Navigation und Service

Zielgruppeneinstiege

Hinweis zur Verwendung von Cookies

Mit dem Klick auf "Erlauben" erklären Sie sich damit einverstanden, dass wir Ihren Aufenthalt auf der Seite anonymisiert aufzeichnen. Die Auswertungen enthalten keine personenbezogenen Daten und werden ausschließlich zur Analyse, Pflege und Verbesserung unseres Internetauftritts eingesetzt. Weitere Informationen zum Datenschutz erhalten Sie über den folgenden Link: Datenschutz

OK

Zentrum für Künstliche Intelligenz in der Public Health-Forschung (ZKI-PH)

Leitung:
Katharina Ladewig m.d.W.d.G.b.
Vertretung:
Nils Körber, Christopher Irrgang

Das „Zentrum für Künstliche Intelligenz in der Public Health-Forschung“ (ZKI-PH) ist für die strategische Unterstützung von Fortschritten auf dem Gebiet der Public Health-Forschung unter Einsatz neuester KI-basierter Technologien am RKI verantwortlich. Am ZKI-PH werden die Themengebiete Bioinformatik, Digitale Epidemiologie, moderne Datenvisualisierung sowie Big-Data- und Systemanalyse mit den zentralen methodischen Bausteinen des maschinellen Lernens, der KI, der Entscheidungsforschung sowie der Entwicklung realistischer Computersimulationen im Bereich der Public Health-Forschung verbunden. Das ZKI-PH entwickelt zur Bewältigung dieser Herausforderungen Modelle und Simulationen für die entsprechenden Themengebiete, forciert die Nutzbarmachung und den Transfer von existierenden Lösungen in die Public Health-Anwendung und bereitet die Ergebnisse und zugrundeliegenden Daten für Öffentlichkeit und Politik auf. Ziel dieser ressortübergreifenden Kooperation im Bereich der Künstlichen Intelligenz (KI) ist es, ein umfassendes Verständnis über die Verbreitung und Verhinderung von Krankheiten in der Bevölkerung zu erlangen und Epidemien des 21. Jahrhunderts noch effektiver zu begegnen.

Startbild für den Erklärfilm zum Zentrum für Künstliche Intelligenz in der Public Health-Forschung im Robert Koch-Institut. Quelle: RKI

Aufgaben

  • Strategische Steuerung des Ausbaus der KI-Forschung am RKI
  • Entwicklung, Monitoring und strategische Unterstützung von neuen Fortschritten und ihrer Anwendung auf dem Gebiet der Public Health-Forschung unter Einsatz KI-basierter Technologien
  • Steuerung und Koordination der inter- und transdisziplinären Forschung im Bereich KI durch Entwicklung, Akquisition und Durchführung neuer Forschungs- und Entwicklungsprojekte
  • Planung und Weiterentwicklung von Forschungskooperationen innerhalb des RKI sowie mit strategischen Partnern in und außerhalb Deutschlands

Das ZKI-PH gliedert sich wie folgt:

Vertretung des RKI in (inter-)nationalen Gremien

  • Arbeitskreis Versorgungsdaten (Forschungsdatenzentrum des Bundesinstitut für Arzneimittel und Medizinprodukte (BfArM))

Projekte und Netzwerke

Standort

Das ZKI-PH ist in Wildau bei Berlin angesiedelt. Im Jahr 2021 wurde hier das Zentrum für Zukunftstechnologien (ZFZ) fertiggestellt. In der dritten Etage dieses hochmodernen Gebäudekomplexes befindet sich das ZKI-PH.

Route zum ZKI-PH

Stellenangebote im ZKH-PH

Die Stellenangebote des ZKI-PH werden auf der Karriere-Webseite des RKI sowie auf www.interamt.de veröffentlicht.

