Im Rahmen des Forschungsprojekts FLORIDA wurde untersucht, wie große und heterogene Datenbestände aus Video- und Multimediadaten durch die Kombination automatisierter Analyseverfahren und interaktiver Visualisierung effizient zugänglich und auswertbar gemacht werden können. Im Mittelpunkt stand dabei die Frage, wie komplexe Daten so aufbereitet werden können, dass sie die menschliche Analyse sinnvoll unterstützen und Entscheidungsprozesse in datenintensiven Anwendungskontexten verbessern.

Die Universität Konstanz hat insbesondere Verfahren der Visual Analytics konzipiert, die maschinelles Lernen, Mustererkennung und interaktive Visualisierung eng miteinander verbinden. Im Fokus standen dabei skalierbare Ansätze zur strukturierten Aufbereitung von Videodaten, die Entwicklung interaktiver Analysewerkzeuge sowie die Integration automatischer Vorverarbeitungsschritte zur Reduktion der Datenkomplexität und zur Unterstützung der menschlichen Entscheidungsfindung.

Forschungsfragen

• Wie können sehr große Mengen unstrukturierter Video- und Sensordaten effizient strukturiert und zugänglich gemacht werden?
• Welche Visual-Analytics-Methoden unterstützen Analysten bei der schnellen Identifikation relevanter Ereignisse?
• Wie lassen sich automatisierte Verfahren (z. B. Objekterkennung) sinnvoll mit menschlicher Interpretation kombinieren?
• Wie kann die zeitlich-räumliche Rekonstruktion komplexer Szenarien interaktiv unterstützt werden?

Ausgewählte Ergebnisse

• Entwicklung integrierter Visual-Analytics-Pipelines zur Analyse großer Videodatenbestände
• Kombination von KI-gestützter Vorverarbeitung mit interaktiven Explorationstechniken
• Verbesserte Identifikation relevanter Ereignisse durch visuelle Priorisierung und Filtermechanismen
• Demonstration, dass Human-in-the-loop-Ansätze die Analyseeffizienz und Interpretierbarkeit deutlich erhöhen
• Aufbau prototypischer Systeme zur zeitlich-räumlichen Rekonstruktion und Untersuchung komplexer Szenarien