Big Data & Datenmanagement

Profilbild Prfessorin Greven
Wirtschaftswissenschaftliche Fakultät

Lehrstuhl für Statistik

Share Profile Link
Profile link copied.
Profil Link teilen
Profil Link wurde kopiert.
Expertise

Professorin Grevens Expertise ist insbesondere in der Statistik und den Data Science zu finden. Darüber hinaus liegt ihr Interesse ebenfalls in dem Statistical Learning, Machine Learning, der statistische Modellierung, sowie statistische Inferenz und der Biostatistik, sowie deren Anwendungen in verschiedenen Feldern (u.a. Wirtschafts- und Sozialwissenschaften, Medizin, Epidemiologie, Ingenieurwissenschaften, Sprachwissenschaften etc.). Zudem ist sie versiert in der funktionalen Datenanalyse und Statistik für Objektdaten (Kurven, Bilder, Formen etc.).

  • 2 Projekte zu funktionaler Datenanalyse für Sensordaten mit Siemens CT
MEHR ANZEIGEN
Profilbild Prof. Lessmann
Wirtschaftswissenschaftliche Fakultät

Wirtschaftsinformatik

Share Profile Link
Profile link copied.
Profil Link teilen
Profil Link wurde kopiert.
Expertise

Professor Lessmanns Forschung konzentriert sich auf Methoden des maschinellen Lernens und der künstlichen Intelligenz (MLAI) und deren Anwendungsfälle in der Entscheidungsunterstützung von Führungskräften. Zu seinen Interessengebieten gehören unter anderem erklärbare KI, kausales/interpretierbares maschinelles Lernen, natürliche Sprachverarbeitung, prädiktive Analytik und Zeitreihenvorhersage.

Er ist spezialisiert auf MLAI-Anwendungen im weiten Bereich der Marketing- und Risikoanalytik. Darüber hinaus ist Professor Lessmann aktiv an Wissenstransfer-, Weiterbildungs- und Beratungsprojekten mit Industriepartnern beteiligt, die von Start-ups bis hin zu Global Playern und gemeinnützigen Organisationen reichen.

http://humboldt.gmbh/forschungskooperation

Wissenschaftliche Dienstleistungen
  • Prototypenerstellung, Bewertung und Benchmarking von ML/AI-basierten Vorhersage- und Entscheidungsmodellen
  • Entwicklung von PD-, LGD- und EAD-Prognosemodellen
  • Verarbeitung von Textdaten zur Wissensextraktion
  • Bewertung des Informationswerts kommerziell verfügbarer Datenquellen (z. B. Kreditbürodaten) für die Vorhersagemodellierung
  • Schätzung von personalisierten, individuellen Behandlungseffekten
  • Berufliche Weiterbildung in ML/AI, Data Science und Business Analytics

FinTech - Auf der Grundlage von Konzepten der bayesschen Statistik und des halbüberwachten maschinellen Lernens hat Professor Lessmann zusammen mit seinem Team ein System entwickelt, welches das Problem der Ablehnung von Schlussfolgerungen in der Kreditbranche löst. Es liefert deutlich bessere Risiko-Scorecards und erleichtert es den Kreditgebern, die Vorhersagekraft einer Scorecard (z. B. der PD) im Betrieb vorherzusagen. Das Projekt wurde mit einem führenden Unternehmen im Bereich der Mikrokredite durchgeführt.

E-Commerce - Gemeinsam mit WebTrekk und Uebermetrics entwickeln Lessmann und seine Arbeitsgruppe ein KI-gesteuertes Web-Controlling-System, das Zeitreihen von Web-Metriken (Seitenaufrufe, Besuche, Absprungraten, Checkouts, Verkäufe usw.) untersucht und die Ursachen für beobachtete Muster (z. B. Anomalien) identifiziert. Zu diesem Zweck integriert das System tiefgreifende Algorithmen zur Kausalerkennung, die auf verstärktem Lernen und xAI-Methoden basieren. Um den Umfang der Ursachenerklärungen zu erweitern, überwachen Lessmann und sein Team auch verschiedene Social-Media-Streams und verwenden fortschrittliche NLP-Algorithmen zur Ereigniserkennung. Durch die einzigartige Kombination dieser KI-Konzepte erhalten Web-Controller und Store-Manager erweiterte Einblicke in ihre Geschäftsabläufe.

Digitales Marketing - Professor Lessman und sein Team haben fortschrittliche kausale maschinelle Lernmodelle für das Echtzeit-Targeting von E-Coupons und anderen digitalen Marketing-Stimuli entwickelt. Die dabei entwickelte optimale (d. h. gewinnmaximierende) Methodik umfasst sowohl Einzel- als auch Mehrfachbehandlungsszenarien und nutzt herkömmliche überwachte Lernalgorithmen, um eine kosteneffektive Bereitstellung zu ermöglichen.

