- De
- En
In der modernen medizinischen Bioinformatik spielen Künstliche Intelligenz (KI) und maschinelles Lernen eine zentrale Rolle, um komplexe biologische Datenmengen zu analysieren und klinisch relevante Erkenntnisse zu gewinnen. In diesem Vortrag wird ein Überblick über aktuelle KI-basierte Ansätze in der medizinischen Bioinformatik gegeben, die von der Analyse molekularer Prozesse bis hin zur personalisierten Medizin reichen. Am Institut für Medizinische Bioinformatik der Universitätsmedizin Göttingen arbeiten wir an einer Vielzahl von Projekten, die sowohl die Entwicklung neuer Data-Science-Methoden als auch deren Anwendung in der biomedizinischen Forschung umfassen. Im Bereich der Multi-Omics-Datenanalyse entwickeln wir KI-gestützte Methoden zur Integration von Transkriptom-, ATAC-Seq-, Single-Cell- und Spatial-Transcriptomics-Daten. Diese Ansätze ermöglichen es uns, molekulare Netzwerke zu modellieren und molekulare Interaktionen innerhalb einer Zelle oder zwischen Zellen zu rekonstruieren. Zudem arbeiten wir an der Vorhersage von genregulatorischen Netzwerken und deren Einfluss auf die Genexpression. Wir arbeiten weiterhin an der Modellierung von Medikamentenwirkungen und genetischen Varianten in der personalisierten Medizin. Darüber hinaus setzen wir KI ein, um Radiologiebilder zu analysieren, Tumoren zu segmentieren und klinische Outcomes vorherzusagen. Dieser Vortrag beleuchtet die wichtigsten Forschungsschwerpunkte unseres Instituts und zeigt, wie KI in der Medizinischen Bioinformatik nicht nur zur Verbesserung der Grundlagenforschung, sondern auch zur direkten klinischen Anwendung beiträgt.
In diesem Vortrag wird der Einsatz generativer KI für die automatische Analyse von Merge Requests beleuchtet. Durch die Bereitstellung einer Ersteinschätzung zu wichtigen Aspekten wie Codequalität, Sicherheit und Inhalt, unterstützt dieser Ansatz den Review-Prozess durch sofortiges Feedback für Entwickelnde und gezielte Hinweise für Reviewende auf mögliche Problemfelder. Dabei wird gezeigt, wie mit geringem Aufwand nützliche Zusammenfassungen und Verbesserungsvorschläge durch den Einsatz generativer KI erstellt werden können, die den Review-Prozess nicht nur erleichtern, sondern auch beschleunigen. Dieser Vortrag verdeutlicht, wie diese Methode effektiv zur Steigerung der Produktivität beiträgt, die Fehlerquote senkt und die Qualität und Sicherheit in der Softwareentwicklung fördert.
In diesem Vortrag wird der Einsatz von Künstlicher Intelligenz zur automatisierten Generierung von Unit-Tests in der Softwareentwicklung untersucht. Neben den Vorteilen wie beschleunigter Testprozess und verbesserter Codequalität beleuchten wir auch den Einsatz von Explainable AI (XAI), um die Nachvollziehbarkeit und Transparenz der KI-generierten Tests zu gewährleisten. Praxisbeispiele, Chancen, Herausforderungen und ein Ausblick auf die zukünftige Rolle von KI und XAI in der Softwareentwicklung runden den Vortrag ab.
KI-Coding-Assistenten halten immer mehr Einzug in die moderne Software-Entwicklung. In diesem Vortrag lassen wir zwei populäre Vertreter in einem virtuellen Schlagabtausch gegeneinander antreten: Der Platzhirsch GitHub Copilot sowie Jetbrains AI Assistant, der seit einigen Monaten in den bekannten IDEs IntelliJ, Webstorm, ReSharper etc. integriert ist. Dabei zeichnet sich ein spannender Wettbewerb ab. Wir untersuchen dabei insbesondere: Wer hat bei der Unterstützung welcher Anwendungsfälle die Nase vorn? Welche Kriterien können und sollten bei der Entscheidung für eines der beiden Tools eine Rolle spielen? Welche Features sind exklusiv nur in einem der beiden Werkzeuge verfügbar? Am Ende ergibt sich ein klarer Überblick über die derzeitigen Fähigkeiten sowie der Stärken und Schwächen beider KI Coding Assistenten und nebenbei ein Gespür dafür, wie diese Assistenten von Softwareentwicklerinnen und Softwareentwicklern beim täglichen Arbeiten eingesetzt werden können. Außerdem stellen wir erste Ergebnisse vor, wie gut die Tools beim Entwickeln nach Domain Driven Design unterstützen.
In diesem Vortrag erkunden wir die faszinierenden Parallelen zwischen künstlicher Intelligenz (KI) und Huskies, um zu verstehen, warum unsere Erwartungen an beide oft unter- und übertrieben sind. Vielfach wird KI mit Menschen verglichen - da dieser Vergleich aber noch fern der Realität ist, nehmen wir eine unkonventionelle Perspektive ein, indem wir künstliche Intelligenz mit dem liebenswerten Charme von Huskies vergleichen Während wir die Erwartungen an KI diskutieren, von “wird nie funktionieren” bis “wird die Welt übernehmen”, schauen wir uns an, wie KI und auch die flauschigen Schlittenhunde lernen, von Erwartungen nach unten oder oben abweichen, bei Überfütterung reagieren und einem Eigenleben nachgehen. Dazu gibt es Einblicke in die Denkprozesse beider Arten. Dies alles mit dem Ziel, die Funktionsweise einer KI besser zu verstehen - und natürlich den flauschige Frostbändigern zu huldigen.