Explainable AI

"Die Zukunft gehört einer KI, die wir verstehen, der wir vertrauen und mit der wir zusammenarbeiten können – einer KI, die komplexe, multimodale Daten sinnvoll verarbeitet, ihre Entscheidungen nachvollziehbar erklärt und nahtlos mit den Menschen interagiert, die sie nutzen. So können wir ihr wahres Potenzial ausschöpfen, Branchen nachhaltig zu verändern und einen Mehrwert für die Gesellschaft zu schaffen."
Expertise und Dienstleistungen
Expertise
- Maschinelles Lernen
- Deep Learning
- Erklärbare/vertrauenswürdige KI
- Multimodale KI
- Gesundheitswesen
Der Forschungsschwerpunkt der XAI-Gruppe liegt auf Methoden des maschinellen Lernens und Deep Learning, insbesondere erklärbare, vertrauenswürdige und multimodale KI, um komplexe Entscheidungs- und Wissensentdeckungsaufgaben in verschiedenen Bereichen zu lösen. Unser ultimatives Ziel ist es, die erfolgreiche Anwendung dieser Methoden in Praxisprodukten, Hand in Hand mit Fachexperten und Benutzern, zu ermöglichen. Konkret befassen wir uns mit der anspruchsvollen Forschungsaufgabe, KI-gestützte Systeme zu entwickeln, die multimodale Daten effektiv nutzen, menschenverständliche Informationen über ihre Ausgaben bereitstellen und nahtlos mit Benutzern interagieren können. Reinforcement Learning und kausaler Schlussfolgerung sind zwei weitere Bereiche, die für sequentielle Entscheidungsfindung und Wissensentdeckung mit Mensch in der Schleife sehr relevant sind. Während wir bereit sind Herausforderungen in verschiedenen Bereichen anzunehmen, sind wir jedoch insbesondere an der Vorantrieben, Verbesserung und Digitalisierung des Gesundheitsbereichs interessiert. Wir stellen uns das vor, indem wir, zum einen, erklärbare KI-gestützte Produkte für die Krankheitsdiagnostik und -behandlung entwickeln und, zum anderen, transparente KI-gestützte Ansätze zum Verständnis von Gesundheit und Krankheiten entwickeln, beides in Zusammenarbeit mit den Anwendern (Experten und Patienten) in der Schleife, sicher und verantwortungsvoll.
Dienstleistungen
- Einblick: Keynotes, Trainings
- KI-Beratung: Workshops, Expertenunterstützung, Beratung, Technikfolgenabschätzung
- Forschung und Entwicklung: kleine bis grosse Forschungsprojekte, Drittmittelforschung, studentische Projekte, praxiserprobte Prototypen
Zusätzliche Informationen
Wir freuen uns auf die Zusammenarbeit mit Praxispartnern, Spitälern und Forschungseinrichtungen, um neueste Erkenntnisse aus der KI-Forschung durch gemeinsame Forschungs- und Innovationsprojekte in die Praxis zu übertragen und konkrete Wirkung zu erzielen. Kontaktieren Sie uns gerne, um Möglichkeiten für eine Zusammenarbeit auszuloten.
Ebenso freuen wir uns über motivierte Studierende, die unsere Vision teilen und Interesse daran haben, ihre Masterarbeit unter unserer Betreuung zu verfassen. Alle offenen Stellen in unserer Forschungsgruppe, einschliesslich Doktoratsstellen, werden bei Verfügbarkeit auf der Website unserer Institution ausgeschrieben.