Professor Lessmann hat eine Reihe von Weiterbildungskursen in den Themenbereichen Kreditrisikomodellierung, Betrugserkennung, Advanced Analytics und maschinelles Lernen unterrichtet, um nur eine Auswahl zu nennen. Einige dieser Kurse werden als Teil der SAS Business Knowledge Series angeboten, sind aber auch auf den Plattformen R und Python verfügbar. Anfragen zur beruflichen Weiterentwicklung in den Bereichen seiner Expertise sind willkommen.

  • Förderung durch verschiedene Stellen, u.a. DFG, DAAD, IBB (z.B. Transferbonus, ProFIT)
MEHR ANZEIGEN
Prof. Danilov
Wirtschaftswissenschaftliche Fakultät

Management

Share Profile Link
Profile link copied.
Profil Link teilen
Profil Link wurde kopiert.
Expertise

Professorin Danilov beschäftigt sich mit der empirischen Personalwirtschaftsforschung, sowie der Identifikation kausaler Zusammenhänge der Wirkung der Instrumente des Personalmanagements auf Mitarbeitermotivation und Produktivität. Darüber hinaus forscht sie in der Organisations- und Personalökonomik, im Bereich des empirischen Human Resource Managements (HRM) und arbeitet im Zuge dessen mit Big Data und People Analytics unter der Verwendung maschinellen Lernens.

Wissenschaftliche Dienstleistungen
  • Randomisierte Studien (A/B Tests) zu Anreizsetzung, Arbeitsgestaltung und Mitarbeitermotivation
  • Analyse von Daten (Accounting, Personal, etc.)
  • "Delegation der Entscheidungsfindung und Produktivität sowie Mitarbeiterzufriedenheit" bei einem welt-führenden Energiekonzern
MEHR ANZEIGEN
Profilbild Professor Akbik
Mathematisch-Naturwissenschaftliche Fakultät
Institut für Informatik

Lehrstuhl Maschinelles Lernen

Share Profile Link
Profile link copied.
Profil Link teilen
Profil Link wurde kopiert.
Expertise

Prof. Dr. Alan Akbik beschäftigt sich mit Forschung im Bereich des Maschinellen Lernens (ML) und des Natural Language Processing (NLP). Sein Ziel ist es, Maschinen in die Lage zu versetzen, natürliche Sprache menschengleich zu erwerben, zu verstehen und zu verwenden.

Zu diesem Zwecke entwickelte er eines der weltweit führenden Deep-Learning-Frameworks für NLP, welches bereits in über 1.000 Forschungs- und Industrieprojekten im Einsatz ist.

http://humboldt.gmbh/forschungskooperation

 

Wissenschaftliche Dienstleistungen

Consulting in:

  • Deep Learning
  • Natural Language Processing (NLP)
  • Maschinelles Lernen (ML)
  • 3 Patente bei IBM Research
  • Zalando Outstanding Achievement Award
MEHR ANZEIGEN
Profilbild Robert Jäschke
Philosophische Fakultät
Institut für Bibliotheks- und Informationswissenschaft

Informationsverarbeitung und -analyse

Share Profile Link
Profile link copied.
Profil Link teilen
Profil Link wurde kopiert.
Referenzunternehmen

Stiftung Wissenschaft und Politik (SWP)
großen deutschen Verwertungsgesellschaft
BibSonomy

Expertise

Professor Jäschke und sein Team entwickeln und optimieren Methoden im Bereich Big Data und Maschinelles Lernen, insbesondere in den Anwendungsgebieten Natural Language Processing, Social Bookmarking und Empfehlungssysteme. Dies umfasst die Sammlung (z.B. mittels fokussiertem Crawling), Erstellung, Annotation (z.B. mittels Crowdsourcing) und Kuration geeigneter Datensätze, die Anpassung und Entwicklung entsprechender Algorithmen (z.B. Named Entity Recognition, Klassifikation, Clustering, Informatinsextraktion, etc.) bis hin zur Entwicklung von webbasierten Analyseplattformen.

Darüber hinaus nutzen sie Big-Data-Technologien wie Hadoop, HBase, Drill oder Elasticsearch fürForschung, z.B. um gecrawlte Webseiten von z.B. Universitäten im Kontext von Open Science zu analysieren.

