Maschinelles Lernen
führendes Unternehmen im Bereich der Mikrokredite
WebTrekk und Uebermetrics
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.
- 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)
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
Consulting in:
- Deep Learning
- Natural Language Processing (NLP)
- Maschinelles Lernen (ML)
- 3 Patente bei IBM Research
- Zalando Outstanding Achievement Award
Stiftung Wissenschaft und Politik (SWP)
großen deutschen Verwertungsgesellschaft
BibSonomy
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.
- 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
mehrere mittelständische- und DAX-Unternehmen
Mendling und sein Team arbeiten an der Frage, wie Geschäftsprozesse effizient und effektiv mithilfe von Informationssystemen unterstützt werden können. Dabei widmen sie sich informationstechnischen sowie organisatorischen Fragen.
Für das Geschäftsprozessmanagement haben sie eine Reihe von technischen Lösungen für das Process Mining entwickelt, als auch Managementwerkzeuge wie das BPM Billboard.
Die Expertise des Teams rund um Jan Mendling ist in dem Standardwerk "Fundamentals of Business Process Management" überblicksartig dargestellt und wird in über 250 Universitäten in 70 Ländern eingesetzt.
- Zusammenarbeit mit Unternehmen aus unterschiedlichen Branchen
- Erstellen von Trainingskonzepten für das Prozessmanagement
- Durchführung von Schulungen und Projekten zur Prozessverbesserung
- Entwicklung neuartiger Analysesoftware für Geschäftsprozesse
Die Projekte, welche Mendling und sein Team bearbeiteten, fanden in Zusammenarbeit mit mehreren mittelständischen- und DAX-Unternehmen aus verschiedenen Branchen statt.
LL.M. Digitalization and Tax Law
Accor Hotellerie Deutschland GmbH
SHS VIVEON AG Durchführung von Interviewer-Schulungen
Internationales Headhunting für Führungskräfte: Entwicklung eines maßgeschneiderten Persönlichkeitstests
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.
- 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
alta4
Geoinformatik AG
Behörden und globale Tech- und Logistikunternehmen
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.
- 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
PwC, Deloitte, Deutsche Bank, Greeneum, Firamis, Bitwala, Augmento, Royalton Partners
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“.
- 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