School of Engineering

Kompetenzzentrum für Generative KI

Das Kompetenzzentrum für Generative Künstliche Intelligenz (KI) untersucht das Potenzial von Algorithmen (z.B. ChatGPT & Stable Diffusion), die neue Inhalte erzeugen. Wir forschen an und mit diesen Modellen und beraten Interessierte bei Fragen und Unsicherheiten. Ziel ist, ein besseres Verständnis für die Auswirkungen auf die Gesellschaft zu erreichen.

Generative KI ist eine Art von künstlicher Intelligenz, die in der Lage ist, neue Daten zu erstellen, die teilweise schwer von menschlichen Inhalten zu unterscheiden sind. Zu den generierten Inhalten zählen zum Beispiel Text, Ton und Bild. Dadurch hat die Technologie Auswirkungen auf viele gesellschaftliche Bereiche, darunter Sprachverarbeitung, Musik und Medizin. Als Beitrag für einen zukunftsfähigen Einsatz und Umgang mit der KI in Bildung, Forschung und Industrie, bündelt das Kompetenzzentrum bestehende Erfahrungen, bietet den Rahmen für Vernetzung und befähigt neue Projekte.

Die ZHAW kann auf langjährige Expertise im Bereich KI zurückgreifen. Seit 2016 arbeitet beispielsweise das Center for Artificial Intelligence (CAI) mit generativen Modellen für die Spracherzeugung und das Institut für Übersetzen und Dolmetschen (IUD) mit maschinellen Übersetzungstools. Mit der Gründung der Plattform kommen Expert:innen aus unterschiedlichen Disziplinen zusammen, um generative KI-Modelle zu analysieren, zu entwickeln und deren Auswirkungen auf die Gesellschaft untersuchen.

Schwerpunkte sind neben angewandter Forschung, Entwicklung und (Weiter)Bildungskursen auch Dienstleistungen und Events. Begleiten Sie uns auf der Reise des Entdeckens und des Wissensaustauschs! 

 

Schwerpunkte und Themen

Weiterbildungen

Veranstaltungen

Keine Veranstaltungen verfügbar.

Publikationen

  • ,

    2025.

    Readings in AI 2024/25.

    Winterthur:

    ZHAW Zurich University of Applied Sciences.

    Verfügbar unter: https://doi.org/10.21256/zhaw-34251

  • Bonaldi, Anna; Hartley, Philippa; Braun, Robert D.; Purser, S. J. D.; Acharya, Anshuman; Ahn, Kyungjin; Resco, Miguel Aparicio; Bait, Omkar; Bianco, Michele; Chakraborty, Abhijit; Chapman, Emma; Chatterjee, S.; Chege, K.; Chen, Hao; Chen, Xiao; Chen, Zhong; Conaboy, Luke; Cruz, M.; Darriba, Laura; Santis, M. De; ; Diao, Kai; Feron, Jennifer; Finlay, Chris; Gehlot, B. K.; Ghosh, Shaon; Giri, Sambit K.; Grumitt, R D P; Hong, Sungwook E.; Ito, Takaaki; Jiang, Min; Jordan, C.; Kim, S.; Kim, Mi Ran; Kim, J.; Krishna, Shreyam Parth; Kulkarni, Akshay; López-Caniego, M.; Labadie-García, I.; Lee, H. W.; Lee, David; Lee, Nicole; Line, J.; Liu, Yu‐Rong; Mao, Yi; Mazumder, Aishrila; Mertens, Florent; Munshi, S.; Nasirudin, Ainulnabilah; Ni, Shaoqing; Nistane, Viraj; Norregaard, Carina; Null, Donald M.; Offringa, A. R.; Seo, H.; Oh, Se–Heon; Parkinson, David; Pritchard, Jonathan R.; Ruiz-Granda, M.; López, Valle; Shan, Huanyuan; Sharma, Rohit; Trott, Cathryn M.; Yoshiura, Shintaro; Zhang, Li; Zhang, X.; Zheng, Q.; Zhu, Z.; Zuo, Shuai; Akahori, Takuya; Alberto, P.; Allys, Erwan; An, Tao; Anstey, D.; Baek, Ji‐Hye; Basavraj; Brackenhoff, S. A.; Browne, P.; Ceccotti, E.; Chen, Hao; Chen, Tianyue; Choudhuri, S; Choudhury, Mahbuba; Coles, Jonathan; Cook, Joseph M.; Cornu, David; Cunnington, Steven; Das, Sonali; Acedo, Eloy de Lera; Delouis, J.‐M.; Dèng, Fēi; Ding, Junjun; Elahi, Khandakar Md Asif; Fernandez, P; Fernandéz, Christian; Alcázar, A.; Galluzzi, V.; Gao, L. Q.; Garain, Utpal; Garrido, Julián,