Wissenschaftliche Dienstleistungen
  • Hadoop-Cluster
  • GPU-Rechner
  • diverse Datensätze
  •  Workshop zur Analyse von Twitter-Daten für Stiftung Wissenschaft und Politik (SWP)
  • gemeinsam mit einer großen deutschen Verwertungsgesellschaft erforschen wir die Erkennung und Zuordnung von Werken in musikalischen Aufführungen (Musikvideos)
  • Entwicklung des kollaborativen Tagging-Systems BibSonomy
MEHR ANZEIGEN
Profilbild Professor Ziegler
Lebenswissenschaftliche Fakultät
Institut für Psychologie

Psychologische Diagnostik

Share Profile Link
Profile link copied.
Profil Link teilen
Profil Link wurde kopiert.
Referenzunternehmen

Accor Hotellerie Deutschland GmbH
SHS VIVEON AG Durchführung von Interviewer-Schulungen
Internationales Headhunting für Führungskräfte: Entwicklung eines maßgeschneiderten Persönlichkeitstests

Expertise

Prof. Zieglers Expertise und die seines Teams liegt im Bereich der psychologischen Diagnostik und beschäftigt sich mit allen Themen der Personaldiagnostik im HR Life Cycle. Dabei fokussieren sie sich auf Persönlichkeit, Intelligenz und Situationswahrnehmung. Ziegler und sein Team entwickeln Lösungen, diese anforderungsbezogen zu messen und zur Leistungs- oder Lernvorhersage zu verwenden. Dabei nutzen sie die komplette Klaviatur der qualitativen (z.B. Interviews) und quantitativen Methoden (z.B. Tests, Fragebögen, Machine Learning).

Er führte hier bereits mehrere erfolgreiche Projekte mit namhaften Unternehmen durch, die sich mit der Erstellung von Kompetenzmodellen, Mitarbeiterbefragungen, Jahresgesprächen oder Berufseignungsdiagnostik beschäftigten. Prof. Zieglers Arbeitsgruppe schult aber auch Individuen bzw. Teams zu Themen der Personaldiagnostik (z.B. Assessment Center oder Interviews). Darüber hinaus entwickelt Prof. Ziegler maßgeschneiderte diagnostische Prozesse bzw. evaluiert diese.

Wissenschaftliche Dienstleistungen
  • PC Labor mit 10 Arbeitsstationen und verschiedenen Leistungs- und Persönlichkeitstests
  • Onlineerhebungen
  • Datenanalysen
  • Beratung
  • Trainings -  breite Themenauswahl
  • Kompetenzmodellentwicklung - Prof. Ziegler und sein team haben für verschiedene Auftraggeber Kompetenzmodelle für verschiedene Berufe entwickelt und messbar gemacht
  • Accor Hotellerie Deutschland GmbH: Entwicklung von Kompetenzmodellen
  • SHS VIVEON AG: Durchführung von Interviewer-Schulungen
  • Internationales Headhunting Unternehmen für Führungskräfte: Entwicklung eines maßgeschneiderten Persönlichkeitstests
  • Evaluation und Optimierung - In diesen Projekten schaut Prof. Ziegler sich bestehende Personalprozesse an, bewertet deren Güte aus psychologischer Sicht und entwickelt Optimierungen
MEHR ANZEIGEN
Profilbild Winter
Lebenswissenschaftliche Fakultät
Institut für Biologie

Kognitive Neurobiologie

Share Profile Link
Profile link copied.
Profil Link teilen
Profil Link wurde kopiert.
Expertise

Prof. Winter erforscht tierisches Verhalten insbesondere die Anpassung dessen in Bezug auf Zielverfolgung und Entscheidungsfindung in komplexen Situationen. Kognitive Leistungen, wie Lernvermögen und Erinnerung, und deren neurobiologische Grundlagen bei der Futtersuche sind von besonderem Interesse. Zur Untersuchung der Entscheidungsfindungsprozesse in Tieren, führt Prof. Winter – vor allem für präklinische Forschung – verhaltensdiagnostische Tests an Maus und Ratte im Labor durch. Hierfür steht ihm u.a. die Berlin Mouse Clinic for Neurology and Psychiatry (BMC), eine führende diagnostische Einrichtung im Rahmen des Exzellenzclusters NeuroCure, zur Verfügung. Die Planung und Entwicklung von apparativen Anlagen zur automatisierten Verhaltensdiagnose für Maus und Ratte in externen Laboratorien gehören ebenfalls zu Prof. Winters Expertise. Ein weiterer Schwerpunkt seiner Arbeit liegt auf dem Gebiet der Virtual Reality für Menschen, vor allem auf der Entwicklung einer kompakten und mobilen, immersiven Virtual Reality Umgebung für ein breites Anwendungsspektrum.

