knowledge_visualization
knowledge_visualization

KNOWLEDGE VISUALIZATION –
SEHEN UND VERSTEHEN

Porträt von Vedran Sabol Kontakt E-Mail
senden
Vedran Sabol Area Head
Porträt von Eduardo Veas Kontakt E-Mail
senden
Eduardo Veas Deputy Area Head
Kontaktieren Sie uns

Teil unserer täglichen Aufgaben ist es, Einblicke in die Zusammenhänge von komplexen Daten zu gewinnen. Um komplexe Informationen und Zusammenhänge verständlich und überzeugend zu präsentieren, arbeiten wir in der Area "Knowledge Visualisation" an innovativen Methoden der Visualisierung.

Der Bereich „Knowledge Visualization“ entwickelt innovative Visualisierungsmethoden für die Analyse großer Datenmengen und unterstützt so die Benutzer beim Verstehen der darin verborgenen Zusammenhänge. Unser Ziel ist es, unterschiedliche Informationsquellen über sinnvolle Visualisierungen zusammenzubringen, visuelles Denken zu fördern und den Sense-Making Prozess zu lenken. Durch die Kombination von interaktiver Visualisierung mit automatisierter Analyse ermöglichen wir das Auffinden unerwarteter Phänomene, die Verifizierung von bekannten Fakten und die Gewinnung neuen Wissens aus großen Datenmengen. Unsere Technologien für visuelle Datenanalyse begleiten die Benutzer durch den Prozess der Wissensgewinnung, indem optimale visuelle Mittel zur Verfügung gestellt werden, um Informationen aus analytischen Prozessen zu gewinnen und neue analytische Schritte basierend auf den Bedürfnissen der Benutzer einzuleiten. Weiters streben wir danach, Wissen jederzeit zugänglich zu machen, sowie zeitgerecht und in dem Format zu liefern, welches das Potential des Einzelnen verbessert, Verbindungen zu analysieren und zu entdecken. Eine Vielzahl an Faktoren, wie etwa Datenmerkmale, Benutzerprofile, vorliegende Aufgaben und Gerätefunktionalitäten, müssen in Betracht gezogen werden, um Wissen in einer visuellen Form zu liefern, die leicht verständlich ist und reibungslos in den individuellen Denkprozess integriert werden kann. Augmented Reality und andere Technologien aus dem Bereich des Ubiquitous Computing stellen Wissen im passenden Moment zur Verfügung und integrieren es nahtlos in die Arbeitssituation der Benutzer.

Methoden und Anwendungen

Visuelle Datenanalyse

Im Bereich der visuellen Datenanalyse stellen wir eine Vielzahl an kundenspezifischen Visualisierungen zur Verfügung, angepasst an die Besonderheiten der Daten und den jeweiligen analytischen Workflow. Strukturierte Daten in Form von semantischen Netzwerken werden durch Graph-Visualisierungsmethoden dargestellt. Wir wenden Geometrie-Optimierungen und innovative Interaktionstechniken an, um die Entdeckung von Zusammenhängen in komplexen Wissensbasen zu erleichtern. Unstrukturierte Daten — wie etwa große Dokumentsammlungen — werden durch Wissenslandschaften dargestellt, um die thematische Zusammenstellung der gesamten Datenmenge zu präsentieren. In Kombination mit Trend-Visualisierungen werden Wissenslandschaften in Umgebungen angewendet, in denen BenutzerInnen mit einem starken Zustrom an neuen Dokumenten konfrontiert werden, wie etwa in der Patent- oder Medienanalyse. Dadurch wird die Notwendigkeit eliminiert, jedes einzelne Dokument lesen zu müssen. Adaptive Visualisierungen liefern visuelle Schnittstellen, die optimal an die Daten und Benutzerpräferenzen angepasst sind. Unsere Forschung richtet sich auf visuelle Schnittstellen, die sich automatisch an unterschiedliche Szenarien anpassen. Wir verwenden dabei die semantischen Eigenschaften der Daten und des Benutzerkontextes, um die optimale Visualisierung aus einer großen Auswahl an verfügbaren Darstellungen herauszusuchen und zu konfigurieren.

