News | Newsarchiv

Diese Veranstaltung ist relevant für alle Studierenden, die an der KIT-Fakultät für Informatik die Orientierungsprüfung ablegen möchten.   Die Veranstaltung widmet sich der optimalen Gestaltung der Prüfungsphase. Es werden nicht nur fachspezifische Tipps weitergegeben, sondern auch bewährte Methoden und Techniken vorgestellt, die zu einer erfolgreichen Klausurenphase beitragen können. Dabei stehen effektive Lernstrategien, Zeitmanagement während der Prüfungszeit und Techniken zur Stessbewältigung im Mittelpunkt.   Diesem Teil der Veranstaltung kann sowohl in Präsenz als auch online beigewohnt werden.   Zusätzlich findet vor Ort eine Lernpartnerschaftsbörse statt.   Lernpartnerschaftsbörse: Nutzt die Gelegenheit am Ende der Veranstaltung, um andere zu treffen, die auch einem motivierten Lernpartner für die Klausurvorbereitung oder die kommenden Semester suchen.   Diese Veranstaltung wird auf Deutsch gehalten. Sie können außerdem Fragen auf Deutsch oder Englisch stellen.   https://kit-lecture.zoom-x.de/j/61457862779?pwd=bvb07vxsW93TIxYsYdwGsBv2iqVfzG.1

„Real-time Voice AI: Extracting structured data from live phone calls using LLMs"   In the real world, things rarely go according to plan for call centre agents. The customers calling may be stressed (e.g., broken car, flooded house), and they may give unprompted, out-of-order answers. The call centre agents’ job is not easy - they may need to navigate a huge conditional question tree from memory during a high-stakes situation. They will often be required to enter large amounts of structured data during or after the call, based on handwritten or typed notes.   The results are missing, incorrect data for an economically relevant process. What if the agents could follow a dynamic script that changes in real time based on what the caller just said? And what if the structured data could be extracted directly from the audio stream in real time, so that by the time the call is finished, all forms are already filled out? This is what we set out to build.   Our approach has been an LLM-based application that guides call centre agents through the call, adapting to new information as soon as it is available. It both selects the questions and picks out the answers. In order to implement this, we’ve had to solve many challenges - in context engineering, networking, and system design. The aim of the talk is to guide you through the trade-offs and decision that we made.   Referenten: Izer Onadim und Theodor Nguyen, Members of Technical Staff at QuantCo

das KIT-Fakultät für Informatik lädt Sie herzlich zum Semesterkolloquium am 16. Februar 2026 um 17:30 Uhr im InformatiKOM 1 ein.   Zu Beginn wird der Dekan der Fakultät einen kurzen Überblick über aktuelle Entwicklungen und Perspektiven geben. Im Mittelpunkt der Veranstaltung stehen anschließend die Antrittsvorlesungen von Professorin Nadja Klein und Professor Henning Meyerhenke, die beide neben ihrer Zugehörigkeit zur Fakultät auch am Scientific Computing Center (SCC) tätig sind. In ihrer Antrittsvorlesung „Bayesian Statistics and Machine Learning: Leveraging the Best of Both Worlds“ stellt Nadja Klein ausgewählte Arbeiten zu Bayesianischem Lernen vor, welches es ermöglicht, Vorwissen mit Daten zu verknüpfen, Unsicherheit zu quantifizieren und die Transparenz moderner Machine‑Learning‑Systeme zu erhöhen. Durch die Integration von Expertenwissen, strukturellen Annahmen oder Regularisierungsverfahren können Bayesianische Methoden existierende Modelle präziser, robuster und daten­effizienter machen und damit zentrale Einschränkungen von Black‑Box‑Ansätzen adressieren. Die Forschung von Nadja Klein verbindet theoretische Arbeiten, methodische Innovationen und praktische Anwendungen. Dazu gehören Beiträge zu räumlicher Statistik, sparsamen und skalierbaren Bayesianischen Modellen und neuronalen Netzen sowie Methoden zur Interpretierbarkeit und Erklärbarkeit komplexer Systeme. Anwendungsseitig arbeitet ihre Gruppe interdisziplinär – von der Analyse komplexer biomedizinischer und Neuroimaging‑Daten über die Vorhersage von Wetter‑ und Umweltmustern bis hin zur Verbesserung autonomer Fahrsysteme. Dieser Vortrag hebt ausgewählte aktuelle methodische Entwicklungen aus ihrer Gruppe hervor und zeigt anhand konkreter Anwendungen, wie Bayesianische Konzepte moderne Machine‑Learning‑Pipelines verbessern können.   In der Antrittsvorlesung „Graph Algorithms for Large Complex Systems“ widmet sich Henning Meyerhenke Forschungsfragen, die sich aus sehr großen Netzwerken verschiedener Anwendungsbereiche ergeben. Der Vortrag stellt aktuelle algorithmische Resultate vor, die Probleme aus der Netzwerkanalyse, dem CO2-armen Workflow-Scheduling und der Robustheits-Optimierung von Graphen lösen. Im Anschluss an das Kolloquium laden wir herzlich zu einem kleinen Empfang ein, der Gelegenheit zum fachlichen aber natürlich auch persönlichen Austausch bietet.   *der Dekansbericht wird auf Deutsch, die Antrittsvorlesungen in englischer Sprache stattfinden

Wenn Sie ein internationaler Studierender der KIT-Fakultät für Informatik sind und im kommenden Semester Ihr Studium beginnen, bietet Ihnen diese Online-Orientierung vor der Ankunft wichtige Informationen über unsere Fakultät, Modulwahl und Immatrikulation, und das Leben in Karlsruhe. Außerdem haben Sie hier die Möglichkeit, Fragen zu stellen. Wir möchten, dass Sie gut vorbereitet sind und einen guten Start haben. Daher behandeln wir folgende Themen: ∎ Checklisten für den Start ∎ Akademischer Kalender und wichtige Termine und Zeiträume ∎ Planung Ihres Studiums und Auswahl der Module ∎ Unterkünfte  ∎ Leben in Karlsruhe und Studentenleben am KIT ∎ Anlaufstellen für Studierende ∎ und vieles mehr  Veranstaltung wird auf Englisch gehalten, aber ihr könnt Fragen auf Deutsch oder Englisch stellen. Wir möchten internationalen Studierenden einen guten Start an der Fakultät für Informatik des KIT ermöglichen. Nehmen Sie daher unbedingt an dieser "Online Pre-Arrival Orientation" teil.   https://kit-lecture.zoom-x.de/j/62903484183?pwd=a1EcbtkbhtJFhgCSXIm2RbhO8aWi9H.1