Wissenschaftliche Dienstleistungen

Verhaltensanalyse:

  • Computergesteuerte Sensor- und Aktuatorsysteme zur Manipulation und Messung von Verhalten
  • Baukastensystem von Softwaremodulen für die automatisierte Verhaltensmessung
  • RFID Technologie

Virtual Reality:

  • Immersives 3D-Virtual Reality System mit geschlossenem Monitoring (Oktagon)
  • Softwaresystem für die schnelle Realisierung von speziellen VR-Anwendungen und Interaktionsszenarien
  • Planung und Konstruktion einer Anlage für ein großes internationales Pharmaunternehmen am deutschen Standort für die automatisierte Diagnostik von motorischen Parametern nach klinischem Eingriff. 24h-Messung als „Operator-Independent-System“.
MEHR ANZEIGEN
Profilbild Leser
Mathematisch-Naturwissenschaftliche Fakultät
Institut für Informatik

Wissensmanagement in der Bioinformatik

Share Profile Link
Profile link copied.
Profil Link teilen
Profil Link wurde kopiert.
Referenzunternehmen

IT-Systemhaus
IT-Produkthersteller
internationales Pharmakonzern
mittelständisches Biotechnologieunternehmen

Expertise

Die Forschungsarbeiten von Prof. Leser und seinen Mitarbeitern und Mitarbeiterinnen beschäftigen sich mit allen Aspekten der Integration und Analyse heterogener und verteilter Daten, der Modellierung, Implementierung und Optimierung komplexer Wissens- und Datenbanken sowie der automatischen Analyse von natürlichsprachlichen Texten (Text Mining bzw. Informationsextraktion). Dies umfasst Themen wie Data Warehouses und multidimensionale Indexierungsverfahren, Graphdatenbanken, Deep Web und Semantic Web, maschinelles Lernen, Ähnlichkeitssuche, Scientific Workflows und ETL-Prozesse, statistische Datenanalysemethoden und Methoden zur Abschätzung und Sicherung der Datenqualität. Die Gruppe forscht in vielfältigen interdisziplinären Projekten, vor allem mit Kollegen und Kolleginnen aus der biomedizinischen Grundlagen- und angewandten Forschung.

http://humboldt.gmbh/forschungskooperation

Wissenschaftliche Dienstleistungen

Sehr gute IT-Ausstattung:

  • mehrere moderne Rechencluster (20-80 CPUs, 1 TB Hauptspeicher)
  • Cluster mit 60+ Kernen
  • 50 TB+ Speicherkapazität
  • Beratung und Prototypentwicklung für ein IT-Systemhaus im Bereich Stammdatenstandardisierung und -integration
  • Algorithmenentwicklung und -evaluation zur Datenqualitätsanalyse für einen IT-Produkthersteller
  • Beratung und Entwicklung von Text-Mining-Verfahren für einen internationalen Pharmakonzern
  • Gemeinsame Systementwicklung mit einem mittelständischen Biotechnologieunternehmen im Bereich der Bewertung humaner Genotypveränderungen (gefördert vom Bundesministerium für Wirtschaft und Energie (BMWi))
MEHR ANZEIGEN
Profilbild Kümmerle
Mathematisch-Naturwissenschaftliche Fakultät
Geographisches Institut

Biogeographie

Share Profile Link
Profile link copied.
Profil Link teilen
Profil Link wurde kopiert.
Expertise

Prof. Kümmerles Arbeitsgruppe untersucht, wie sich Landnutzungsänderungen auf Umwelt und Gesellschaften auswirken, z.B. durch tropische Entwaldung, die Aufgabe von Agrarland oder durch die Intensivierung der Landwirtschaft. Dies beinhaltet die Erforschung der Raummuster und Triebkräfte von Änderungen in der Landnutzung sowie deren Konsequenzen auf Ökosystemleistungen (z.B. Kohlenstoffspeicherung oder Nahrungsproduktion) und auf die Artenvielfalt. Dabei stehen die Erforschung und die Lösung von Zielkonflikten zwischen Ressourcennutzung und Naturschutz im Mittelpunkt von Prof. Kümmerles Arbeit. Seine Forschung soll Wissen und Datensätze von hohem praktischem Wert für die Landschafts- und Naturschutzplanung generieren. Regionale Schwerpunkte der Arbeit von Prof. Kümmerle liegen in Europa, der ehemaligen Sowjetunion sowie in Lateinamerika.

