Forschung und Interessensgebiete

ORCID iD iconhttps://orcid.org/0000-0003-4797-0306

Ich beschäftige mich u.a. mit den folgenden Themen

Ich bin Mitglied des hochschulübergreifenden Promotionszentrums Angewandte Informatik (PZAI) und kooperiere u.a. mit der University of Cádiz und betreue dort kooperative Promotionen.

Forschungsgruppe Industrial Datascience (INDAS)

Zusammen u.a. mit den Kollegen Dirk Stegelmeyer und Matthias Wagner erforschen wir im Umfeld von Industrie 4.0 den Einsatz von Techniken des Maschinellen Lernens in der Forschungsgruppe INDAS, s.a. den Eintrag auf den Seiten des Kompetenzzentrum für angewandte Künstliche Intelligenz. Zur Zeit betreue ich in INDAS zwei Doktorandinnen und einen Doktoranden. Bei Interesse können Master- und Bachelorarbeiten im Umfeld vergeben werden - ggf. auch bei industriellen Kooperationspartnern.

Deep Learning von Beobachtungsfehlern in Wetter- und Klimamodellen

In der Datenassimilation liefert die Analyse ein umfassendes Bild der Atmosphäre, welches als Ausgangszustand sowohl für numerische Wettervorhersagen als auch für Klimasimulationen dient. Die meteorologische Analyse nutzt eine Vielzahl verschiedener atmosphärischer Messsysteme, jedes dieser Messsysteme hat seinen eigenen Beobachtungsfehler, der von einer Vielzahl von Variablen abhängt und sich im Laufe der Zeit stark verändert. Für den Datenassimilationszyklus ist die dynamische Schätzung von Beobachtungsfehlern eine wesentliche Komponente. Das Forschungsprojekt zielt auf die Entwicklung neuartiger Ansätze zur Verbesserung der Analyse ab. Hier bietet die Situation mit vielfältigen Abhängigkeiten der Beobachtungsfehler von Modellvariablen, Tageszeit oder Jahr, Standort und vielen anderen spezifischen Merkmalen des jeweiligen Messsystems eine ideale Grundlage für die Hybridisierung von Datenassimilation und Deep-Learning-Techniken. Das Projekt findet zusammen mit dem Kollegen Prof. Dr. Martin Simon und dem Deutschen Wetterdienst (DWD) sowie der Lappeenranta-Lahti University of Technology durchgeführt.

Deep Learning von Klimarisikomodellen

Die Finanzindustrie spielt eine entscheidende Rolle bei der grünen Transformation. Sie kann durch gezielte Investitionen und Finanzierungen maßgeblich dazu beitragen, den Übergang zu einer nachhaltigen, klimaneutralen Wirtschaft zu unterstützen. Die Entwicklung neuer Werkzeuge zur Identifizierung und Quantifizierung von Klimarisiken in Anlage- und Kreditportfolien, sog. Temperature-Alignment Metriken sind Gegenstand der Forschung. Derzeit sind die dafür benötigten Modellberechnungen sehr rechenzeitintensiv, was ihren praktischen Einsatz in Finanzinstituten erschwert. Es werden KI-basierte Ansätze erforscht, um den Ressourcenbedarf in Produktion erheblich zu reduzieren. Dies schließt die Entwicklung und Validierung von Deep Learning Algorithmen sowie eine Pilotphase zur Nutzung der Lösung in der Praxis ein. Das Forschungsprojekt wird unter Leitung von Prof. Dr. Martin Simon und in Kooperation mit Prof. Dr. Baris Sertkaya, sowie Prof. Dr. Heikki Harrio (Lappeenranta-Lahti University of Technology) und dem Frankfurter Softwareanbieter right. based on science durchgeführt.

Forschungsprojekt iDirector (abgeschlossen)

Das im Oktober 2022 gestartete Drittmittelprojekt “ERS-iDirector” (ZIM-Förderlinie BMBF) erforscht die Möglichkeiten, Audio- und Videokonferenzen mithilfe von KI zu verbessern. Das Projekt wurde zusammen mit dem Kollegen Eicke Godehardt und dem Frankfurter Projektpartner Pagemachine verwirklicht. Es ist ein Nachfolgeprojekt von ERS-Cloud. Ein wissenschaftlicher Mitarbeiter, Herr Cyriax Brast, Informatik Masterabsolvent der Frankfurt UAS, unterstützte das Projekt.