Team
Projekte
-
Antibiotika-Resistenz Tracker (AMR)
Ziel des Projekts ist es, die Überwachung der Resistenz gegen antimikrobielle Mittel bei Tieren und Lebensmitteln zu verbessern, mit Schwerpunkt auf internationalen Reisenden. Im Rahmen des Projekts wird der Einsatz von KI-basierten Text- und Image-Mining-Techniken zur Extraktion von Daten über die…
laufend, 08/2025 - 07/2028
-
Zuverlässige domänenspezifische Datenexploration und -analyse durch konversationelle KI (ARMADA)
Das ARMADA zielt darauf ab, 15 vielseitige und vernetzte Nachwuchswissenschaftler (Early-Stage Researchers, ESRs) auszubilden, die sich auf den übergeordneten Bereich der konversationalen Künstlichen Intelligenz (Conversational AI) spezialisieren.
laufend, 03/2025 - 02/2029
-
Entwicklung eines Machine-Learning Programms für ein Monitoring von Kinder- und Jugendunfällen (BfU2.0)
Hintergrund: Unfälle in der Altersgruppe von Kindern und Jugendlichen sind relativ häufig und gehen mit individuellem Leid und Kosten für das Gesundheitssystem und die Gesellschaft einher. Eine evidenzbasierte, zielgerichtete und wirkungsvolle Unfallprävention muss sich auf eine zuverlässige…
abgeschlossen, 07/2023 - 11/2025
-
LINA: Shared Large-scale Infrastructure for the Development and Safe Testing of Autonomous Systems
Das Ziel des LINA-Konsortiums ist es, eine Basis zu schaffen für die grösste europäische (reale und virtuelle) Infrastruktur für Forschung, Entwicklung und sicheres Testen von autonomen Systemen / UAS (Unmanned Aircraft System) für kommerzielle Produkte im Kanton Zürich.
laufend, 08/2022 - 12/2027
Publikationen
-
Bolck, Hella; Vollenweider, Janik; Merkli, Fabian; Barden, Alexander; Jajcay, Martin; Trempeck, Peter; Rafailović, Boško; Fraefel, Robert; Lenhart, Peter M.; Chavarriaga, Ricardo; Renold, Manuel; Bogojeska, Jasmina; Stadelmann, Thilo; Guillaume, Michel,
2026.
LINA’s testing infrastructure enables AI to take-off in unmanned aerial vehicles (UAVs).
Frontiers in Robotics and AI.
13(1764248).
Verfügbar unter: https://doi.org/10.21256/zhaw-36280
-
Sîrbu, Iustin; Sîrbu, Iulia-Renata; Bogojeska, Jasmina; Rebedea, Traian,
2025.
GIT-CXR : end-to-end transformer for chest X-ray report generation.
Information.
16(7), S. 524.
Verfügbar unter: https://doi.org/10.21256/zhaw-33688
-
Amer-Yahia, Sihem; Bogojeska, Jasmina; Facchinetti, Roberta; Franceschi, Valeria; Gionis, Aristides; Hose, Katja; Koutrika, Georgia; Kouyos, Roger; Lissandrini, Matteo; Maniu, Silviu; Mirylenka, Katsiaryna; Mottin, Davide; Palpanas, Themis; Rigotti, Mattia; Velegrakis, Yannis,
2025.
Towards reliable conversational data analytics[Paper].
In:
Proceedings of EDBT 2025.
28th International Conference on Extending Database Technology (EDBT), Barcelona, Spain, 25-28 March 2025.
Open Proceedings.
S. 962-969.
Verfügbar unter: https://doi.org/10.21256/zhaw-32833
-
Burger, Manuel; Sergeev, Fedor; Londschien, Malte; Chopard, Daphné; Yèche, Hugo; Gerdes, Eike Christian; Leshetkina, Polina; Morgenroth, Alexander; Babür, Zeynep; Bogojeska, Jasmina; 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
-
Burger, Manuel; Sergeev, Fedor; Londschien, Malte; Chopard, Daphne; Yèche, Hugo; Gerdes, Eike Christian; Leshetkina, Polina; Morgenroth, Alexander; Babür, Zeynep; Bogojeska, Jasmina; Faltys, Martin; Kuznetsova, Rita; Rätsch, Gunnar,
2024.
Towards foundation models for critical care time series[Paper].
In:
AIM-FM: Advancements In Medical Foundation Models: Explainability, Robustness, Security, and Beyond (AIM-FM Workshop @ NeurIPS'24), Vancouver, Canada, 14 December 2024.
arXiv.
Verfügbar unter: https://doi.org/10.21256/zhaw-32717