Wissenschaftliche Dienstleistungen
  • Eingesetzt werden aktuelle Methoden zur Analyse und Modellierung von Umweltdaten: räumliche Ökologie, Geoinformationsverarbeitung, Umweltfernerkundung, Naturschutzplanung, Wildbiologie, Ökonometrie, Geostatistik
  • Ausstattung zur Erhebung von Primardaten für große Arbeitsgebiete
  • Server-und Dateninfrastruktur zur Durchführung von rechenaufwändigen Projekten mit sehr großen Datensätzen
  • Verschiedene Projekte mit Umweltschutzorganisationen
MEHR ANZEIGEN
Profilbild Patrick Hostert
Mathematisch-Naturwissenschaftliche Fakultät
Geographisches Institut

Geomatik

Share Profile Link
Profile link copied.
Profil Link teilen
Profil Link wurde kopiert.
Referenzunternehmen

alta4
Geoinformatik AG
Behörden und globale Tech- und Logistikunternehmen

Expertise

Prof. Hostert forscht an modernen Verfahren der digitalen Satellitenbildauswertung. Im Fokus stehen dabei Fragen des globalen Wandels, insbesondere der großräumigen Kartierung in Agrar- und Forstsystemen, sowie naturnahen Ökosystemen weltweit. Um Veränderungen auf der Erdoberfläche zu analysieren, bedient er sich der Methoden des maschinellen Lernens, Big Data, hyperspektralen und multisensorischen Konzepten und insbesondere auch Zeitreihenanalysen. Regionale Fokusregionen sind Deutschland, der mediterrane Raum und Südamerika, vermehrt auch Subsahelafrika und Zentralasien.

Wissenschaftliche Dienstleistungen
  • Satellitendatenanalysen
  • AI in der Geofernerkundung
  • großräumige fernerkundliche Analysen mit Big Data Ansätzen (insbesondere Sentinel-2, Landsat) gefördert durch Projekte des BMWi, BMBF und BMEL, sowie der EU
  • wissenschaftliche Begleitung von Satellitenmissionen (Landsat Science Team, EnMAP Scientific Advisory Group)
  • satellitenbasierte Kartierungen und Landnutzungsanalysen für NGOs, Behörden und globale Tech- und Logistikunternehmen
MEHR ANZEIGEN
Profilbild Hafner
Mathematisch-Naturwissenschaftliche Fakultät
Institut für Informatik

Adaptive Systeme

Share Profile Link
Profile link copied.
Profil Link teilen
Profil Link wurde kopiert.
Expertise

Professorin Hafners Forschung beschäftigt sich damit, Prinzipien der Intelligenz von biologischen Systemen zu extrahieren und auf künstliche adaptive Systeme zu übertragen. Der Schwerpunkt ist dabei die Übertragung kognitiver Fähigkeiten auf autonome Roboter. Die Herausforderung besteht nicht nur darin, intelligente autonome Roboter zu entwickeln, sondern auch biologische Fähigkeiten durch Roboter-Experimente besser zu verstehen. Schwerpunkte unserer Forschung sind sensomotorisches Lernen, interne Modelle zur Vorhersage, Aufmerksamkeitsprozesse, sowie räumliche Kognition. Die Methoden für die Entwicklung der Modelle reichen von evolutionären Algorithmen über neuronales Lernen bis zur Informationstheorie. Als Plattformen nutzen wir mobile Roboter (humanoide, fahrende, fliegende und tauchende Roboter) sowie Softwaresimulationen. Professor Hafner ist IEEE Senior Member und PI in mehreren EU-Projekten.

http://humboldt.gmbh/forschungskooperation

  • Lokales Unternehmen für Automation und Robotik: Studentisches Semesterprojekt zur Entwicklung eines kollaborativen Flottenmanagements für autonome Transportroboter.
MEHR ANZEIGEN
Profilbild Schweikardt
Mathematisch-Naturwissenschaftliche Fakultät
Institut für Informatik

Logik in der Informatik

Share Profile Link
Profile link copied.
Profil Link teilen
Profil Link wurde kopiert.
Expertise

Das Interesse der Arbeitsgruppe Logik in der Informatik gilt der theoretischen Informati mit Schwerpunkt in den Bereichen Logik, Datenbanktheorie und Komplexitätstheorie. Besonderes Augenmerk wird hierbei auf die Verbindungen zwischen diesen Gebieten gelegt. Beispielsweise fungieren Logiken u,a, als Basis für Datenbankfragesprachen und als Spezifikationssprachen, die im Bereich der Verifikation verwendet werden. Viele Aspekte komplexer Systeme lassen sich auf natürliche Weise durch logische Strukturen modellieren, so dass Eigenschaften komplexer Systeme durch logische Formeln beschrieben werden können. Generelles Ziel der Arbeitsgruppe ist, die Komplexität, die Problemen oder Systemen innewohnt, besser zu verstehen. Dabei interessieren uns die unterschiedlichen Maße für Komplexität, darunter verschiedene Maße für die Berechnungskomplexität (Frage: Wie schwer ist es, das Problem algorithmisch zu lösen?) sowie für Beschreibungskomplexität (Frage: Wie schwer ist es, das Problem in einem geeigneten Formalismus zu beschreiben?). Hierbei geht es u.a. darum, den Zusammenhang zwischen logischer Beschreibbarkeit und effizienter algorithmischer Lösbarkeit zu ergründen.

