Professur Informatik/Verteilte Informationssysteme

• Data Mining und Machine-Learning

• Blockchain und Distributed Ledger Technologien

• Verteilte Systeme

Das Forschungsgebiet der Professur ist die Anwendung und Entwicklung von Data-Mining / Machine-Learning Verfahren sowie Blockchain und Distributed Ledger Technologien im Kontext verteilter Informationssysteme.

Blockchain und Distributed Leder Technologien (DLT)

• Das Thema Blockchain und Distributed Ledger Technolgien wird sein 2013 an dem Lehrstuhl intensiv verfolgt.

• Seit 2015 werden Forschungsprojekte durchgeführt.

• Seit Sommersemester 2016 werden Lehrveranstaltungen zum Thema Blockchain und Distributed Ledger Technologien angeboten.

Aktuelle und vergangene Forschungsprojekte:

• Blockchain Basierter Wasserstoffmarkt– BBH2/Hydrogen  https://www.hydrogenchain.de/
• Blockchain Schaufenster-Region Mittweida  https://blockchain-mittweida.com/
• Safe-UR-Chain   https://safe-ur-chain.de/
• ID-Ideal Sichere digitale Identitäten   https://id-ideal.de/
• Community Supported Insurance (CSI)   https://blockchain-mittweida.com/csi/
• Elektronisches, anonymes Wahl- und Abstimmungssystem per Blockchain (eVoting)
• Blockchain Academy Mittweida (BCAM)  https://blockchain-academy.hs-mittweida.de/
• ECHT! – Electronic Hashing Technology   https://blockchain-mittweida.com/echt/
• Low-Code Blockchain Integration Toolkit (LCBIT)
• Blockchain based storage service
• L2P  Like 2 Pay
• UNICO UNlversal Token COllateralisation System
• Safe BLUE
• Einbindung eines LLMs in eine Onlinelernplattform mit Spezialisierung auf Blockchainsicherheit (BOLT)
• VP snapshots - Dezentrale Nachweise von Webinhalten

Weitere Informationen zu Forschungsprojekten finden Sie hier:

Blockchain-Schaufensterregion Mittweida

Fokus Forschung - Hochschule Mittweida

Data-Mining und Machine-Learning

Unsere Forschungen konzentrieren sich auf drei Entwicklungsperspektiven:

• „Analytics-As-A-Service“: die Verfügbarmachung rechenintensiver Data-Mining-Verfahren auf externen Rechnerressourcen in Form von Internetdiensten

• die Integration von Data-Mining-Verfahren als Softwarekomponenten in Service-orientierte Architekturen für eine durchgängige Entscheidungsunterstützung im Marketing und in der Optimierung von Geschäftsprozessen („Business Process Mining“)

• die Anwendung von Data-Mining-Verfahren zur Personalisierung von Produkt- und Informationsangeboten und insbesondere zur Preisprognose und -optimierung in dynamischen Preisfindungsprozessen