AIONA Lab
Artificial Intelligence for Optimization, Nutrition and Applied Health Laboratory
Unsere Forschung
Personal Nutrition Hypercube
Wie hängen Ernährung, Vitalwerte und Symptome zusammen? Gesundheit durch personalisierte Erkenntnisse und Empfehlungen.
Weiterlesen
Studyflow – Digitale Studienplattform
Wie gelingen digitale Studien im Gesundheitsbereich reibungslos? DSGVO-konforme Studienplattform für Mobile-App- und Gesundheitsdaten.
Weiterlesen
Image2Nutrition – vom Bild zum Nährwert
Wie kommt man vom Essensfoto zur dazugehörigen Zutatenliste mit genauen Gewichtsangaben und Nährwerten?
Weiterlesen
Pharmakokinetik
Wie werden Wirkstoffe im Körper aufgenommen, verteilt und verstoffwechselt? Die KI modelliert Zusammenhänge.
Weiterlesen
Digitales Krankenhaus
Wie können Prozesse optimiert werden? Wir entwickeln Lösungen, die Patienten Sicherheit geben und Personal entlasten.
Weiterlesen
Offener Ernährungsdatensatz
Wie kann man von Rezepten und Zutaten auf die Nährstoffe schließen? Unser Datensatz für Medizin und Ernährungsberatung.
WeiterlesenProjekte
Quantum Reservoir and Data Selection (QuaRDS) – Merck
Das Projekt entwickelt neuartige Quantum-Reservoir-Computing-Methoden für die Analyse komplexer biomedizinischer Daten. Gemeinsam mit Merck untersucht die LMU, unter welchen Bedingungen QRC gegenüber klassischen Verfahren Vorteile bieten kann, und entwickelt neue Ansätze für interpretierbare KI in der personalisierten Medizin und Arzneimittelforschung.
Weitere Informationen
Bayesian Network Analysis and Inference via Quantum-enhanced Optimization (BAIQO) – Merck
Das Projekt entwickelt innovative Quantenalgorithmen zur Optimierung klinischer Studien und trägt dazu bei, die Entwicklung neuer Medikamente schneller, effizienter und zielgerichteter zu gestalten. Ziel ist es, datenbasierte Entscheidungsprozesse zu verbessern und Patientinnen und Patienten früher den Zugang zu neuen Therapien zu ermöglichen.
Weitere Informationen
Analysis of Wearable Sensor Data for Sleep Quality
Pierre Franke, Nina Freise, Gerhard Stenzel, Claudia Linnhoff-Popien
Bachelorarbeit
Development and Evaluation of Multi-Agent Extensions for Medical Reinforcement Learning Environments
Julian Kopetzky, Maximilian Zorn, Philipp Altmann, Claudia Linnhoff-Popien
Bachelorarbeit
Uncertainty-Aware Modelling of Acute Respiratory Exposure to Chloropicrin
Minh Son Tran, Benedikt Paul, Gerhard Stenzel, Claudia Linnhoff-Popien
Bachelorarbeit
Analysis and Classification of Sleep Quality Using Wearable Data
Yanik Bene, Nina Freise, Michael Kölle, Claudia Linnhoff-Popien
Bachelorarbeit
Automated Identification of Leukemia Cells in Fluorescence In Situ Hybridization (FISH) Images
Ivan Marjanovic, Michael Kölle, Alexander Feist, Nina Freise, Claudia Linnhoff-Popien
Bachelorarbeit
Skin Disease Classification Using Mobile Deep Learning Models
Abdulla Babayev, Alexander Klingebiel, Michael Kölle, Claudia Linnhoff-Popien
Bachelorarbeit
A Comparative Evaluation of Rule and Pattern Mining Methods in Healthcare Data
Rosana Niebauer, Gerhard Stenzel, Alexander Klingebiel, Claudia Linnhoff-Popien
Bachelorarbeit
Multi-Objective Model Optimization for Federated Learning in Medical Image Classification
Levon Boos, Jonas Stein, Leo Sünkel, Claudia Linnhoff-Popien
Bachelorarbeit
Reliability Assessment of Retrieval Augmented Generation in Personalized Nutrition
Tim Lindner, Nina Freise, Gerhard Stenzel, Claudia Linnhoff-Popien
Masterarbeit
Beyond Tracking: Designing and Evaluating a Mobile Application to Foster Self-Reflection in a Nutritional Context
Lea Sigethy, Michael Kölle, Sebastian Wölckert, Claudia Linnhoff-Popien
Masterarbeit
Recipe and Nutrition Dataset from Real-World Data Using Large Language Models
Alexander Feist, Marcel Mohrmann, Alexia Pagkopoulou, Kilian Ziegler, Nina Freise, Alexander Klingebiel, Claudia Linnhoff-Popien
Projektarbeit
Explainable Nutrition Question Answering With Retrieval-Augmented Generation on Evidence-Based Guidelines
