• Wie macht man Information nutzbar?
• Wie findet man neue Themen und Trends?
• Wie gewinnt man aus heterogenen/unstrukturierten Daten und Informationen Erkenntnisse?
• Wie sagt man bestimmte Ereignisse voraus?
• Wie kann Software aus vergangenen Ereignissen lernen? 

Mit diesen und vielen weiteren Fragen beschäftigt sich der Schwerpunkt Information Engineering (IE). Die oft negativ thematisierte Daten- und Informationsflut begreifen wir als Chance; mit den richtigen Mitteln können zur Such- und Analysezeit Daten und Informationen integriert und nutzbar gemacht werden.

Der Schwerpunkt gibt die aus der angewandten Forschung und Entwicklung gewonnen Erkenntnisse an die Studierenden der Informatikstudiengänge in Modulen wie "Information Engineering 1 (Information Retrieval)", "Information Engineering 2 (Data Warehousing & Big Data)", "Künstliche Intelligenz 1", "Künstliche Intelligenz 2" und "Machine Learning" (letzteres im Master) weiter. Der Schwerpunkt engagiert sich auch international im Rahmen von Forschungsprojekten der EU-Rahmenprogramme. Mit unseren Kompetenzen tragen wir zum interdisziplinären Forschungsfeld "Data Science" bei.​

Der Schwerpunkt beschäftigt sich mit grundlegenden Problemen aus dem Bereich Data Science und ist Gründungsmitglied des ZHAW Datalab.

Information Retrieval

Information Retrieval befasst sich mit allen Facetten der Suche auf unstrukturierten und semi-strukturierten Daten. Dazu gehören insbesondere auch Natural Language Processing inkl. sprachübergreifendes Retrieval, Multimedia Retrieval, Kategorisierung, Recommender Services, Question Answering und Topic/Trend/Ereignis Detection.

Datenbanken und Information Systemes

Datenbanken, Informationssysteme und Data Warehousing befasst sich mit der Verarbeitung von strukturierter Information und Big Data, insbesondere deren effiziente Speicherung, Verwaltung und Abfrage mit dem Ziel von datengetriebener Entscheidungsunterstützung. Eine Fragestellung beschäftigt sich mit der Entwicklung von natürlichsprachigen Schnittstellen zu Datenbanken, um eine „menschenähnliche“ Kommunikation zu ermöglichen. Andere Fragestellungen behandeln die Anwendung von Machine Learning Algorithmen für Data Management Probleme wie etwa Query Optimization oder Data Fusion.

Künstliche Intelligenz

Künstliche Intelligenz und Maschinelles Lernen befasst sich mit dem Entwurf und der Analyse intelligenter Systeme mit Methoden des Maschinellen Lernens, insbesondere mittels Deep Learning und Reinforcement Learning. Ein besonderes Augenmerk liegt dabei auf der Lösung von Mustererkennungsaufgaben etwa in den Bereichen Predictive Maintenance, Document Analysis, Object Classification und Detection in Computer Vision oder Speaker Recognition. Dabei ist die übergeordnete Fragestellung die der praktischen Anwendbarkeit und Robustheit von Algorithmen auf kleinen wie grossen Datenmengen sowie die Interpretierbarkeit der Ergebnisse.