Forschungsprojekt ERS-Cloud (abgeschlossen)

Das im April 2018 gestartete und inzwischen abgeschlossene Drittmittelprojekt “ERS-Cloud” (ZIM-Förderlinie BMBF) erforscht die Möglichkeiten, die eine Peer-to-Peer basierte Echtzeitkommunikation auf Basis des WebRTC Standards für Audio und Videokonferenzen bietet. Das Projekt wird zusammen mit dem Frankfurter Projektpartner Pagemachine verwirklicht. Zwei wissenschaftliche Mitarbeiter, Herr Mauricio Altamirano Silva und Herrn Raul Bertone, beide Masterstudenten der Informatikstudiengänge des Fb2 unterstützen das Projekt. Ein auf Basis der entwickelten Protokollspezifikation funktionsfähiger Prototyp existiert. Das Konzept wurde im Oktober 2019 auf der 10th International Conference on Networks of the Future (NoF), 2019 in Rom vorgestellt, s. "Topology Distribution for Video-Conferencing Applications". Weitere Informationen finden Sie auf der Homepage des Projekts. Folgeprojekte mit Integration von AI Themen ist iDirector.

Forschungsgruppe HAR

Die Forschungsgruppe Human Activity Recognition (HAR) wurde 2018 gegründet und erforscht die Erkennung von (menschlichen) Aktivitäten und Aktivitätsmustern mithilfe von Sensoren, u.a. (passivem) Radar auf Basis von CSI (s.u.) oder anderen Sensoren wie Trägheitssensoren oder optischen Sensoren. Die Erkennung von Aktivitäten erfordert die Analyse von Zeitreihen und wir verwenden daher u.a. RNN und LSTMs als Maschinelle Lernverfahren. Die Forschungsgruppe HAR arbeitet eng mit den Wireless Sensor Networks (WSN) und Internet of Things (IoT) Forschungsgruppen des Kollegen Wagner zusammen. Da beim Forschungsprojekt Industrie 4.0 ebenfalls Zeitreihen analysiert werden, versuchen wir, Verfahren der Forschungsprojekt HAR, auf dieses Gebiet zu übertragen.

Forschungsgruppe CSI

Die Forschungsgruppe Channel State Information (CSI) wurde 2017 gegründet und erforscht die Möglichkeiten, die Channel State Information (CSI) als Sensorik bietet. Dabei werden geometrische Verfahren mit Super Resolution Algorithmen wie MUSIC und ESPRIT ebenso verwendet wie Maschinelle Lernverfahren des Supervised Learnings.

Forschungsprojekt Contextual Computing (abgeschlossen)

"The most profound technologies are those that disappear. They weave themselves into the fabric of everyday life until they are indistinguishable from it." (Mark Weiser)

Ziel des Projektes 2016 begonnen und 2017 abgeschlossenen Projektes ist es, Sensoren wie u.a. WiFi, Trägheitssensoren und Magnetfelder u.a. von Smartphones so auszunutzen und deren Daten zu kombinieren, dass intelligente Services unterstützt werden, die den Kontext einer Anwendung "automatisch" erkennen. Dabei soll nicht nur die Ortserkennung, sondern generell auch andere Aspekte der Kontexterkennung berücksichtigt werden – als ein (erster, kleiner) Schritt hin zum sogenannten "invisible computing", ganz der obigen Vision Mark Weisers. Das Projekt führt Ideen des Projekts MoCa (s.u.) fort.

Darüber hinaus soll eine Basis geschaffen werden, um Mobile Crowd Sensing, zu unterstützen und so weitere Dienste und Forschungsaktivitäten zu unterstützen. Das Fernziel ist es, durch intelligente Art der Verknüpfung von Sensor- und Kontextinformationen generell eine bessere Benutzbarkeit (englisch "User Experience") von Hard- und Software zu erreichen.

Nach Beendigung des Projektes sind einige Ideen in der HAR Forschungsgruppe aufgegangen.

