KI-Forschung
● für die Lösungen der Zukunft

Wir wenden transformative KI-Forschung auf reale Herausforderungen an und kooperieren dabei eng mit Partnern aus Wissenschaft, Wirtschaft und Industrie.

Unser Ansatz

Forschungspartnerschaft anfragen

Unsere Forschungspartner:

Unsere Mission

Was treibt unsere Forschung an?

KI für die Zukunft

Wir forschen für die Zukunftsfähigkeit unserer Partner

Wir betreiben Spitzenforschung, um mit unseren Partnern und Kunden neue Lösungen für ungelöste Probleme zu entwickeln
Horizontale Anwendung von maschinellem Lernen in realen Herausforderungen aus allen Branchen von Wirtschaft und Gesellschaft

Das Potenzial von Daten

Wir erschließen ungelabelte Daten mit Methodik

Wirkungsvolle Forschungsergebnisse durch die Kombination von datenzentrierten Ansätzen und methodischer Exzellenz
Integration der Resultate in etablierte und entstehende Systeme durch Erfahrung in der Skalierung und Operationalisierung von KI

Unser Ansatz

FOrschungsprojekt anfragen

Unser Ansatz

Erstklassige Forschung entsteht in Partnerschaft.

In allen unseren Forschungsprojekten beschäftigen wir uns mit modernsten Methoden des maschinellen Lernens und wenden diese agnostisch in allen relevanten Anwendungsbereichen an. Während der operativen Projektphase besetzen wir die Projekte mit einem vielfältigen Team von Experten aus den Bereichen Forschung, Machine Learning Engineering und Projektmanagement.

Als branchenunabhängige Entwickler sind wir bestrebt, verallgemeinerbare Methoden zu entwickeln, die wir problemlos in anderen Bereichen anwenden können. Wir nutzen unseren breiten Hintergrund in Methoden und Industriebereichen, um uns schnell anzupassen und aussagekräftige Ergebnisse für neue Herausforderungen zu liefern.

Wir bei Merantix Momentum initiieren und beteiligen uns an einer Vielzahl von gemeinsamen Partnerschaften über verschiedene Sektoren und Förderprogramme hinweg. Unser engagiertes Forschungsmanagement-Team verfügt über mehr als 30 Jahre Erfahrung in der Konzeption und Verwaltung von Forschungsprojekten mit besonderem Schwerpunkt auf deutschen und EU-geförderten Verbundforschungsprojekten.

Wir passen unser Engagement für ein neues Forschungsprojekt sorgfältig an, indem wir dessen einzigartige Herausforderung und alle beteiligten Partner berücksichtigen. Unser Team ist in der Lage, wirkungsvolle Konsortien zu gründen und überzeugende Antragsunterlagen zu erstellen, die eine erfolgreiche Projektfinanzierung sicherstellen.

Wir verstehen Zusammenarbeit als Grundlage für unseren Erfolg. Als Teil des AI Campus Ökosystems in Berlin ist es für unsere Identität unerlässlich, kluge Köpfe und neue Ideen miteinander zu verbinden. Dieses Selbstverständnis als innovativer und zukunftsweisender Teamplayer spiegelt sich auch im Campus wider, der ein idealer Ort für anregende Projekttreffen und inspirierende Veranstaltungen ist.

Unser Ziel ist es, einen Beitrag zur wissenschaftlichen Gemeinschaft zu leisten, indem wir unsere Ergebnisse in Forschungsarbeiten veröffentlichen und auf Konferenzen präsentieren. Treibende Motivation ist hierbei immer, einen Mehrwert für die gesamte Forschungsgemeinschaft zu generieren und so die Forschung im Bereich KI und maschinelles Lernen insgesamt voranzutreiben.

Forschungsprojekt anfragen

Unsere Forschungsprojekte

Woran wir zur Zeit arbeiten

Unsere Forschung verschiebt Grenzen. Wir bringen unsere Exzellenz im Bereich des maschinellen Lernens in zukunftsweisende Projekte ein, die alle industriellen Bereiche abdecken, um reale Herausforderungen zu lösen.

In unseren Partnerschaften erforschen wir bahnbrechende Lösungen, entdecken neue Ansätze und wenden sie auf bekannte und neue Bereiche an. Wir schaffen die Voraussetzungen für transformative Forschung.

Aktiv

Sprachmodelle

Publikationen

Zum research blog

Zu ResearchGate

SECREDAS: Safe and (Cyber-)Secure Cooperative and Automated Mobility (2023)

Sebastian Gerres

IFAC 2023 – Full PDF at arxiv.org

Uncovering the Inner Workings of STEGO for Safe Unsupervised Semantic Segmentation (2023)

Alexander Koenig, Maximilian Schambach, Johannes S. Otterbach

CVPR 2023 – Full PDF at arxiv.org

Interpretable Reinforcement Learning via Neural Additive Models for Inventory Management (2023)

Julien Siems, Maximilian Schambach, Sebastian Schulze, Johannes S. Otterbach

ICLR 2023 - Full PDF at arxiv.org

‍

Learning the Solution Operator of Boundary Value Problems using Graph Neural Networks (2022)

Winfried Lötzsch, Simon Ohler, Johannes S. Otterbach

ICML 2022 - Full PDF at arxiv.org

Scalable Flow Optimization for Small Satellite Networks using Benders Decomposition (2022)

Olga Kondrateva, Stefan Dietzel, Björn Scheuermann

IEEE WoWMoM 2022 - Full PDF at ieee.org

Towards Learning Self-Organized Criticality of Rydberg Atoms using Graph Neural Networks (2022)

Simon Ohler, Daniel Steven Brady, Winfried Lötzsch, Michael Fleischhauer, Johannes Otterbach

AI4Science Workshop at ICML 2022 - Full PDF at arxiv.org

Auto-Compressing Subset Pruning for Semantic Image Segmentation (2022)

Konstantin Ditschuneit, Johannes S. Otterbach

GCPR 2022 - Full PDF at arxiv.org

MEAL: Manifold Embedding-based Active Learning (2021)

Deepthi Sreenivasaiah, Johannes Otterbach, Thomas Wollmann

CPVR 2021 - Full PDF at arxiv.org

DAAIN: Detection of Anomalous and Adversarial Input using Normalizing Flows (2021)

Samuel von Baußnern, Johannes Otterbach, Adrian Loy, Mathieu Salzmann, Thomas Wollmann

Full PDF at arxiv.org

Chameleon: A Semi-AutoML framework targeting quick and scalable development and deployment of production-ready ML systems for SMEs (2021)

Johannes Otterbach, Thomas Wollmann

Full PDF at arxiv.org