MEHR ANZEIGEN
Profilbild Kratsch
Mathematisch-Naturwissenschaftliche Fakultät
Institut für Informatik

Algorithm Engineering

Share Profile Link
Profile link copied.
Profil Link teilen
Profil Link wurde kopiert.
Expertise

Der Lehrstuhl Algorithm Engineering befasst sich mit der grundlegenden Erforschung algorithmischer Probleme. Ziel der Forschung sind Algorithmen, die Probleme beweisbar schnell lösen und die sich dabei Struktureigenschaften typischer Eigenschaften zu Nutze machen. Die dabei erzielten parametrischen Algorithmen können geeignet strukturierte Instanzen eigentlich schwerer Probleme in guter Zeit lösen, zum Beispiel Probleme aus der ganzzahligen Optimierung oder der Logistik. Allgemein erlaubt das Einbeziehen der Problemstruktur beweisbar schnellere Algorithmen zu erzielen. Ein weiteres Thema des Lehrstuhls sind verschiedene Arten effizienter Vorverarbeitung. Zum Beispiel gibt es schnelle Datenreduktion für schwere Probleme, um die Kosten für die eigentliche Berechnung zu reduzieren. Ebenso ist die Vorverarbeitung aber auch essentiell, um verschiedenste Anfragen auf Daten schnell beantworten zu können.

MEHR ANZEIGEN
Profilbild Köbler
Mathematisch-Naturwissenschaftliche Fakultät
Institut für Informatik

Komplexität und Kryptographie

Share Profile Link
Profile link copied.
Profil Link teilen
Profil Link wurde kopiert.
Expertise

Der Schwerpunkt unserer Forschungsinteressen liegt auf Algorithmen für und der Komplexität von algebraischen Problemen, mit einer besonderen Betonung des Graphisomorphieproblems und verwandten algorithmischen Problemen. Es ist seit langem eine offene Frage, ob das Graphisomorphieproblem für allgemeine Graphen in Polynomialzeit gelöst werden kann. Für viele eingeschränkte Graphklassen sind allerdings effiziente Algorithmen bekannt (z.B. für Graphen mit beschränkter Bauweite, beschränkten Farbklassen, für bestimmte Schnittgraphen wie z.B. Intervallgraphen sowie für alle Graphklassen, die unter Minorenbildung abgeschlossen sind). Daneben untersuchen wir verwandte Probleme wie Kanonisierung und Ähnlichkeit von Graphen sowie theoretische Fragestellungen im Umkreis der Kryptographie.

MEHR ANZEIGEN
Weidlich
Mathematisch-Naturwissenschaftliche Fakultät
Institut für Informatik

Datenbanken und Informationssysteme

Share Profile Link
Profile link copied.
Profil Link teilen
Profil Link wurde kopiert.
Expertise

Prof. Weidlich leitet die Arbeitsgruppe „Datenbanken und Informationssysteme“ im Institut für Informatik. Bevor er an die Humboldt-Universität zu Berlin wechselte, war er am Imperial College London und dem Technion - Israel Institute of Technology tätig. Die Forschungsschwerpunkte der Arbeitsgruppe sind die datengetriebene Analyse von prozessorientierten Systemen (Process Mining), Ansätze für die effiziente Verarbeitung von kontinuierlichen Datenströmen, sowie Methoden für die Entwicklung von Workflows für explorative Datenanalysen. Die von der Gruppe entwickelten Algorithmen und Systeme zeichnen sich durch ein breites Anwendungsspektrum aus und kamen bereits in verschiedenen Bereichen zur Anwendung, von der Gesundheitsfürsorge über die Logistik bis hin zum elektronischen Handel.

