Ausgezeichnete Forschung: AICS-Forscherinnen überzeugen mit Spitzenleistungen in KI und Cybersecurity

Das Land Kärnten hat erneut herausragende wissenschaftliche Arbeiten im Bereich Digitalisierung ausgezeichnet. Das Institut für Artificial Intelligence und Cybersecurity freut sich über gleich zwei prämierte Abschlussarbeiten.

Dr. techn. DI Jasmin Wachter, BA BSc erhielt das mit 1.600 € dotierte Digitalisierungsstipendium 2025 für ihre Dissertation „A utility-based approach to security in robotics“. In ihrer Dissertation im Fachbereich Informatik untersucht sie wirtschaftliche und technische Anreize für mehr Sicherheit in komplexen cyberphysischen Systemen: Sie entwickelt spieltheoretische Modelle zur Analyse der Netzwerksicherheit und präsentiert unter anderem einen optimierungsbasierten Ansatz zur effizienten Netzwerkhärtung unter Budgetrestriktionen.

Ebenfalls ausgezeichnet wurde Veronika Semmelrock, MSc BSc für ihre Masterarbeit „Investigating the grounding bottleneck for a large-scale configuration problem“. In ihrer Arbeit analysiert sie Skalierbarkeitsprobleme von Answer Set Programming und zeigt, wie ihr neu entwickelter Ansatz „constraint-aware guessing“ den Speicherbedarf großer KI-Konfigurationsprobleme deutlich reduziert.

Beide Arbeiten leisten einen wichtigen Beitrag zur digitalen Zukunft Kärntens und unterstreichen die exzellente Forschungsqualität am AICS-Institut.

Thema für eine Bachelor- oder Masterarbeit: Dark Pattern against Privacy

„Dark Patterns“ sind manipulative Designstrategien auf Webseiten oder Apps, die Nutzer dazu bringen, unerwünschte Handlungen auszuführen, wie z.B. mehr Daten preiszugeben oder unerwünschte Abonnements abzuschließen. In diesem Projekt sollen Dark Patterns speziell im Hinblick auf Datenschutz klassifiziert und bestehende Taxonomien angepasst werden, um ihren Einfluss auf den Datenschutz besser zu verstehen. Zusätzlich wird die Verbreitung solcher Praktiken in Österreich untersucht und eine erste rechtliche Einschätzung zu deren Compliance mit Datenschutzgesetzen vorgenommen.

Bei Interesse melden Sie sich bitte bei Frau Jasmin Wachter (jasmin [dot] wachter [at] aau [dot] at)!

Der logische Weg (in die Informatik)

Alice Tarzariol stammt aus dem Veneto, ging für ihr Bachelor- und Masterstudium nach Udine und kam dann für das Doktoratsstudium an die Universität Klagenfurt. Ihre Arbeiten zu Logik finden international Beachtung, wie ihr kürzlicher Erfolg bei der International Conference on Logic Programming zeigt, wo sie den Best Student Paper Award gewann. Wir haben mit ihr über ihren Weg in die Informatik gesprochen. Weiterlesen →

Trends in Recommendations Systems – A Netflix Perspective

Thursday April 7th 2022 | 05.30 pm (CET) | via Zoom

Anuj Shah, Ph. D. | Senior Machine Learning Research Practitioner at Netflix |

Click here to register for the meeting:

https://zoom.us/meeting/register/tJYvdO-gqzMiEtKOfNIgcZAZOQ8jA3i_b3Pi

 

Abstract:

Recommendation systems today are widely used across many applications such as in multimedia content platforms, social networks, and ecommerce, to provide suggestions to users that are most likely to fulfill their needs, thereby improving the user experience. Academic research, to date, largely focuses on the performance of recommendation models in terms of ranking quality or accuracy measures, which often don’t directly translate into improvements in the real-world. In this talk, we present some of the most interesting challenges that we face in the personalization efforts at Netflix. The goal of this talk is to sunshine challenging research problems in industrial recommendation systems and start a conversation about exciting areas of future research.

 

Bio:

Anuj Shah is a Senior Machine Learning Research Practitioner at Netflix. For the past 10+ years, he’s been working on an applied research team focused on developing the next generation of algorithms used to generate the Netflix homepage through machine learning, ranking, recommendation, and large-scale software engineering. He is extremely passionate about algorithms and technologies that help improve the Netflix customer experience with highly personalized consumer-facing products like the Continue Watching row, the Top 10 rows amongst many others. Prior to Netflix, he worked on machine learning in the Computational Sciences Division at the Pacific Northwest National Laboratory focusing on technologies at the intersection of proteomics, bioinformatics and Computer Science for 8 years. He has a Ph.D. from the Computer Science department at Washington State University and a Masters in C.S. from Virginia Tech