des Quantum Computing und die damit verbundenen unbeschreiblichen Effizienzgewinne im Bereich Machine Learning.

Auch die Referate im Workshop «Responsible AI» waren sehr spannend. Insbesondere hinsichtlich des AI Acts ist dies natürlich ein hoch relevantes Thema. Hier hätte ich mir eine tiefergehende Diskussion hinsichtlich der Konsequenzen für Forschungsprojekte und KMU gewünscht. Zum Beispiel wäre es spannend gewesen, Branchenstandards hinsichtlich der Fairness Metrics zu sehen.»

Dr. Guang Lu, Dozent – setzt sich mit anderen Forscher:innen für den Einsatz von Large Language Models ein
«I attended the two-day Swiss Data Science Conference last week. On the workshop day, I found the workshop on responsible AI very interesting. It made us aware that the relevant AI regulations are already in place or on their way. We also discussed interesting use cases of responsible AI in different organizations. On the conference day, I found that many different interesting topics from data science were raised. These include the application of large language models in innovative products and services, multimodal machine learning and information fusion, reinforcement learning and its application in industry, and quantum machine learning and its early use cases. These topics also represent the trends in the field.»

Dr. Christian Dollfus, Dozent – ist Daten Engineer, automatisiert alles was möglich ist und macht AI für Renewable Energielösungen v.a. im Bereich Netzausgleich und automatisiertes Recruiting
«Meinerseits habe ich nur den Freitag besucht an der SDS2023. Zwei Themen waren besonders interessant: die Möglichkeit in relationalen Datenbanken Graphen-basierte Strukturen einzubauen d.h. klassisches SQL so zu erweitern, dass einerseits die Entity-Relationships zu einem Graphen erweitert werden können und andererseits auf Verbindungen Tags und Attribute angefügt werden können. Weiter ist eine Abfrage des Graphen möglich wie es heute in NEO4J mit Cypher möglich ist. Der Vorteil gegenüber NEO4J ist der, dass die installierte Basis an befüllten Datenbanken genutzt werden kann und eine Migration auf NEO4J vermieden werden kann.

Das andere Highlight war eine Präsentation, in welcher Forecasts auf Grid-Congestions (Stromnetz-Probleme) im Verteilnetz vorgestellt wurden und deren Anlyse. Dies ist wichtig, um die Energiewende zu ermöglichen.»

Dr. Sarah Seyr, Dozentin – setzt sich mit anderen Forscher:innen für Daten- und AI-Integrität ein
«Die Konferenz war zweifellos eine wertvolle Gelegenheit zum Austausch mit Kolleg:innen aus Unternehmen und von anderen Hochschulen zum Thema Data & AI Integrity. Besonders vielversprechend waren hier die Begegnungen mit Omran Ayoub von der STUPSI im Tessin und Susanne Suter von der Fachhochschule Nordwestschweiz. 

AI ist auf dem Vormarsch, keine Frage, und damit steigt auch die Anforderung, AI-Systeme zu erklären: Wie kommen Entscheidungen zustande? Wie funktioniert der Algorithmus? Aber auch: Auf Basis welcher Daten wird entschieden? Und: Welchen Anteil hat der Mensch? Wir haben intensiv darüber diskutiert, wie wir die Vorteile und Potenziale der KI nutzen können, ohne dabei die ethischen Aspekte und den Schutz der Privatsphäre zu vernachlässigen. Wir waren uns einig, dass die Notwendigkeit, AI-Systeme verständlich zu machen, bereits bei der Datenerhebung und -aufbereitung beginnt. Zur Entwicklung transparenter und nachvollziehbare Modelle gehört eben auch eine transparente Grundlage. 

Ich bin dankbar für die Gelegenheit, solch talentierte und engagierte Forscher:innen zu kennen und Teil einer leidenschaftlichen Community zu sein, die sich für die Weiterentwicklung der AI-Technologie mit Fokus auf Transparenz und Verständlichkeit einsetzt. Es war faszinierend zu erkennen, dass unser Forschungsfeld zunehmend an Bedeutung gewinnt und welchen Einfluss unsere Arbeit auf die Gesellschaft hat. Ich bin zuversichtlich, dass unsere Zusammenarbeit in Zukunft zu bedeutenden Fortschritten führen wird, und ich freue mich auf die gemeinsamen Projekte und den Austausch von Know-how.»