Wissenschaftliche Dienstleistungen

Beratung und Wissenstransfer in den Bereichen: 

  • Process Mining, datengetriebene Analyse von Prozessen
  • Skalierbare Infrastrukturen für die Verarbeitung von Datenströmen
  • Entwicklung von Workflows für die Datenanalyse
  • Führende Krebsklinik in den USA: Analyse und Verbesserung der klinischen Abläufe auf Basis von Daten eines Real-Time-Locating-Systems
  • Internationaler Öl- und Gaskonzern: Entwicklung von Techniken um Unregelmäßigkeiten in Strömen von Sensordaten aufzuspüren
  • Unternehmenssoftware-Hersteller: Entwicklung von Algorithmen für die effiziente Analyse von Geschäftsprozessabläufen
MEHR ANZEIGEN
Profilbild Härdle
Wirtschaftswissenschaftliche Fakultät

Ladislaus von Bortkiewicz Professor für Statistik

Share Profile Link
Profile link copied.
Profil Link teilen
Profil Link wurde kopiert.
Expertise

Prof. Härdles Forschungsfokus liegt auf quantitativer Finanzwissenschaft, insb. auf multivariaten Verfahren im Finanzwesen, sowie auf Verfahren zur Dimensionsreduzierung und computerbasierter Statistik. Prof. Härdle ist Mitgründer des Blockchain Research Center (BRC). Das BRC dient als Plattform für Akademiker und Industriepraktiker für wissenschaftliche Diskussionen und Kooperationen. Als Leiter des Sonderforschungsbereichs für Ökonomisches Risiko (SFB 649) und dem interdisziplinären Center for Applied Statistics and Economics (C.A.S.E.) beschäftigt er sich vor allem mit der Untersuchung von ebensolchen Risiken in einem globalen Kontext. Durch Prof. Härdles Forschung soll die Bewertung solcher Risiken erleichtert und Unsicherheiten bei Entscheidungsfindungen von volkswirtschaftlichen Akteuren vermindert werden. Er ist Gastprofessor am Wang Yanan Institute for Studies in Economics (WISE) der Xiamen Universität, China, und Leiter der International Research Training Group „High Dimensional Non Stationary Time Series“ (ITRG 1792). Ausgezeichnet wurde er u.a. 2012 mit dem „Multa Scripsit Award“ der Fachzeitschrift „Econometric Theory“.

Google Scholar

Wissenschaftliche Dienstleistungen
  • Crypto Currency Valuation
  • Quantlets
  • Multivariate statistische Analyse (Faktoranalyse, Clusteranalyse etc.)
  • Portfolio Optimierung
  • Risikomanagement (Financial Risk Meter)
  • Hedgegeschäft
  • Preisfestsetzung von Derivaten
  • funktionelle Datenanalyse
  • nicht- und semiparametrische Verfahren
  • Informationsvisualisierung (VizTech)
  • Fortlaufende Kooperationen mit führenden, internationalen Finanzinstituten und Vortragstätigkeit für selbige
  • Liquiditätsvorhersagen für Bitcoin (Bitwala)
  • Sentimentanalysen für den Cryptomarkt (Augmento)
  • Financial Risk Meter (Firamis)
  • Center for Applied Statistics and Economics (C.A.S.E.): Interdisziplinäres Zentrum, um die immer komplexer werdenden Probleme im Feld der Ökonomie und den angrenzenden Bereichen mit Fachwissen, quantitativen Methoden und unter Verwendung moderner Computertechniken zu untersuchen und Lösungswege zu entwickeln. Zu den erforschten Themen gehören z.B. Wetterrisiken, alternde Gesellschaften, Kriminalität oder Immobilienmärkte.
  • Sonderforschungsbereich für Ökonomisches Risiko (SFB 649): Transdisziplinäres Forschungszentrum in dem sich Experten aus den Bereichen Ökonomie, Mathematik und Statistik zusammenfinden, um ökonomische Risiken und die dazugehörigen Faktoren zu untersuchen. Forschende haben so eine Plattform ihre Ergebnisse auch international zu diskutieren und neue Kooperationen anzustreben.
  • Machine Learning in FinTech (Risk Management Institute, Singapore)
  • Smart Data Analytics (Bundesbank)
  • Ultra High Dimensional Time Series (Bundesbank)
  • SupTech und RegTech Workshops
MEHR ANZEIGEN
Profilbild Grunske
Mathematisch-Naturwissenschaftliche Fakultät
Institut für Informatik

Software Engineering

Share Profile Link
Profile link copied.
Profil Link teilen
Profil Link wurde kopiert.
Expertise

