Stage-oe-small.jpg

Harald Sack

Aus Aifbportal
Wechseln zu:Navigation, Suche
Harald2015.jpg
  • Prof. Dr. Harald Sack

  • Professor
  • Tel.:(0721) 608 46587
  • Email: harald sack∂kit edu
  • Raum: 5A-02 (Geb. 05.20)
  • Sprechstunde: Mi, 10:30 bis 11:30 Uhr.

ISE Neuigkeiten:

  • Information Service Engineering Lecture für das SoSe 2020 auf Youtube
  • Information Service Engineering @ Twitter
  • Aktuelle ISE Stellenausschreibungen
  • Offene Abschlussarbeitsthemen (Bachelor & Master)
  • Harald Sack ist Bereichsleiter für Information Service Engineering bei FIZ Karlsruhe – Leibniz-Institut für Informationsinfrastruktur und Professor für Information Service Engineering am Karlsruher Institut für Technologie (KIT), Institut für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB) mit der Forschungsgruppe „Information Service Engineering“. Nach seinem Abschluss in Informatikwissenschaften an der Universität der Bundeswehr in München im Jahr 1990 arbeitete er von 1990-1997 als System-/Netzwerkingenieur und Projektmanager im Funkaufklärungscorps der Bundeswehr. 1997 wurde er assoziiertes Mitglied des Graduiertenkollegs „Mathematische Optimierung“ an der Universität Trier, wo er 2002 in Informatikwissenschaften promovierte. 2002-2009 arbeitet er als PostDoc an der Friedrich-Schiller-Universität in Jena und 2009-2016 als Senior Researcher und Leiter der Forschungsgruppe „Semantische Technologien“ am Hasso-Plattner-Institut für Softwaresystemtechnik (HPI) der Universität Potsdam.
    Er ist Gründungsmitglied und Generalsekretär des 2008 gegründeten Deutschen IPv6 Rats. Harald Sack hat über 130 Beiträge in internationalen Zeitschriften und auf Konferenzen sowie drei Standardwerke zu Netztechnologien veröffentlicht und ist Mitgründer der yovisto GmbH (www.yovisto.com).

    Research

    Zur Entwicklung und Bereitstellung von neuen Informationsdiensten werden im Forschungsbereich Information Service Engineering Modelle und Methoden zur effizienten semantischen Erschließung, zur Aggregation und Vernetzung sowie zum Retrieval umfangreicher heterogener und verteilter Datenquellen untersucht. Zum Einsatz gelangen dabei sowohl Verfahren der statistischen als auch linguistischen Analyse (Natural Language Processing) und Methoden des maschinellen Lernens in Kombination mit symbolischer Logik und Inferenzverfahren.
    Folgende Schwerpunkte stehen dabei im Fokus:

    • Automatische Analyse (Text und Multimedia) mit besonderem Augenmerk auf Ergebnisqualität und hohe Effizienz. Es werden sowohl grundlegend neue Ansätze verfolgt als auch die Kombination bestehender Verfahren (z. B. linguistische Verfahren) im Bereich des Text Minings und maschinelle Lernverfahren zur Bild- und Videoklassifikation genutzt.
    • Semantische Analyse aufbauend auf Rohdaten-Analyseergebnissen in Kombination mit bereits vorhandenen Metadaten zur nachhaltigen Erschließung und automatisierten Weiternutzung von Dokumenteninhalten mit dem Schwerpunkt Ergebnisqualität und Fehlertoleranz. Dies beinhaltet folgende relevante Teilforschungsaspekte: Integration heterogener Metadaten und inhaltliche Erschließung über Named Entity Recognition, Named Entity Linking und Common Entity Linking.
    • Effiziente semantische Annotation multimedialer Dokumente in Abhängigkeit der Modalität der zu annotierenden Dokumente bei automatisierter Hilfestellung für den Benutzer (semi-automatische Annotation) sowie kontextsensitive Visualisierung und Nachnutzung der benutzergenerierten Annotationen.
    • Harmonisierung und Integration verteilter heterogener Wissensbasen unter Berücksichtigung von Provenienz, Zuverlässigkeit, Diversität, Multilingualität und Aktualität (Echtzeit).
    • Semantische Suche, i. e. basierend auf den Ergebnissen der semantischen Analyse bzw. nach erfolgter semantischer Annotation werden die vorliegenden semantischen Informationen zur Verbesserung des Retrievals bzgl. Vollständigkeit und Genauigkeit der erzielten Suchergebnisse angewendet
    • Explorative Suche und intelligente Empfehlungssysteme, wobei der Übergang zwischen semantischer Suche hin zur explorativen Suche und Empfehlungssystemen ein fließender ist. Während bei der semantischen Suche die semantische Ähnlichkeit zur Auswahl von Suchergebnissen führt, zieht die explorative Suche weitere (inhaltliche) relationale Zusammenhänge zwischen den zu durchsuchenden Dokumenten und deren bedeutungstragenden Elementen in Betracht.









    Forschungsgebiete
    Semantische Technologien, Semantische Suche, Ontology Engineering, Natürliche Sprachverarbeitung, Knowledge Discovery, Data Mining, Künstliche Intelligenz, Semantic Web