Philipp Stoll, Qingshi Liu, Emily Reichmann, Yun Huang, Nina Freise, Alexander Klingebiel, Claudia Linnhoff-Popien
Projektarbeit
Personalized Nutrition Analysis Using Hidden Markov Models
Nils Rothamel, Louisa Ullmann, Julia Straninger, Isabell Hans, Nina Freise, Alexander Klingebiel, Claudia Linnhoff-Popien
Projektarbeit
Personalized Time-Series Nutrition Analysis With Probabilistic Models and Large Language Model Explanations
Sara Juarez Oropeza, Abdullah Koukash, Anna Tsaan, Nick Thomas, Nina Freise, Alexander Klingebiel, Claudia Linnhoff-Popien
Projektarbeit
Real-Time On-Device Rehabilitation Feedback Using 3D Pose Estimation
Kristina Kuznetsova, Julian Geißinger, Yannic Kindermann, Yu Zhou, Nina Freise, Alexander Klingebiel, Claudia Linnhoff-Popien
Projektarbeit
Agentic Development Lifecycle under GDPR Constraints for Privacy-First Research Platforms
Laura Bengs, Gerhard Stenzel, Nina Freise, Claudia Linnhoff-Popien
Projektarbeit
Dimensionality Reduction with Autoencoders for Efficient Classification with Variational Quantum Circuits
Jonas Maurer, Michael Kölle, Philipp Altmann, Leo Sünkel, Claudia Linnhoff-Popien
Bachelorarbeit
Impact of Different Quantum Noise Channels on Global Model Convergence and Robustness in Quantum Federated Learning
Paul Kreppold, Thomas Gabor, Leo Sünkel, Tobias Rohe, Claudia Linnhoff-Popien
Bachelorarbeit
Ingredient Recognition and Relative Quantity Estimation in Food Images on Hardware-Constrained Systems
Michael Anderle, Gerhard Stenzel Michael Kölle, Thomas Gabor, Claudia Linnhoff-Popien
Masterarbeit
Anomaly Detection on Medical Images Using Classification of Clustering Results
Sebastian Haugg, Robert Müller, Michael Kölle, Claudia Linnhoff-Popien
Bachelorarbeit
Publikationen
Quantum Boltzmann Machines Using Parallel Annealing for Medical Image Classification
IEEE Xplore 2025
Weitere Informationen
The Role of Domain-Specific Models for Synthetic Data Generation with Iterative Prompt Optimization
IEEE Xplore 2025
Weitere Informationen
IPROPS – Iterative Prompt Refinement for Optimizing Privacy-Preserving Synthetic Data Generation
IEEE Xplore 2025
Weitere Informationen
Automatic Prompt Optimization Techniques: Exploring the Potential for Synthetic Data Generation
Springer Nature 2025
Weitere Informationen
Lehrangebote
Praktikum „Applied AI for Health“
Das Praktikum vermittelt die Fähigkeit, Anwendungsfälle aus den Bereich „Applied AI for Health“ (AI4H) zu untersuchen. Die Teilnehmenden entwickeln dafür intelligente Systeme, die Entscheidungsprozesse im Gesundheitskontext unterstützen.
Seminar „AI for Health“
Im Rahmen dieses Seminars werden ausgewählte Themen aus dem Bereich der Künstlichen Intelligenz (KI) behandelt, die insbesondere auf Anwendungen im Gesundheitswesen abzielen. Der Fokus liegt auf innovativen Methoden und Technologien, die zur Verbesserung medizinischer Diagnostik, Therapie und Patientenversorgung beitragen.
Arbeitsgemeinschaft „AI for Health“
In der Arbeitsgemeinschaft „AI for Health“ beschäftigen wir uns mit den Herausforderungen und Chancen von Künstlicher Intelligenz im Gesundheitsbereich. Die AG bietet eine Plattform für Austausch und Zusammenarbeit zwischen Forschenden, Studierenden und Interessierten. In regelmäßigen Treffen werden aktuelle Forschungsprojekte vorgestellt und wissenschaftliche Publikationen diskutiert, um Entwicklungen und Trends zu analysieren. Themen sind u. a. Machine Learning zur Analyse von Gesundheitsdaten, personalisierte Empfehlungen für Wohlbefinden sowie ethische Fragen im sensiblen Gesundheitskontext.
Abschlussarbeiten
Wir freuen uns über Ihr Interesse an einer Abschlussarbeit am AIONA Lab. Wenn Sie Ihre Abschlussarbeit bei uns schreiben möchten, informieren Sie sich bitte zunächst auf den Seiten unserer Mitarbeiterinnen und Mitarbeiter über unsere Forschungsschwerpunkte und aktuellen Themen. Nutzen Sie anschließend unser Anfrageformular, um uns Ihre Anfrage zu stellen.