    2025.

    Square kilometre array science data challenge 3a : foreground removal for an EoR experiment.

    Monthly Notices of the Royal Astronomical Society.

    543(2), S. 1092-1119.

    Verfügbar unter: https://doi.org/10.1093/mnras/staf1466

  • ; ; ; Rodrigo, Alvaro; Peñas, Anselmo; ,

    2025.

    ViClaim : a multilingual multilabel dataset for automatic claim detection in videos[Paper].

    In:

    Christodoulopoulos, Christos; Chakraborty, Tanmoy; Rose, Carolyn; Peng, Violet, Hrsg.,

    Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing.

    The 2025 Conference on Empirical Methods in Natural Language Processing (NMNLP), Suzhou, China, 4-9 November 2025.

    Association for Computational Linguistics.

    S. 397-413.

    Verfügbar unter: https://doi.org/10.18653/v1/2025.emnlp-main.21

  • Sultana, Mushfika; Jain, Osheen; Halder, Sebastian; Matran-Fernandez, Ana; Nawaz, Rab; Scherer, Reinhold; ; del R. Millán, José; Perdikis, Serafeim,

    2024.

    Evaluating dry EEG technology out of the lab[Paper].

    In:

    2024 IEEE International Conference on Metrology for eXtended Reality, Artificial Intelligence and Neural Engineering (MetroXRAINE).

    IEEE International Conference on Metrology for eXtended Reality, Artificial Intelligence and Neural Engineering (MetroXRAINE), St. Albans, United Kingdom, 21-23 October 2024.

    IEEE.

    S. 752-757.

    Verfügbar unter: https://doi.org/10.1109/metroxraine62247.2024.10797021

  • Burger, Manuel; Sergeev, Fedor; Londschien, Malte; Chopard, Daphné; Yèche, Hugo; Gerdes, Eike Christian; Leshetkina, Polina; Morgenroth, Alexander; Babür, Zeynep; ; Faltys, Martin; Kuznetsova, Rita; Rätsch, Gunnar,

    2024.

    Towards large-scale clinical multi-variate time-series datasets[Paper].

    In:

    NeurIPS Workshop on Time Series in the Age of Large Models.

    38th Conference on Neural Information Processing Systems (NeurIPS), Vancouver, Canada, 10-15 December 2024.

    OpenReview.

    Verfügbar unter: https://doi.org/10.21256/zhaw-32746

Expert:innen

Die Publikationslisten der Expert:innen sind auf deren Porträt verlinkt.

Für ZHAW-Mitarbeitende

Als ZHAW-Mitarbeiter:in kannst Du aktiv oder passiv beim Kompetenzzentrum mitmachen: als «Expert:in», wenn du dich intensiv mit dem Thema Generative KI beschäftigst; oder als «Zuhörer:in» in unserem MS Teams-Kanal, wenn Du einfach am Thema interessiert bist oder Fragen dazu hast.
Melde dich einfach per E-Mail an generativeAI@zhaw.ch.

Organisation

Medienpräsenz