KI-Strategie & Beratung
- Hybride KI & LLMs
- Agentensysteme
- KI-Transformation
- Menschenzentrierte KI
Forschung & Innovation
Menschenzentrierte Dialogsysteme sowie agentische und hybride KI-Systeme
AISL entwickelt verantwortungsvoll gestaltete intelligente Systeme, die Machine Learning, generative KI und Knowledge Engineering verbinden. Das Lab untersucht, wie Menschen zuverlässig mit dialog- und handlungsfähigen KI-Systemen in sensiblen und sicherheitskritischen Umgebungen zusammenarbeiten können.
Kooperation
AISL arbeitet mit Unternehmen, öffentlichen Institutionen und Hochschulen in der Technologie- und KI-Strategieberatung sowie in der angewandten Forschung und Auftragsforschung zusammen.
Wir beteiligen uns an nationalen und internationalen Initiativen und Förderprogrammen von Innosuisse, dem Schweizerischen Nationalfonds (SNF) und Horizon Europe.
Kooperation startenMission
AISL erforscht hybride, neuro- und intersymbolische KI-Architekturen, die Machine Learning, generative Modelle und symbolisches Wissen verbinden. Intelligente Systeme sollen in regulierten oder risikoreichen Bereichen transparent, erklärbar, überprüfbar und kontrollierbar sein.
Probabilistisches Verhalten allein reicht dort nicht aus. Wir untersuchen deterministische Guardrails zum Schutz von Privatsphäre und emotionaler Sicherheit sowie für zuverlässige Infrastrukturen, Organisationen und öffentliche Dienste.
Forschung
AISL verbindet Sprachverarbeitung, Wissensrepräsentation, logisches Schlussfolgern und Handeln. Privatsphäre, Sicherheit, Verantwortlichkeit und Robustheit stehen dabei im Zentrum.
Hybride Dialogsysteme, Conversational Agents und Mensch-KI-Interaktion für Gesundheitswesen, Verwaltung, Bildung und Entscheidungsunterstützung.
Agentenarchitekturen, die Sprachverständnis mit logischem Schlussfolgern, Planung, Orchestrierung und autonomem Handeln in digitalen Services und Softwaresystemen verbinden.
Architekturen, die Machine Learning mit Knowledge Graphs, Ontologien, symbolischen Repräsentationen und logischem Schlussfolgern verbinden.
Wir verbinden klassisches NLP, Large Language Models und wissensbasiertes Schlussfolgern für natürliche, verlässliche und kontrollierbare Interaktionen.
Unsere Architekturen verbinden intent-basiertes Dialogmanagement mit generativen Modellen und wissensbasiertem Schlussfolgern. Je nach Risiko wechseln sie zwischen strukturierter Steuerung und generativen Antworten.
Wir untersuchen Verfahren zur Verifikation und Kontrolle, darunter Retrieval-Augmented Generation, semantische Validierung mit Knowledge Graphs und hybride Reasoning-Verfahren.
Wir passen Sprachmodelle mit Fine-Tuning, Preference Alignment, reinforcement-basiertem Capability Alignment sowie neuro- und intersymbolischen Schutzmechanismen an sensible Domänen an.
Projekte
In unseren Projekten entstehen aus Forschung zu Dialogsystemen, Healthcare Coaching, Legal AI, organisationaler Intelligenz und wissensbasiertem Schlussfolgern anwendungsnahe Prototypen und Studien mit Praxispartnern.
Innosuisse
Wissensbasiertes Dialogsystem mit LLMs, Retrieval und Knowledge Graphs für den nachvollziehbaren Zugriff auf komplexe technische Dokumentationen.
Industriefinanziert
Skalierung und Qualitätssicherung eines wissensbasierten Dialogsystems, das LLMs, Retrieval-Mechanismen und Knowledge Graphs für den nachvollziehbaren Zugriff auf umfangreiche technische Dokumentationen kombiniert.
Beratung
Anbieterneutrale Beurteilung von generativer KI, Sprachmodellen und Agentenarchitekturen für die Beschaffung einer komplexen Plattform im öffentlichen Sektor.
SNF SPIRIT
Intelligente Gesundheits-Chatbots zur Unterstützung von Verhaltensänderungen und zur Verbesserung gesundheitlicher Ergebnisse in sensiblen Public-Health-Kontexten.
Industriefinanziert
Hybrider Ansatz mit Long-Context-Sprachmodellen, menschlicher Expertise und Clustering zur Erkennung von Inkonsistenzen in grossen Dokumentsammlungen.
Eurostars / Innosuisse
KI-gestützte digitale Organisationszwillinge und virtuelle Assistenzsysteme für Führungsberatung, Organisationsanalyse und Entscheidungsunterstützung.
FHNW
Chatbot-basierte Bildungssimulation für Fragekompetenz, kritisches Denken, Workshop-Moderation und die Auflösung von Widersprüchen.
FHNW
Intelligentes Tutoring-System für Coaching, Reflexion und Lernfortschritt im projekt-basierten Lernen.
Innosuisse
Plattform zur Entwicklung juristischer Chatbots mit geringem technischem Aufwand, etwa für Kanzleien und Verbände.
Innosuisse
Ontologiebasierte Reasoning-Mechanismen und Enterprise-Knowledge-Modelle für komplexe Software-Integrationsprojekte.
Lehre
AISL integriert aktuelle Forschung zu Dialogsystemen, hybrider KI, verantwortungsvoller generativer KI und KI-gestützter Softwareentwicklung in die Lehre.
LxM-Architekturen, Large Language Models, Pre-, Mid- und Post-Training, Alignment sowie domänenspezifische Foundation Models.
Conversational Design, Dialogmanagement, Chatbot-Engineering, Retrieval-Augmented Generation und Computerlinguistik.
Lean Software Development, Test-Driven Development, AI-assisted Coding, Coding Agents und agentische Softwareentwicklung.
Model Deployment, MLOps, APIs, Monitoring, Governance, Lifecycle Management und die Skalierung von KI-Systemen.
Intelligente Prozessunterstützung, Hyperautomation, Process Mining und Agentenorchestrierung.
Community
AISL engagiert sich in wissenschaftlichen Netzwerken zu hybrider, vertrauenswürdiger, angewandter und wissensbasierter KI.
Die MAKE Symposium Series ist ein internationales Forum zur Integration von Machine Learning und Knowledge Engineering innerhalb der AAAI Spring Symposium Series. Prof. Martin wirkt als Gründungsorganisator, Chair sowie in Organisations- und Programmkomitees mit.
MAKE Symposium besuchenProf. Martin ist Associate Editor der Taylor-&-Francis-Zeitschrift Applied Artificial Intelligence. Sie publiziert peer-reviewte Forschung zu KI-Anwendungen in Management, Industrie, Ingenieurwesen, Verwaltung und Bildung.
Journal besuchenDie Moderatorinnen und Moderatoren von arXiv cs.AI (Computer Science – Artificial Intelligence), zu denen Prof. Martin gehört, prüfen eingehende Beiträge auf ihre thematische Passung, wissenschaftliche Qualität und Einhaltung der arXiv-Richtlinien zu Endorsement und Inhalten. Dabei grenzen sie KI-fokussierte Arbeiten von benachbarten Teilgebieten ab.
arXiv cs.AI besuchenTeam
AISL vereint Personen, die an verantwortungsvollen, hybriden und menschenzentrierten KI-Systemen arbeiten.
Kontakt
Kontaktieren Sie uns für Forschungspartnerschaften, Förderprojekte, Technologietransfer, KI-Strategie und angewandte Innovation.