Das Fachgebiet GRIS beschäftigt sich mit einem breiten Spektrum an Forschungsthemen aus der graphischen Datenverarbeitung. Die Palette an Themen erstreckt sich von der geometrischen und semantischen Modellierung über digitale Bibliotheken, visuelle Inferenz und Digitalisierung in der Computergraphik bis hin zur medizinischen Bildverarbeitung und Visual Analysis.
Außerdem bietet das Fachgebiet kontinuierlich sowohl Einführungsveranstaltungen, wie z.B. die „Graphische Datenverarbeitung I und II“, „Visual Computing“, als auch weiterführende Veranstaltungen an. In diesen Veranstaltungen werden Grundlagen in Rendering mit OpenGL, 3D-Datenerfassung, Beleuchtungsmodelle, Modellierung mit Kurven und Oberflächen, Volumendaten, Dreiecksnetze und viele weitere Themen vermittelt.
Ein Forschungsschwerpunkt ist die geometrische Modellierung von Objekten, welche sich mit der Rekonstruktion von gemessenen Datensätzen aus der Natur und der Erstellung von Oberflächen, beispielsweise mit CAD-Anwendungen, auseinander setzt. Artefakte einer Rekonstruktion umfassen sowohl Oberflächen von eingescannten Objekten als auch Volumendaten aus der Medizin; die Erzeugung von geeigneten Diskretisierungen und hoch-qualitativen Visualisierungen sind dabei von zentraler Bedeutung.
Wird Geometrie durch einen prozeduralen Erzeugungsschritt von einer parametrisierten Beschreibung eines Objekts gewonnen, spricht man von semantischer Modellierung von 2- oder 3-dimensionalen Daten. Beispielsweise kann die Felge eines Autoreifens mit Parametern für Durchmesser, Breite und Anzahl Speichen beschrieben werden. Somit können komplexe Szenen und Modellierungsoperationen aus einfachen Funktionsblöcken konstruiert werden.
Durch die zunehmende Anzahl und steigende Relevanz von nicht-textuellen Dokumenten entstehen neue Herausforderungen bei der Archivierung dieser Daten in digitalen Bibliotheken. Zentrale Probleme in diesem Bereich sind die konsistente Speicherung im Sinne von generalisierten Dokumenten-Formaten, Organisierung und Analyse der Daten, sowie die Suche in solchen Bibliotheken, z.B. durch Ähnlichkeitssuchen (query-by-example).
In Visual Analytics steht das Problem der Informations-Visualisierung von großen und komplexen Datenmengen zu Analysezwecken im Vordergrund. Solche oft multi-dimensionale Daten fallen in vielen industriellen Anwendungen, wie z.B. im Finanzwesen und im Prozess-Monitoring, an und können je nach Anwendungsfall mit unterschiedlichen Paradigmen (oder Metaphern) dargestellt werden.