engineering

The workshop of the special interest group Virtual Reality and Augmented Reality (VR/AR) of the Gesellschaft für Informatik e. V. (GI) is a platform for the exchange of information and ideas. Interested parties from science and practice meet once a year to discuss current results and projects from research and development with an expert audience.

Virtual Social Interaction by Sylvia Xueni Pan

From Virtual Reality to Perception Engineering by Steven M. LaValle

Institution

Im Fokus der Veranstaltung stehen die besonderen Anforderungen einzelner Disziplinen und Fächer an den Einsatz von KI in der Lehre sowie die Entwicklung fachspezifischer KI-Kompetenzen. Impulsvorträge aus den Sozial-, Ingenieur- und Geisteswissenschaften beleuchten Einsatzmöglichkeiten von KI im jeweiligen Studienbereich, diskutieren fachspezifisch relevante KI-Kompetenzen und zeigen konkrete Anwendungsbeispiele auf.

Prof. Dr. Anna-Sophia Schwind (RWU Ravensburg-Weingarten) & Markus Rossa (Universität Ulm) stellen einen Ansatz zur Integration von VR und KI in der psychologischen Gesprächsführung vor. Johannes Schleiß (Otto-von-Guericke-Universität Magdeburg) diskutiert KI-Kompetenzen in den Ingenieur-wissenschaften. Dr. Markus Gottschling (Universität Tübingen) reflektiert Lehrerfahrungen und Forschungsergebnisse zum Einsatz von KI in der Literaturwissenschaft und Rhetorik.

In der anschließenden Podiumsdiskussion diskutieren die Referent*innen mit Dr. Angelika Thielsch (Universität Göttingen) und David Lohner (Karlsruher Institut für Technologie) über interdisziplinäre Transferpotenziale und Herausforderungen im Umgang mit KI in der Hochschullehre. Die Veranstaltung wird moderiert von Dr. Isabell Lisberg-Haag.

Die Veranstaltung bietet allen Interessierten die Möglichkeit, sich über aktuelle Forschungsergebnisse zum Umgang mit KI in einzelnen Studienbereichen zu informieren, von Good-Practices aus verschiedenen Fachdisziplinen zu lernen sowie sich mit Expert*innen auszutauschen und neue Kontakte zu knüpfen

Die Teilnahme ist kostenfrei. Eine Anmeldung bis 24.01.2025 ist erforderlich.

Gerhard Wellein: Application Knowledge Required: Performance Modeling for Fund and Profit & Axel Klawonn: What can machine learning be used for in domain decomposition methods?

Gerhard Wellein is a Professor for High Performance Computing at the Department for Computer Science of the Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) and holds a PhD in theoretical physics from the University of Bayreuth. He is a member of the board of directors of the German NHR-Alliance which coordinates the national HPC Tier-2 infrastructures at German universities. As a member of the scientific steering committees of the Leibniz Supercomputing Centre (LRZ) and the Gauss-Centre for Supercomputing (GCS) he is organizing and surveying the compute time application process for national HPC resources. Gerhard Wellein has more than twenty years of experience in teaching HPC techniques to students and scientists from computational science and engineering, is an external trainer in the Partnership for Advanced Computing in Europe (PRACE) and received the “2011 Informatics Europe Curriculum Best Practices Award” (together with Jan Treibig and Georg Hager) for outstanding teaching contributions. His research interests focus on performance modelling and performance engineering, architecture-specific code optimization, novel parallelization approaches and hardware-efficient building blocks for sparse linear algebra and stencil solvers.

Prof. Dr. Axel Klawonn heads the research group on numerical mathematics and scientific computing at the Universität zu Köln. The group works on the development of efficient numerical methods for the simulation of problems from computational science and engineering. This comprises the development of efficient algorithms, their theoretical analysis, and the implementation on large parallel computers with up to several hundreds of thousands of cores. A special focus in the applications is currently on problems from biomechanics/medicine, structural mechanics, and material science. The research is in the field of numerical methods for partial differential equations and high performance parallel scientific computing, including machine learning.