Forschungsprojekt Mobile Campusanwendung MoCa (abgeschlossen)

Ziel von MoCa (2012-2015) war die Entwicklung einer integrierten mobilen Anwendung nebst Backend-Services, die die gängigen Mobilen Plattformen (Android, iOS, Windows) unterstützt und es den Nutzern ermöglicht, personalisierte, hochschulspezifische Dienste wie z.B. Stundenplan, Prüfungsergebnisse etc. mobil zu nutzen. Zusätzlich sollte die Anwendung geeignet sein, mit Hilfe der im Gerät verbauten Sensoren u.a. Ortsinformationen zur Lokalisierung zu verwenden, um so einen Mehrwert für den Nutzer (und den Campus) zu erzielen. Dabei sollte geprüft werden, inwieweit die Geräte auch als Datenquelle genutzt werden können (Anwesenheit, Detektion von Freunden und Bekannten o.ä.), wobei Aspekten des Datenschutz und Schutzes der Privatsphäre eine besondere Bedeutung zukam. Begleitende Themen wie u.a. Mobile Tagging, Mobile Augmented Reality, Push Notification und die Integration in Verkaufs- und Marketingplattformen (App-Stores) wurden ebenso evaluiert.

Bachelor- und Masterarbeiten

Bei Interesse und Eignung können Bachelor- und Masterarbeiten zu den obigen Themen vergeben werden. Ebenso besteht die Möglichkeit zur Promotion. Eine Auflistung der von mir betreuten Abschlußarbeiten finden Sie hier. Konkrete Themen, die ich zu vergeben habe sind u.a.

