Event
Auf der IOCMA 2026 präsentierten wir unsere aktuelle Forschung zu Graph Neural Networks: wir überführen dabei Graph-basierte Datensätze in ausdrucksstärkere Hypergraph-Strukturen und adressieren damit das sogenannte „Over-Squashing"-Problem, eine zentrale Hürde, wenn aus stark vernetzten Daten wie Lieferketten oder sozialen Netzwerken verlässlich gelernt werden soll. In ersten Benchmarks verbessert unser Ansatz die Vorhersagegüte gängiger Modelle in bis zu 80 % der Testfälle.
Hier der link zum Poster
Event
Liliya Imasheva stellte auf der Conf42 Large Language Models 2026 eine Validierungs-Pipeline zur Bewertung von KI-Zusammenfassungen vor.
Event
Perelyns Anton Steuer stellte auf der Helmholtz AI Konferenz sein Verfahren zur Erforschung kultureller Werte in Large Language Models vor, welches nicht nur die Antworten der Modelle liest, sondern direkt in ihre internen Repräsentationen schaut
News
Die Beiträge des Workshops „Knowledge Management" auf der KI2025 sind als Sammelband veröffentlicht worden. Darunter ein Paper unseres Teams über ein neuartiges Wissensgraph-basiertes RAG Verfahren entwickelt für treffsichere, nachvollziehbare Antworten bei weniger Fehlern und niedrigeren Kosten.