Stand: 04.04.2024

Ausgewählte Publikationen

  • Hartner AM, Li X, Echeverria-Londono S, Roth J, Abbas K, Auzenbergs M, de Villiers MJ, Ferrari MJ, Fraser K, Fu H, Hallett T, Hinsley W, Jit M, Karachaliou A, Moore SM, Nayagam S, Papadopoulos T, Perkins TA, Portnoy A, Tran MQ, Vynnycky E, Winter AK, Burrows H, Chen C, Clapham HE, Deshpande A, Hauryski S, Huber J, Jean K, Kim C, Kim J-H, Koh J, Lopman BA, Pitzer VE, Tam Y, Lambach P, Sim SY, Woodruff K, Ferguson NM, Trotter CL, Gaythorpe KAM (2024): Estimating the health effects of COVID-19-related immunisation disruptions in 112 countries during 2020–30: a modelling study.
    The Lancet Global Health 12 (4): e563-e571. mehr

  • Dai X, Yang Z, Xu M, Liu F, Hattab G, Hirche S (2024): Decentralized Event-Triggered Online Learning for Safe Consensus of Multi-Agent Systems with Gaussian Process Regression.
    arXiv:2402.03174 [eess.SY]: https://doi.org/10.48550/arXiv.2402.03174. mehr

  • Yang Z, Dai X, Dubey A, Hirche S, Hattab G (2024): Whom to Trust? Elective Learning for Distributed Gaussian Process Regression.
    arXiv:2402.03014 [cs.LG]: https://doi.org/10.48550/arXiv.2402.03014. mehr

  • Yang Z, Songbo Dong, Armin Lederer, Xiaobing Dai, Siyu Chen, Stefan Sosnowski, Hattab G, Hirche S (2024): Cooperative Learning with Gaussian Processes for Euler-Lagrange Systems Tracking Control under Switching Topologies.
    arXiv:2402.03048 [cs.MA]: https://doi.org/10.48550/arXiv.2402.03048. mehr

  • Ilgen B, Pilic A, Harder T, Hattab G (2023): Pre-Training to Identify Immunization-Related Entities from Systematic Reviews.
    In 2023 7th International Conference on Natural Language Processing and Information Retrieval (NLPIR 2023), December 15-17, 2023, Seoul, Republic of Korea. https://doi.org/10.1145/3639233.3639355. Pages: 234-239. mehr

  • Kumar SS, Hartner AM, Chandran A, Gaythorpe KAM, Li X (2023): Evaluating effective measles vaccine coverage in the Malaysian population accounting for between-dose correlation and vaccine efficacy.
    BMC Public Health 23 (2351): doi: 10.1186/s12889-023-17082-9. mehr

  • Anžel A, Heider D, Hattab G (2023): Interactive polar diagrams for model comparison.
    Computer Methods and Programs in Biomedicine 242: 107843. doi: 10.1016/j.cmpb.2023.107843. mehr

  • Boender S, Schneider PH, Houareau C, Wehrli S, Purnat TD, Ishizumi A, Wilhelm E, Voegeli C, Wieler LH, Leuker C (2023): Establishing Infodemic Management in Germany: A Framework for Social Listening and Integrated Analysis to Report Infodemic Insights at the National Public Health Institute
    JMIR Infodemiology 2023; 3: e43646. doi: 10.2196/43646. mehr

  • Irrgang C, Tim Eckmanns, von Kleist M, Antão EM, Ladewig K, Wieler LH, Körber N (2023): Anwendungsbereiche von künstlicher Intelligenz im Kontext von One Health mit Fokus auf antimikrobielle Resistenzen.
    Bundesgesundheitsblatt 66: 652-659, doi: 10.1007/s00103-023-03707-2. mehr

  • Ezekannagha C, Welzel M, Heider D, Hattab G (2023): DNAsmart: Multiple attribute ranking tool for DNA data storage systems.
    Computational and Structural Biotechnology Journal 21: 1448-1460, doi: 10.1016/j.csbj.2023.02.016. mehr

  • Hattab G, Anžel A, Spänig S, Neumann N, Heider D (2023): A parametric approach for molecular encodings using multilevel atomic neighborhoods applied to peptide classification.
    NAR Genomics and Bioinformatics 5 (1): 10.1093/nargab/lqac103. mehr

  • Akhmedova S, Stanovov V, Kamiya Y (2022): A Hybrid Clustering Approach Based on Fuzzy Logic and Evolutionary Computation for Anomaly Detection.
    Algorithms 15 (10): 342; doi: 10.3390/a15100342. mehr

Zusatzinformationen

Aktuelles

Gesundheits­monitoring

In­fek­ti­ons­schutz

Forschung

Kom­mis­sio­nen

Ser­vice

Das Robert Koch-Institut ist ein Bundesinstitut im Geschäftsbereich des Bundesministeriums für Gesundheit

© Robert Koch-Institut

Alle Rechte vorbehalten, soweit nicht ausdrücklich anders vermerkt.