Fully Dynamic Materialization Maintanance (FDMM)

Im Mittelpunkt steht eine zentrale informatische Fragestellung: Wenn sich Daten laufend ändern – etwa durch Verspätungen oder Ausfälle im Verkehrsnetz – müssen daraus abgeleitete logische Konsequenzen nicht komplett neu berechnet werden. Stattdessen lassen sich effizient nur die tatsächlichen Änderungen nachziehen. Für diese Herausforderung entwickelt die Universität Ulm entsprechende Algorithmen.

Beitrag Institut für KI-Sicherheit

Das Institut für KI-Sicherheit stellt für dieses Vorhaben die fachliche Grundlage in Form von Verkehrsontologien bereit: strukturierte Wissensmodelle, die festlegen, wie Verkehrsereignisse logisch miteinander zusammenhängen – etwa welche Linien und Anschlüsse betroffen sind, wenn ein Infrastrukturelement ausfällt. Diese Ontologien werden mit offenen Daten wie OpenStreetMap (OSM) und GTFS-Fahrplandaten verknüpft und so mit realitätsnahen Verkehrsinformationen angereichert.
Diese angereicherten Datensätze dienen der Universität Ulm als Evaluationsgrundlage: Anhand dieser Daten wird geprüft, ob die entwickelten Algorithmen die logischen Konsequenzen – also implizite Fakten aus expliziten Fakten – korrekt und effizient berechnen.
Ontologien sind eine Form der Datenbeschreibung, die Zusammenhänge zwischen den Daten durch Aussagenlogik ausdrücken. Mittels eines sogenannten Reasoners lassen sich so aus expliziten Fakten implizite Fakten herleiten. Ontologien können daher als eine Form der symbolischen künstlichen Intelligenz betrachtet werden.
Die Promotionsvorhaben im Rahmen von FDMM knüpfen direkt an die Arbeit des Instituts an, da Ontologien die Sicherheit von KI stärken. Die Resultate lassen sich sowohl in internen als auch in externen Projekten weiterverwendet.

Beteiligte Institute und Einrichtungen (DLR & extern)