Semantic Systems Engineering
Im Forschungsbereich Semantic Systems Engineering erforschen wir Methoden, um Wissen besser verfügbar zu machen und zu vernetzen. Ziel ist es, Informationen in neuen Zusammenhängen nutzbar und verständlich zu machen. Im Mittelpunkt stehen dabei die Einführung von Semantik in Datenräumen sowie die Entwicklung von wissenserweiterten großen Sprachmodellen, die eine effektive Nutzung und Kontextualisierung von Informationen ermöglichen.
Semantik in Datenräumen

Strukturierte Anreicherung, Modellierung und Vernetzung von Daten mit Bedeutungskontext, um ihre Interoperabilität, Auffindbarkeit und Nutzbarkeit über System- und Domänengrenzen hinweg in Datenräumen zu ermöglichen.
Wissenserweiterte große Sprachmodelle

Speziell angepasste und erweiterte Large Language Models, die durch domänenspezifisches Wissen, zusätzliche Trainingsdaten oder semantische Strukturen verbessert wurden, um präziser, verständlicher und anwendungsnäher in konkreten Kontexten eingesetzt werden zu können.
Unsere Forschung im Bereich Semantic Systems Engineering zielt darauf ab, Wissen durch den Einsatz semantischer Technologien strukturiert nutzbar zu machen. Dabei kommen Ontologien, Wissensgraphen, semantische Modellierungsmethoden und interoperable Datenraumarchitekturen zum Einsatz. Ergänzt wird dies durch die Weiterentwicklung großer Sprachmodelle, die wir durch Feintuning, wissensbasierte Erweiterung und benutzerfreundliche Schnittstellen für spezifische Anwendungen optimieren. So schaffen wir datengetriebene Systeme, die Informationen nicht nur speichern, sondern auch verstehen und kontextbezogen bereitstellen – als Basis für digitale Innovationen in Wirtschaft, Verwaltung und Gesellschaft.
Wir arbeiten eng mit Industriepartnern zusammen, sei es im Rahmen von öffentlich geförderten Projekten oder direkten F&E-Aufträgen. Dabei setzen wir uns intensiv mit realen Herausforderungen auseinander und beziehen stets die Bedürfnisse von Endnutzern und Fachexperten mit ein. Dieser Praxisbezug stellt sicher, dass unsere Forschungsergebnisse nicht nur theoretisch fundiert, sondern auch unmittelbar in der industriellen Praxis anwendbar sind und die Wertschöpfung verbessern.
Ausgewählte Publikationen
- 2012
- Reinhard, R., Büscher, C., Meisen, T., Schilberg, D., & Jeschke, S. (2012). "Virtual Production Intelligence -- A Contribution to the Digital Factory" , ICIRA 2012: Intelligent Robotics and Applications , 706--715.
- Reinhard, R., Büscher, C., Meisen, T., Schilberg, D., & Jeschke, S. (2012). "Virtual Production Intelligence – A Contribution to the Digital Factory" , ICIRA 2012: Intelligent Robotics and Applications , 706—715.
- 2011/2012
- Meisen, T., Reinhard, R., Schilberg, D., & Jeschke, S. (2011/2012). "A Framework For Adaptive Data Integration In Digital Production" in Automation, Communication and Cybernetics in Science and Engineering 2011/2012 , Jeschke, Sabina and Isenhardt, Ingrid and Hees, Frank and Henning, Klaus, Eds. Berlin and Heidelberg : Springer , 1053—1066.
- Meisen, T., Meisen, P., Schilberg, D., & Jeschke, S. (2011/2012). "Application Integration of Simulation Tools Considering Domain Specific Knowledge" in Automation, Communication and Cybernetics in Science and Engineering 2011/2012 , Jeschke, Sabina and Isenhardt, Ingrid and Hees, Frank and Henning, Klaus, Eds. Berlin and Heidelberg : Springer , 1067—1089.
- 2011
- Schilberg, D., Meisen, T., Reinhard, R., & Jeschke, S. (2011). "Simulation and Interoperability in the Planning Phase of production processes" , ASME 2011 International Mechanical Engineering Congress and Exposition , 701—706.