Andreas Holzinger

Andreas Holzinger (* 18. April 1963 in Graz) ist ein österreichischer Informatiker.

Leben

Andreas Holzinger absolvierte eine Ausbildung zum Radio- und Fernsehtechniker, 1981 legte er die Gesellenprüfung ab. Danach arbeitete er als Nachrichtentechniker im Außendienst bei Bosch und legte 1983 die Prüfung als Werkmeister für Industrielle Elektronik ab. Anschließend absolvierte er die Höhere Technische Lehranstalt für Berufstätige (BULME) und besuchte das College of Further Education in Bournemouth (Großbritannien).

Er legte 1990 die Prüfung als Ingenieur (Ing.) für Nachrichtentechnik ab, erwarb 1991 ein Diplom in Erwachsenenbildung (Dip. Ed), studierte Nachrichtentechnik und Lehramt Physik und Psychologie (Abschluss 1995 als Mag. rer. nat.) sowie Medienpädagogik und Soziologie (Abschluss 1996 als Mag. phil.) an der Technischen Universität Graz und der Universität Graz.

1997 wurde er zum Dr. phil. mit einem Thema in der Kognitionswissenschaft promoviert. 2002/2003 war er Gastdozent an der Nations HealthCareer School of Management (NHCS) in Berlin. 2003 erlangte er die Habilitation (Venia Docendi) an der TU Graz im Fach „Angewandte Informationsverarbeitung“.

2004/05 hatte er eine Gastprofessur am Institut für Organisation und Lernen der Universität Innsbruck, 2005/06 eine Gastprofessur am Institut für Softwaretechnik und interaktive Systeme der TU Wien, im Sommersemester eine Gastprofessur an der School of Computing der Middlesex University in London, im Wintersemester 2011/12 Gastprofessor an der RWTH Aachen, im Sommersemester 2012 Gastprofessor am University College in London und ist seit 2006 regelmäßig Gastprofessor an der Wirtschaftsuniversität Wien. Er gründete und leitet das internationale Expertennetzwerk HCI-KDD. Holzinger ist Konsulent für österreichische, deutsche, holländische, französische, kanadische und schweizerische Forschungsförderungsgesellschaft.

Aktuelle Arbeitsbereiche

Andreas Holzinger arbeitet an einer Kombination zweier Bereiche, die zur Wissensentdeckung in hoch-dimensionalen, schwach strukturierten Daten und unstrukturierten Informationen ideale Voraussetzungen bieten: Mensch-Computer-Interaktion und Knowledge Discovery in Databases, mit dem Ziel menschliche Intelligenz durch maschinelles Lernen zu unterstützen, um unbekannte Zusammenhänge in komplexen biomedizinischen Datenmengen zu entdecken.

Dabei hat er einen speziellen Ansatz entwickelt und evaluiert: interaktives Machine Learning (iML) mit einem human-in-the-loop, bzw. mit einem (oder mehreren) „doctor-in-the-loop“. Es kann oft vorteilhaft sein, nicht auf menschliches Domänenwissen zu verzichten, sondern vielmehr menschliche Intelligenz und maschinelle Intelligenz zu kombinieren.  Eine Motivation für den iML-Ansatz ist, dass es vollautomatischen „Black-Box“ Ansätzen an Transparenz fehlt. Zukünftige Rechts- und Datenschutzaspekte machen aber immer stärker notwendig mittels eines „Glass-Box“ Ansatzes nachvollziehbar zu erklären, warum eine Entscheidung getroffen wurde. Dieser Ansatz kann überdies die Akzeptanz und das Vertrauen in Machine Learning generell fördern. 

Ausgewählte Publikationen

• Holzinger, A., Dehmer, M. & Jurisica, I. 2014. Knowledge Discovery and interactive Data Mining in Bioinformatics - State-of-the-Art, future challenges and research directions. BMC Bioinformatics, 15, (Suppl 6), I1.
• Holzinger, A. & Jurisica, I. (eds.) 2014. Interactive Knowledge Discovery and Data Mining in Biomedical Informatics: State-of-the-Art and Future Challenges. Lecture Notes in Computer Science LNCS 8401, Heidelberg, Berlin: Springer.
• Holzinger, A., Malle, B. & Giuliani, N. 2014. On Graph Extraction from Image Data. In: Slezak, D., Peters, J. F., Tan, A.-H. & Schwabe, L. (eds.) Brain Informatics and Health, BIH 2014, Lecture Notes in Artificial Intelligence, LNAI 8609. Heidelberg, Berlin: Springer, pp. 552-563.
• Holzinger, A. 2014. Extravaganza Tutorial on Hot Ideas for Interactive Knowledge Discovery and Data Mining in Biomedical Informatics. In: Ślȩzak, D., Tan, A.-H., Peters, J. & Schwabe, L. (eds.) Brain Informatics and Health. Springer International Publishing, pp. 502-515.
• Holzinger, A. 2014. Biomedical Informatics: Discovering Knowledge in Big Data, New York, Springer.
• Holzinger, A., Plass, M., Holzinger, K., Crisan, G.C., Pintea, C.-M. & Palade, V. 2017. A glass-box interactive machine learning approach for solving NP-hard problems with the human-in-the-loop. arXiv:1708.01104
• Holzinger, A. 2017. Introduction to Machine Learning and Knowledge Extraction (MAKE). Machine Learning and Knowledge Extraction, 1, 1, 1-20, doi:10.3390/make1010001
• Holzinger, A. 2016. Interactive Machine Learning for Health Informatics: When do we need the human-in-the-loop? Brain Informatics, 3, 2, 119-131, doi:10.1007/s40708-016-0042-6
• Hund, M., Boehm, D., Sturm, W., Sedlmair, M., Schreck, T., Ullrich, T., Keim, D.A., Majnaric, L. & Holzinger, A. 2016. Visual analytics for concept exploration in subspaces of patient groups: Making sense of complex datasets with the Doctor-in-the-loop. Brain Informatics, 3, (4), 233-247, doi:10.1007/s40708-016-0043-5.
• Girardi, D., Küng, J., Kleiser, R., Sonnberger, M., Csillag, D., Trenkler, J. & Holzinger, A. 2016. Interactive knowledge discovery with the doctor-in-the-loop: a practical example of cerebral aneurysms research. Brain Informatics, 3, (3), 133-143, doi:10.1007/s40708-016-0038-2.
• Kieseberg, P., Malle, B., Fruehwirt, P., Weippl, E. & Holzinger, A. 2016. A tamper-proof audit and control system for the doctor in the loop. Brain Informatics, 3, (4), 269–279, doi:10.1007/s40708-016-0046-2.
• Yimam, S.M., Biemann, C., Majnaric, L., Šabanović, Š. & Holzinger, A. 2016. An adaptive annotation approach for biomedical entity and relation recognition. Brain Informatics, 3, (3), 157-168, doi:10.1007/s40708-016-0036-4.

Weblinks

• Literatur von und über Andreas Holzinger im Katalog der Deutschen Nationalbibliothek
• Seite von Andreas Holzinger in der Medizinischen Uni Graz