Forschung
Als Wissenschaftler forsche ich an künstlicher Intelligenz und ihrer Anwendung in der Praxis. Hier sammle ich meine Paper, Publikationen und Fachbeiträge.
Schwerpunkte
Meine Arbeit bewegt sich an der Schnittstelle von maschinellem Lernen und praktischer Anwendung.
Präzise Erkennung, Klassifikation und Lokalisierung von Objekten und Fehlern auf Bildern, etwa zur Optimierung von Prüfprozessen.
Von klassischen Lernverfahren bis zu tiefen neuronalen Netzen: Robuste Modelle, die auch mit wenig annotierten Daten zuverlässige Ergebnisse liefern.
Große Sprachmodelle und Retrieval-Augmented Generation: Wissen aus Dokumenten zugänglich machen und fundierte, belegbare Antworten erzeugen.
Wissen über verteilte Systeme hinweg erfassen, verknüpfen und nutzbar machen: Von der Datenquelle bis zur konsistenten Wissensbasis.
KI, die Menschen gerne nutzen: Verständliche Ergebnisse, intuitive Interaktion und Vertrauen durch Nachvollziehbarkeit.
Publikationen
Marvin Woller, Jan-Vincent Mock, Barbara Essendorfer
Vorverarbeitung von STANAG-Dokumenten mit Computer Vision: Ein auf DocLayout-YOLO basierendes Modell erkennt Layout-Elemente auf Dokumentseiten und ermöglicht so eine effiziente, automatisierte Aufbereitung für die nachgelagerte Analyse.
Jan-Vincent Mock, Marvin Woller, Barbara Essendorfer
Semantische Suche über heterogene ISR-Daten in Coalition-Shared-Data-Systemen: Retrieval-Augmented Generation verbindet verteilte Datenbestände und macht sie in natürlicher Sprache durchsuchbar.
Marvin Woller, Matthias Grundmann, Hannes Hartenstein
Die Topologie des Bitcoin-P2P-Netzwerks ist bewusst verborgen. Dieses Preprint zeigt mit iterativen Algorithmen auf Basis zeitlich geordneter INV-Nachrichten, dass sich die Netzwerk-Topologie dennoch rekonstruieren lässt: Validiert in Simulationen und mit realen Bitcoin-Daten.
Ob Fragen zu einer Publikation, gemeinsame Forschungsideen oder der Transfer aktueller Methoden in Ihr Unternehmen: Ich freue mich über Ihre Nachricht.
Kontakt aufnehmen