Erweiterte Realität

Durch den Gebrauch von erweiterter Realität (Augmented Reality) und kontextbezogenen, allgegenwärtigen Computertechnologien (Ubiquitous Computing) stellen wir Benutzeroberflächen zur Verfügung, die den BenutzerInnen Wissen auf eine reibungslose und unaufdringliche Art und Weise liefern, wo und wann es gebraucht wird. Das Ziel ist es, Wissen zugänglich zu machen, ohne dabei den User bei seiner Arbeit zu unterbrechen. Wissen wird im räumlichen Bezug zur physischen Umgebung der User (z.B. Personen, Gegenstände oder Sensordaten) dargestellt. Durch maschinelles Sehen können Objekte und Bereiche identifiziert werden (z.B. eine Wand), die passend sind, um Informationen darauf darzustellen. Das Wissen wird dem User durch Überlagerung dieser Bereiche präsentiert. Das Anhängen von Wissen an realen Orten und Objekten ermöglicht neue Formen der natürlichen Interaktion, welche die Gebrauchseigenschaften von physikalischen Objekten erweitern (z.B. Klopfen an der Oberfläche). Beim Erkunden großer Räume, wie etwa Fabriken, wird es Usern ermöglicht, entfernte Gegenstände durch virtuelle Positionsveränderungen zu untersuchen.

Projekte

  • CODE

    Im Projekt CODE haben wir einfach zu benutzende, webbasierte Anwenderoberflächen für die Entdeckung, Erforschung und visuelle Analyse von Linked Open Data (LOD) entwickelt. LOD stellt eine große Quelle an semantischen Informationen dar, bleibt jedoch aufgrund von Aufwänden des Datenzugriffes ungenutzt. Unser Query Wizard Interface macht die Suche und die Auswahl in LOD so einfach wie den Gebrauch von Google Search und Spreadsheet Manipulation. Die diversen Visualisierungen des Projektes können durch Links auf der Website code-research.eu/results, unter Query und Visual Analytics Wizard, online erreicht und ausprobiert werden.

  • EEXCEES

    In EEXCESS erforschen wir adaptive Visualization Interfaces für Empfehlungsergebnisse. Während die Recommendation Engine relevante Daten für den User Kontext zur Verfügung stellt (z.B. Aufgaben, Präferenzen, etc.), schlägt unsere Visualization Engine visuell geeignete Darstellungen für die Daten vor.

  • WebGraph

    WebGraph ist eine web-basierte interaktive Graph-Visualisierung, welche Geometrie-Optimierungen und Datenaggregationstechniken anwendet, um die Klarheit der Darstellung zu erhalten und zu fördern, die ansonsten durch die vielen Knoten und sich überschneidende Kanten beeinträchtigt wird. Interaktionstechniken, die semantische und strukturelle Informationen in Daten verwenden, unterstützen auf intelligente Weise die Navigation und Erforschung des Wissensraumes. WebGraph wird in mehreren Projekten mit Partnern wie CDS oder AutomationX angewendet.

  • DIVINE

    Im DIVINE Projekt haben wir eine webbasierte, dynamische Wissenslandkarte entwickelt und diese auf dynamische Medienablagen angewendet, um darin verborgene thematische Zusammenhänge zu entdecken und Veränderungen in der thematischen Struktur zu analysieren. Weiters wurden Algorithmen für thematische Clusteranalyse entwickelt, um Veränderungen in wachsenden Dokumentsammlungen zu erfassen.

Kontakt

Wenn Sie diese Seite nutzen stimmen Sie der Verwendung von Cookies zu mehr Information

The cookie settings on this website are set to "allow cookies" to give you the best browsing experience possible. If you continue to use this website without changing your cookie settings or you click "Accept" below then you are consenting to this.

Close