Кафедра искусственного интеллекта и кафедра систем труда и производства Технического университета Дортмунда проводят в рамках междисциплинарного сотрудничества исследования о возможности разработки прогнозных моделей, которые на основе децентрализованного анализа технологических данных позволяют сделать заключение о потенциальных свойствах продукции. С помощью процессов интеллектуального анализа данных получены первые результаты для реальных параметров стана горячей прокатки компании Deutsche Edelstahlwerke GmbH.

1. Dittmar, R.; Pfeiffer, B.-M.: Modellbasierte prädiktive Regelung, Oldenbourg Verlag, München, 2004.
2. Morik, K.; Wrobel, S.; Joachims, T.: Maschinelles Lernen und Data Mining [in:] Görz, G.; Schneeberger, J.; Rollinger, C. [Hrsg.]: Handbuch der KI, Oldenbourg-Verlag, München, 2000.
3. Morik, K.; Deuse, J.; Faber, V.; Bohnen, F.: ZWF 105 (2010) Nr. 1–2, S. 106/10.
4. Vapnik, V. N.: Statistical Learning Theory, Wiley, Chichester, GB, 1998.
5. Schölkopf, B.; Platt, J. C.; Schawe-Taylor, J.; Smola, A. J.; Williamson, R. C.: Estimating the support of a high-dimensional distribution, Neural Computation 13 (7), MIT Press, 2001, S. 1443/71.
6. Mierswa, I.; Wurst, M.; Klinkenberg, R.; Scholz, M.; Euler, T.: Rapid prototyping for complex data mining tasks, Proc. 12. ACM SIGKDD Internat. Conf. on Knowledge Discovery and Data Mining (KDD-06), 20. — 23. Aug. 2006, Philadelphia, USA.
7. Hastie, T.; Tibshirani, R.; Friedman, J.: The elements of statistical learning, 2. Aufl., Springer Verlag, New York, 2009.
8. Bickel, S.; Sawade, C.; Scheffer, T.: Transfer learning by distribution matching for targeted advertising, [in:] Koller, D.; Schuurmans, D.; Bengia, Y.; Bottou, L. [Hrsg.]: Advances in Neural Information Processing Systems, Bd. 21, MIT Press, 2009, S. 145/52.
9. Rüping, S.: SVM Classifier estimation from group probabilities, Proc. 27. Internat. Conf. on Machine Learning (ICML 2010), 21. — 24. Juni 2010, Haifa, Israel.