Die Biotechnologie und die Arzneimittelforschung stehen vor zunehmend komplexen Herausforderungen: Krankheiten werden immer individueller, die Arzneimittelentwicklung bleibt kostspielig und zeitaufwendig, und die Nachfrage nach nachhaltigen L?sungen in der Medizin w?chst stetig. Um in diesem Umfeld neue Erkenntnisse zu gewinnen, bedarf es mehr als blo?er Daten – es erfordert deren intelligente Integration und Interpretation. Dieser Vortrag stellt einen systematischen, KI-gestützten Ansatz zum Verst?ndnis biologischer Systeme vor. Er basiert auf einem weltweit einzigartigen, tiefgreifend kuratierten Datensatz, der biologische Sequenzdaten mit umfangreichem semantischem Wissen über biologische Entit?ten und deren Beziehungen verknüpft. Durch die Integration von Large Language Models, Wissensgraphen und multimodalen Daten versetzen wir KI-Systeme in die Lage, verborgene biologische Muster aufzudecken und handlungsrelevante Erkenntnisse zu generieren – oftmals ohne den Einsatz umfangreicher Experimente im Nasslabor. Der Vortrag veranschaulicht, wie sich solche Daten in praktische, nachvollziehbare Anwendungen überführen lassen: von der fortgeschrittenen Sequenzanalyse und der automatisierten Biomarker-Entdeckung bis hin zur pr?zisen Vorhersage biologischer Interaktionen sowie der KI-gestützten Neu- und Umpositionierung von Wirkstoffen. Das Ergebnis ist eine neue Generation von KI-Tools, die den Erkenntnisgewinn beschleunigt, Kosten senkt und nachhaltigere sowie personalisiertere Innovationen in den Biowissenschaften f?rdert.

?

?

?

?

?

?

?

Bio

?

Zusammenfassung
Gro?e Sprachmodelle (LLMs) haben rasante Fortschritte gemacht, richten sich jedoch h?ufig nach wie vor nur an einen engen Nutzerkreis. Dieser Vortrag pl?diert für einen menschenzentrierten Ansatz in der NLP-Technologie – einen Ansatz, der sprachliche Vielfalt berücksichtigt, die Schlussfolgerungsf?higkeit sowie die Sicherheit verbessert und den Bedürfnissen diverser Sprachgemeinschaften besser gerecht wird. Im Rahmen dieses Vortrags werde ich Wege hin zu einer inklusiveren und vertrauenswürdigeren Sprachtechnologie aufzeigen.

?

?

?

Bio
Barbara Plank ist Professorin für KI und Computerlinguistik an der LMU München, Co-Direktorin des Centrums für Informations- und Sprachverarbeitung sowie Leiterin des MaiNLP-Labors (Munich AI and NLP). Zudem ist sie Gastprofessorin an der IT-Universit?t Kopenhagen. Ihr Forschungslabor konzentriert sich auf robustes maschinelles Lernen für die Verarbeitung natürlicher Sprache, mit einem Schwerpunkt auf menscheninspirierten und datenzentrierten Ans?tzen. Barbara Plank ist zudem ELLIS Fellow (European Laboratory for Learning and Intelligent Systems) und ERC-Stipendiatin. Sie engagiert sich regelm??ig in internationalen Organisationen wie der Association for Computational Linguistics (ACL) und dem European Chapter of the ACL (EACL) sowie in wissenschaftlichen Beir?ten.

?

?

?

Zusammenfassung

?

?

?

?

?

?

Bio

?

?

?

Zusammenfassung
Emotionen werden h?ufig als Reaktionen auf Ereignisse betrachtet, die anschlie?end von den Personen bewertet werden, welche diese Ereignisse erleben. Zugleich stellen Emotionen jedoch auch selbst Ereignisse dar. Dies er?ffnet zwei Perspektiven auf das Verh?ltnis von Ereignissen und Emotionen. Die eine ist spezifisch für die Sprachverarbeitung und baut auf der semantischen Rollenetikettierung auf – konkret auf der Etikettierung von Emotionsrollen –, wobei die Aufgabe darin besteht zu identifizieren, wem das Empfinden einer Emotion zugeschrieben wird, um welche Emotion es sich dabei handelt und aus welchem ??Grund. Die andere Perspektive erfordert die Interpretation von Ereignissen. In diesem Zusammenhang er?rtere ich die computergestützte Anwendung von Bewertungstheorien, die jene Parameter erkl?ren, welche zur Entstehung einer bestimmten Emotion führen. Zu den Anwendungsf?llen z?hlen die Interpretation von Argumentationen sowie von multimodalen Social-Media-Beitr?gen.

?

?

?

?

Bio

Roman Klinger ist Professor an der Fakult?t für Wirtschaftsinformatik und Angewandte Informatik (WIAI) der Universit?t Bamberg. Er studierte Informatik im Nebenfach Psychologie, promovierte im Fach Informatik an der TU Dortmund (2011) und erhielt 2020 in Stuttgart die Venia Legendi für Informatik. Vor seinem Wechsel nach Bamberg war er am Institut für Maschinelle Sprachverarbeitung in Stuttgart, an der Universit?t Bielefeld, am Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen sowie an der University of Massachusetts Amherst t?tig. Roman Klingers Vision ist es, Computern das Verstehen und Generieren von Texten zu erm?glichen – und zwar sowohl hinsichtlich propositionaler als auch nicht-propositionaler Informationen. Dies findet Anwendung in der interdisziplin?ren Forschung, unter anderem im biomedizinischen Text Mining, in den Digital Humanities, bei der Modellierung psychologischer Konzepte (wie Emotionen) in der Sprache sowie im Social Media Mining. Diese Themen stellen für bestehende Methoden des maschinellen Lernens h?ufig neuartige Herausforderungen dar. Daher leisten er und seine Arbeitsgruppe auch Beitr?ge zu den Bereichen des probabilistischen und des Deep Machine Learning.

?

?

?

?

?

?