Forschende
10 Treffer mit Thema „Forschungsdatenmanagement" in Mathematisch-Naturwissenschaftliche Fakultät, HU-Theologien, Wirtschaftswissenschaftliche Fakultät · Themen-Filter entfernen
Prof. Leser forscht an der automatisierten Analyse und Integration großer biomedizinischer Datenmengen, insbesondere zur Unterstützung personalisierter Krebstherapien.
Prof. Weidlich erforscht die automatisierte Analyse und Validierung von Datenanalyseworkflows – also der Prozesse, mit denen Wissenschaftler und Unternehmen große Datenmengen verarbeiten und auswerten.
Prof. Wolf erforscht die langfristigen wirtschaftlichen und gesellschaftlichen Wurzeln nationaler Identität und politischer Präferenzen, mit aktuellem Fokus auf die Rolle von Propaganda, Bildung und wirtschaftlicher Integration bei der Nationalstaatsbildung im 19. Jahrhundert.
Prof. Fitzenberger erforscht Arbeitsmarktdynamiken und Lohnungleichheit in Deutschland mit Fokus auf Erwerbsbiografien von Frauen, Vereinbarkeit von Beruf und Familie sowie die Rolle von Selektionseffekten bei Beschäftigung.
Prof. Gassen erforscht, wie Transparenz von Finanz- und Produktinformationen wirtschaftliche Entscheidungen beeinflusst — von Unternehmensoffenlegung bis zu Verbraucherverhalten.
Dr. Denis Usvyat entwickelt hochgenaue quantenchemische Rechenmethoden zur Berechnung von Elektronenstrukturen in Festkörpern und Defekten.
Prof. Patella erforscht die präzise Berechnung von Teilcheneigenschaften und Wechselwirkungen durch Gitterfeld-Simulationen, insbesondere unter Berücksichtigung elektromagnetischer und Isospin-Brechungs-Effekte in der Quantenchromodynamik.
Dr. Markus Scheidgen arbeitet an der Schaffung einer FAIR-konformen Dateninfrastruktur für die Physik der kondensierten Materie und chemische Physik fester Stoffe.
Victoria Coors arbeitet an FAIRmat, einer Dateninfrastruktur für die Physik der kondensierten Materie und chemische Physik fester Stoffe.
Mahdi Esmailoghli erforscht die automatisierte Erkennung und Erschließung relevanter Daten aus großen, unstrukturierten Datenbeständen (Data Lakes) — insbesondere die Herausforderung, aus Hunderten Millionen von Tabellen diejenigen zu identifizieren, die für konkrete Aufgaben tatsächlich brauchbar sind.