Am Lehrstuhl für Software Engineering arbeitet Prof. Grunske mit seinem Team an Softwaretechnikmethoden insbesondere im Bereich der automatisierten Entwicklung und Qualitätskontrolle von Softwaresystemen. Ein weiter Schwerpunkt ist die Arbeit mit probabilistischen Techniken, auf dessen Grundlage wahrscheinliche und weniger wahrscheinliche Verhaltensweisen eines Programms modelliert werden können, was es erlaubt, Anomalien besser zu entdecken und zu beheben. Zum Einsatz kommen solche statistischen Modelle u. a. beim Monitoring und Debugging von Programmen während der Laufzeit sowie beim Softwaretest – so wird die Entwicklung sicherer und zuverlässiger Softwaresysteme unterstützt. Weitere Forschungsschwerpunkte von Prof. Grunske sind die Entwicklung von Methoden, mit der Qualitätsanforderungen an ein Softwaresystem präzise definiert werden können; die Formalisierung von Verifikationsbedingungen sowie die (technische) Sicherheit in eingebetteten Systemen und Prozess- und Performancemanagement.

Wissenschaftliche Dienstleistungen
  • Softwaretechnik
  • Test und Verifikation
  • Statistik/Wahrscheinlichkeitstheoretische Methoden
  • Formalisierung von Anwendungszenarien in Zusammenarbeit mit der TWT GmbH im Projekt „Safe.Spec: Qualitätssicherung von Verhaltensanforderungen“
  • Gewinnung probabilistischer Modelle aus Softwaresystemen, die im Software-Engineering-Prozess als Spezifikation weiterverwendet werden können, im Projekt „EMPRESS: Extracting and Mining of Probabilistic Event Structures from Software Systems”
  • Entwicklung von Evaluationsmöglichkeiten probabilistischer Modelle und Machine-Learning-basierten Techniken für die Transformation von Modellen im Projekt „ENSURE-II: ENsurance of Software evolUtion by Run-time cErtification”
MEHR ANZEIGEN
Profilbild Freytag
Mathematisch-Naturwissenschaftliche Fakultät
Institut für Informatik

Datenbanken und Informationssysteme

Share Profile Link
Profile link copied.
Profil Link teilen
Profil Link wurde kopiert.
Expertise

Prof. Freytag ist Inhaber des Lehrstuhls für Datenbanken und Informationssysteme (DBIS). Zu seinen Forschungsinteressen gehören alle Aspekte der Verarbeitung von Abfragen und Abfrageoptimierung in (objekt-) relationalen Datenbanksystemen, neue Entwicklungen im Datenbankbereich (z.B. semi-strukturierte oder graph-basierte) Daten, Datenqualität, Big Data Analytics sowie Schutz der Privatsphäre im Kontext von Datenbanksystemen. Darüber hinaus ist er in vielen Kooperationen zur Nutzung von Datenbanktechnologie in Anwendungen wie Geoinformationssysteme (GIS), Bioinformatik, Physik sowie Life Sciences involviert. In den letzten Jahren erhielt Prof. Freytag viermal den IBM Faculty Award für kooperatives Arbeiten in den Bereichen Datenbanken, Middleware und Bioinformatik/Life Sciences, sowie in 2009 und 2010 den HP Labs Innovation Research Awards für seine Forschung im Datenbankbereich und Cloud Computing. Er war 2003 Mit-Organisator der VLDB (Very Large Data Bases) Konferenz in Berlin, der wichtigsten Datenbankkonferenz weltweit, und gleichzeitig Mitglied der VLDB-Stiftung (VLDB Endowment Inc.) von 2001 bis 2007. Prof. Freytag ist seit 2009 Sprecher des Fachbereichs DBIS der Gesellschaft für Informatik (GI).

Wissenschaftliche Dienstleistungen
  • Große Server Linux/AIX mit DBMS IBM DB2
  • Clusterrechner (128 Kerne)
  • 30TB Speicherkapazitäten
  • Namhafter amerikanischer IT-/Datenbankhersteller: Verbesserung des existierenden DBMSs im Bereich der Anfrageoptimierung; Erweiterung existierender ETL-Tools
  • Namhafter amerikanischer IT-/Datenbankhersteller: Erweiterung der DBMS-Funktionalität, Erarbeitung von Vorschlägen zur Leistungsverbesserung; Vorschläge zur Weiterentwicklung existierender DBMS-Produkte
  • Namhafter deutscher Softwarehersteller: Mehrere Jahre begleitende Beratung zur Leistungsverbesserung des existierenden DBMS
  • Namhafter deutscher Großkonzern: Entwurf und Entwicklung einer Anfrageoptimierungskomponente für das LDAP-Produkt des Unternehmens
  • Beratung verschiedener KMU in Deutschland im Bereich der Daten- und Prozessmodellierung, Einsatz von DBMS-Technologie; Nutzung von DBMS-Technologie in firmeneigenen Produkten; Strategieberatung zum langfristigen Einsatz von DBMS-Technologie
MEHR ANZEIGEN