Aktuelle Publikationen

  1. Hendrik Weichel, Martin Simon, and Jörg Schäfer, "Robust table information extraction from sustainability reports: A time-aware hybrid two-step approach" In The 2nd Workshop of Natural Language Processing meets Climate Change, 2025. https://openreview.net/forum?id=x5EGGo0sxB
  2. Leopoldo Gutiérrez-Galeano, Juan-José Domínguez-Jiménez, Jörg Schäfer, and Inmaculada Medina-Bulo. "Llm-based cyberattack detection using network flow statistics". Applied Sciences, 15(12), 2025. ISSN 2076-3417. doi:10.3390/app15126529
  3. Hendrik Weichel, Jürgen Angele, George Baryannis, Jörg Schäfer, Barış Sertkaya, Martin Simon, and Ann Smith. "An Ontology for Climate Risks in a Credit Risk Management Framework for Financial Institutions". In Jörg Schäfer, editor, Eleventh Spanish-German Symposium on Applied Compu- ter Science (SGSOACS 2025), Communications in Computer and Information Science (CCIS). Springer Nature, 7 2025.
  4. Jörg Schäfer, Ahmed Achour, and Fatima Sajid Butt. "Automatic Feature Extraction for ECG Classification Using Signature Methods". In Jörg Schäfer, editor, Eleventh Spanish-German Symposium on Applied Compu- ter Science (SGSOACS 2025), Communications in Computer and Information Science (CCIS). Springer Nature, 7 2025.
  5. Jonathan Cyriax Brast, Sara Balderas-Díaz, Eicke Godehardt, and Jörg Schäfer. "Bottom-Up Learning using Bernstein Polynomials". In Fifth Doc- toral Consortium in Computer Science (JIPII 2025), 6 2025.
  6. Francisco Seipel-Soubrier, Jonathan Cyriax Brast, Eicke Godehardt, and Jörg Schäfer, "Joined video description from multiple sources," in 10th International Congress on Information and Communication Technology (ICICT 2025), 2025.
  7. Jesús Rosa-Bilbao, Fatima Sajid Butt, David Merkl, Matthias F. Wagner, Jörg Schäfer, and Juan Boubeta-Puig. "Iot-based indoor air quality management system for intelligent education environments", IEEE Internet of Things Journal, pages 1–1, 2025. doi:10.1109/JIOT.2025.3539886
  8. Jonathan Cyriax Brast, Mauricio Altamirano Silva Silva, Eicke Godehardt, and Jörg Schäfer, "Measuring engagement in a video conference," in 2024 Proceedings IEEE 8th International Symposium on Multidisciplinary Studies and Innovative Technologies (ISMSIT), 2024, doi: 10.1109/ISMSIT63511.2024.10757223
  9. Gian Luca Buono, Maurizio Petrozziello, and Jörg Schäfer, "KI- Nachwuchs@FH 1-2021: ArtificialIntelligenz@FRA UAS (AI@FRA): Abschlussbericht," Technical Report, Leibnitz-Informationszentrum Technik und Naturwissenschaften, Universitätsbibiliothek, 4 2024., doi: 10.2314/KXP:1918447411
  10. A. Ghahfarokhi,M.F. Wagner, J. Schäfer, B. Dorronsoro, "Application of Machine Learning in Industry 4.0: Energy Consumption Prediction for Smart Meters," in 2023 Proceedings III Jornadas de Investigación Predoctoral en Ingeniería Informática, Third Doctoral Consortium in Computer Science, https://rodin.uca.es/bitstream/handle/10498/29050/proceedings-JIPII-2023.pdf.
  11. F. S. Butt, J. Schäfer, M. F. Wagner, D. Stegelmeyer and D. G. -U. Oteiza, "Application of CRISP-DM and DMME to a Case Study of Condition Monitoring of Lens Coating Machines," in 2023 IEEE International Workshop on Metrology for Industry 4.0 & IoT (MetroInd4.0 & IoT), Brescia, Italy, 2023, pp. 409-414, doi: 10.1109/MetroInd4.0IoT57462.2023.10180178.
  12. F. S. Butt, M. F. Wagner, J. Schäfer and D. G. Ullate. "Towards Automated Feature Extraction For Deep Learning Classification of Electrocardiogram Signals," in IEEE Access, vol. 10, pp. 118601-118616, 2022, doi: 10.1109/ACCESS.2022.3220670.
  13. Fatima Sajid Butt, Matthias F Wagner, Jörg Schäfer, and David Gómez Ullate. "Time series analysis using machine learning techniques: Medical and industrial applications," Predoctoral en Ingenierıa Informática, page 71, 2022, https://rodin.uca.es/bitstream/handle/10498/27607/proceedings-JIPII-2022.pdf?sequence=1#page=81.
  14. Jörg Schäfer, Baldev Raj Barrsiwal, Muyassar Kokhkharova, Hannan Adil, and Jens Liebehenschel. "Human activity recognition using csi information with nexmon". Applied Sciences, 11(19), 2021, special issue "SI: Sensor-Based Human Activity Recognition in Real-World Scenarios", 2021, doi: 10.3390/app11198860.
  15. Baldev Raj Barrsiwal, Jens Liebehenschel, and Jörg Schäfer. "Ml approaches for human activity recognition with low-cost hardware". In Embedded Software Engineering Kongress 2021 digital, Nov 2021.
  16. Fatima Sajid Butt, Luigi LaBlunda, Matthias F. Wagner, Jörg Schäfer, Inmaculada Medina-Bulo, and David Gómez-Ullate. "Fall detection from electrocardiogram (ECG) signals and classification by deep transfer learning". Information, 2, 12, special issue "SI: Computer Vision for Biomedical Image Applications", 2021, doi: 10.3390/info12020063.
