Wrobel beschäftigt sich mit Aspekten der Digitalisierung, insbesondere mit intelligenten Algorithmen und Systemen zur Analyse großer Datenmengen und dem Einfluss von Big Data/Smart Data auf die Nutzung von Informationen in Unternehmen und der Gesellschaft. Er ist Autor von Publikationen in den Gebieten des Data Mining und des Maschinellen Lernens, Mitglied des Herausgeber-Gremiums mehrerer Fachzeitschriften und Gründungsmitglied der „International Machine Learning Society“.
Als Sprecher der „Fraunhofer-Allianz Big Data und Künstliche Intelligenz“, Direktor des „Fraunhofer-Forschungszentrums Maschinelles Lernen“, stellvertretender Vorsitzender des „Fraunhofer-Verbundes für Informations- und Kommunikationstechnologie IUK“ und Sprecher der Fachgruppe „Knowledge Discovery, Data Mining und Machine Learning“ der Gesellschaft für Informatik engagiert er sich für die Themen Digitalisierung, intelligente Nutzung von Big Data und Künstliche Intelligenz.[1]
Pascal Welke, Tamas Horvath, Stefan Wrobel: Probabilistic Frequent Subtree Kernels. In: M. Ceci u. a. (Hrsg.): Post-Proceedings of the International Workshop on New Frontiers in Mining Complex Patterns. Lecture Notes in Artificial Intelligence, Springer Verlag, 2016.
Pascal Welke, Tamas Horvath, Stefan Wrobel: Min-Hashing for Probabilistic Frequent Subtree Feature Spaces. In: Discovery Science. 2016, S. 67–82.
Rajkumar Ramamurthy, Christian Bauckhage, Krisztian Buza, Stefan Wrobel: Using Echo State Networks for Cryptography. In: Proc. 26th International Conference on Artificial Neural Networks. Lecture Notes in Computer Science 10614, Springer Verlag, 2017, S. 663–671.
Katrin Ullrich, Michael Kamp, Thomas Gärtner, Martin Vogt, Stefan Wrobel: Co-Regularised Support Vector Regression. In: Machine Learning and Knowledge Discovery in Databases, Proc. ECML-PKD 2017. Part II, Lecture Notes in Artificial Intelligence Series. Springer-Verlag, Berlin, 2017, S. 338–354.
Daniel Trabold, Tamas Horvath, Stefan Wrobel: Mining Strongly Closed Itemsets from Data Streams. In: Special Issue on Discovery Science of Machine Learning Journal. 2017, S. 251–266.
Pascal Welke, Tamas Horvath, Stefan Wrobel: Probabilistic Frequent Subtrees for Efficient Graph Classification and Retrieval. In: Machine Learning. Volume 107, Issue 11, 2018, S. 1847–1873.
Till Hendrik Schulz, Tamas Horvath, Pascal Welke, Stefan Wrobel: Mining Tree Patterns with Partially Injective Homomorphisms. In: Proceedings ECML-PKDD 2018. S. 585–601.
Pascal Welke, Tamas Horvath, Stefan Wrobel: Probabilistic and Exact Frequent Subtree Mining in Graphs Beyond Forests. In: Machine Learning. Volume 108, Issue 7, 2019, S. 1137–1164.
Florian Seiffarth, Tamas Horvath, Stefan Wrobel: Maximal Closed Set and Half-Space Separations in Finite Closure Systems. In: Proceedings ECML-PKDD 2019. S. 21–37.
Natalia Andrienko, Gennady Andrienko, Silvia Miksch, Heidrun Schumann, Stefan Wrobel: A theoretical model for pattern discovery in visual analytics. In: Visual Informatics. 2020, in press (available online).