David Elsweiler ist Privatdozent am Lehrstuhl für Informationswissenschaft der Universität Regensburg. Seit dem Sommersemester 2019 ist er zudem Akademischer Rat des Lehrstuhl. Bevor er nach Regensburg kam war er Alexander von Humboldt-Stipendiat und Dozent an der Universität Erlangen.
In seiner Forschung benutzt er verschiedenen Techniken, um zu lernen, wie Menschen mit Informationen umgehen. Das daraus gewonnen Wissen nutzt er, um Tools zu entwerfen, die Menschen unterstützen und so arbeiten, dass sie mit deren Denken und Verhalten übereinstimmen.
In einigen seiner Arbeiten, einschließlich seiner Dissertation, untersucht er das Verwalten und Wiederfinden persönlicher Informationen. Außerdem interessiert er sich dafür, wie Menschen nach Spaß suchen. Des Weiteren forscht er zu Informationssystemen, die Menschen dabei helfen, eine gesünderes Lebens zu führen.
Informationswissenschaft
Lehrstuhl für Informationswissenschaft
Empirische Methoden, Information Behaviour (Informationsverhalten), Information Retrieval (Informationsabruf/-rückgewinnung)
Alle meine Veranstaltungen haben eine Verbindung zu den genannten Themen, auch wenn diese oft nur tangential ist. Zum Beispiel ist ein Verständnis der statistischen Grundkonzepte (wie ich sie in ‚Experimental Design‘ unterrichte) nötig, um KI- und Machine Learning-Ansätze zu durchschauen. Manche Methoden, die in diesem Kurs unterrichtet werden, haben einen direkten Bezug zu Machine Learning, so wie die Regressionsanalyse. In den Veranstaltungen zu Information Behaviour und Information Retrieval werden in einigen der Aufsätze, die wir lesen und diskutieren, Machine Learning-Ansätze verwendet. In manchen Arbeiten werden große Datensätze untersucht, welche man als ‚Big Data‘ auffassen könnte. Das Ziel dieser Kurse ist es den Studierenden zu helfen, die Verbindungen zwischen dem hier Bearbeiteten und den Inhalten anderer Kurse zu erkennen.
Ich habe das Glück, dass ich zu den Studierenden während ihrer Ausbildung regelmäßigen Kontakt habe. Mir ist sehr bewusst, was sie zu unterschiedlichen Zeitpunkten lernen, deshalb versuche ich Verbindungen zu betonen.
Ich denke, drei besondere Fähigkeiten, die unsere Studierenden erwerben, sind empirisches Denken (die Studierenden lernen verschiedenen Methoden der Datensammlung sowie deren Stärken und Schwächen kennen), solide statistische Kenntnisse sowie der Fokus auf den Menschen.
Künstliche Intelligenz oder zumindest die Methoden, die mit diesem Begriff in Verbindung stehen, sind in nahezu allen Bereichen des Lebens anwendbar. Ein Verständnis davon wie sie arbeiten, was möglich ist (und was nicht) wird den Studierenden in ihren zukünftigen Jobs und im privaten Leben zugute kommen.
Meine Forschung dreht sich immer auf irgendeine Art um Information Behaviour. Im Moment liegt mein Fokus auf zwei Themen: 1) Food Recommendation, hier versuchen wir Menschen bei ihren Ernähungsentscheidungen so zu unterstützen, dass sie gerne essen, die Wahl aber auch ihren Zielen entspricht (Gesundheit, Umweltfreundlichkeit etc.) und 2) Information Credibility, hier versuchen wir zu verstehen, wie Menschen beurteilen, ob sie Informationen vertrauen können oder nicht. Außerdem versuchen wir herauszufinden, wie wir ihnen dabei helfen können dies effektiv zu tun.
Künstliche Intelligenz ist zwar kein zentrales Thema meiner Forschung, ist aber niemals weit weg. Sehr oft erstellen wir statistische Modelle, um menschliches Verhalten zu verstehen. Wir benutzen diese Modelle, um Vorhersagen über zukünftiges Verhalten zu treffen (z.B. Wird eine Person dieses Gericht lecker finden?, Wird dieses Dokument als glaubwürdig eingestuft?). Diese Modelle nutzen KI-Technologien. Meine PhD-Studierenden haben in ihren Projekten Deep Learning-Ansätze verwendet. Zum Beispiel hat Qing Zhang visuelle Verarbeitungsmethoden angewendet, um Unterschiede innerhalb der Esskultur zu verstehen. Alex Frummet hat Bert benutzt, um die Information Needs aus gesprochenen Äußerungen vorherzusagen.
Ich habe einen Informatik-Hintergrund, habe aber während meines Grundstudiums KI gemieden. Mein Fokus lag auf den Modulen zu Software Engineering und Information Retrieval. Erst in meiner Zeit als Post-Doc in Erlangen kam ich mit KI in Kontakt. Zuerst halfen mir meine Kollegen, Daten auf neue und aufregende Weise zu analysieren. Dann musste ich diese Techniken plötzlich selbst Studierenden beibringen, was mein Verständnis vertieft und mir die Augen für die neuen Forschungsmöglichkeiten geöffnet hat.
Ich bin mir nicht wirklich sicher, ob dies eure Frage beantwortet, aber ich bin weniger an der Technologie und mehr an den Anwendungsfällen interessiert (z.B. Was können wir lernen? oder Welche Probleme können wir lösen, wenn wir diese Technologie verwenden?).
Ich bin an menschlichem Verhalten interessiert und KI-Methoden stellen uns Hilfsmittel zur Verfügung, mit denen wir verstehen können wie sich Menschen verhalten, wann und warum.
Ich bin aktuell an einem Projekt mit Partnern aus dem Vereinigten Königreich beteiligt. Unser Ziel ist es, herauszufinden wie wir Gesprächsassistenten entwickeln können, die älteren Erwachsenen helfen ihre Ernährung zu verbessern, indem ihnen personalisierte Essensvorschläge zur Verfügung gestellt werden. Durchgeführt wird dieses Projekt von einem multidisziplinären Team mit Sozialwissenschaftlern, Psychologen, Ernährungswissenschaftlern sowie Informatikern und Informationswissenschaftlern. Dies ist nicht nur herausfordernd, weil wir ein komplexes System entwickeln, sondern auch weil unsere Forschungsgemeinschaft ein Schmelztiegel für unterschiedliche Ideen und aus verschiedenen Hintergründe ist. Dies ist es aber, was es spannend macht.
Ich denke, das Projekt ist wichtig. Es gibt so viele gute Leute an der Universität Regensburg, die datenwissenschaftliche und KI-Methoden anwenden, jedoch hatte ich bevor es dieses Projekt gab so gut wie keine Kenntnis von deren Arbeit. Durch dieses Projekt änderte sich das und ich bin überzeugt, dass dadurch viel mehr Networking und Zusammenarbeit stattfindet.
Mein eigener Beitrag bisher war bescheiden. Ich bin auf der Webseite vertreten, nehme an Veranstaltungen teil, einschließlich dem Data Science-Meetup, und beantworte Interviewanfragen, so wie diese.
Herr Elsweiler, vielen Dank dass Sie sich Zeit genommen haben, uns diese Fragen zu beantworten. Wir wünschen Ihnen noch einen schönen Tag!