  17. Jörg Schäfer. "A note on ultrametric spaces, minimum spanning trees and the topological distance algorithm.". Information, 11(418), August 2020, doi: 10.3390/info11090418.
  18. Olaf Reich, Erik Hübner, Bogdan Ghita, Matthias Wagner, Jörg Schäfer. "A Survey Investigating the Combination and Number of IMUs on the Human Body used for Detecting Activities and Human Tracking". In IEEE WCCCT 2020 Conference Proceedings, doi: 10.1109/WCCCT49810.2020.9170009.
  19. Olaf Reich, Erik Hübner, Bogdan Ghita, Matthias Wagner, Jörg Schäfer. "Bluetooth Performance Evaluation Based on Notify for Real-Time Body-Area Sensor Networks". In 2020 IEEE International Workshop on Metrology for Industry 4.0 & IoT (MetroInd4.0&IoT), doi: 10.1109/MetroInd4.0IoT48571.2020.9138199.
  20. Olaf Reich, Erik Hübner, Bogdan Ghita, Matthias Wagner, Jörg Schäfer. "Performance evaluation of bluetooth in a wireless body area network for practical applications". In IEEE 11th Sensor Array and Multichannel Signal Processing Workshop (SAM), volume 11, 2020, doi: 10.1109/SAM48682.2020.9104399.
  21. Damodaran, N., Haruni, E., Kokhkharova, M. and Schäfer, J, "Device free human activity and fall recognition using WiFi channel state information (CSI)". CCF Trans. Pervasive Comp. Interact. (2020), doi: 10.1007/s42486-020-00027-1, Best Paper Award 2021.
  22. Mauricio Altamirano Silva, Raul Bertone and Jörg Schäfer. "Topology Distribution for Video-Conferencing Applications". In 2019 10th International Conference on Networks of the Future (NoF), Rome, October 2019, doi: 10.1109/NoF47743.2019.9014957.
  23. Neena Damodaran and Jörg Schäfer. "Device Free Human Activity Recognition using WiFi Channel State Information". 2019 IEEE SmartWorld, Ubiquitous Intelligence Computing, Advanced Trusted Computing, Scalable Computing Communications, Cloud Big Data Computing, Internet of People and Smart City Innovation (Smart- World/SCALCOM/UIC/ATC/CBDCom/IOP/SCI), pages 1069–1074, Leicester, August 2019. doi: 10.1109/SmartWorld-UIC-ATC-SCALCOM-IOP-SCI.2019.00205.
  24. Elpiniki Tsakalaki and Jörg Schäfer. "On Application of the Correlation Vectors Subspace Method for 2-Dimensional Angle-Delay Estimation in Multipath OFDM Channels". In WiMob 2018 – The 14th International Conference on Wireless and Mobile Computing, Networking and Communications., volume 14. IEEE, October 2018, doi: 10.1109/WiMOB.2018.8589183.
  25. Fabio Aversente and Jörg Schäfer. "What You See is Where You Are -- Localize a Mobile Device with its Camera and WiFi". In 2018 IEEE International Conference on Smart Computing (SMARTCOMP), Jun 2018, doi: 10.1109/SMARTCOMP.2018.00077.
  26. Jens Liebehenschel und Jörg Schäfer. "Teamteaching -- ein Fallbeispiel". 15. Workshop für Software Engineering im Unterricht der Hochschulen 2017 (SEUH 2017), Feb 2017.
  27. Jörg Schäfer. "Schöpferische Zerstörer: Bitcoin, Blockchain und Smart Contracts -- Digitale Treuhänder transformieren die Gesellschaft". In "Gefährdet Big Data unsere Demokratie?", Tagung vom 14.-16. Oktober 2016 an der Ev. Akademie Villigst in Schwerte, Okt 2016.
  28. Fabio Aversente, David Klein, Schekeb Sultani, Dmitri Vronski, Jörg Schäfer. "Deploying Contextual Computing in a Campus Setting". In 11th International Network Conference 2016 (INC2016), July 2016.
  29. Sergej Alekseev and Jörg Schäfer, "Evaluation of a Topological Distance Algorithm for Construction of a P2P Multicast Hybrid Overlay Tree", International Journal of Computer Networks & Communications (IJCNC) Vol.8, No.1, pp. 1-20, January 2016, doi: 10.5121/ijcnc.2016.8101
  30. Sergej Alekseev and Jörg Schäfer, "A New Algorithm for Construction of a P2P Multicast Hybrid Overlay Tree Based on Topological Distances.", In Proceedings of NECOM 2015 – The Seventh International Conference on Networks & Communications (NeCoM 2015), Zürich, Switzerland, January 2016, doi: 10.5121/csit.2016.60126
  31. Schäfer, J."Practical Concerns of Implementing Machine Learning Algorithms for W-LAN Location Fingerprinting," in Proceedings of ICUMT 2014 - the 6th International Congress on Ultra Modern Telecommunications and Control Systems, St. Petersburg, IEEE, 2014, © copyright IEEE, doi: 10.1109/ICUMT.2014.7002120
  32. Schäfer, J.; Klein, D., "Implementing Situation Awareness for Car-to-X Applications Using Domain Specific Languages," In Vehicular Technology Conference (VTC Spring), 2013 IEEE 77th , vol., no., pp.1-5, 2-5 June 2013, © copyright IEEE, doi: 10.1109/VTCSpring.2013.6692589