Forschende
22 Treffer mit Thema „Datenintegration" · Themen-Filter entfernen
Prof. Leser forscht an der automatisierten Analyse und Integration großer biomedizinischer Datenmengen, insbesondere zur Unterstützung personalisierter Krebstherapien.
Prof. Klipp erforscht die mathematische Modellierung biologischer Systeme, insbesondere die dynamische Regulation von Signalwegen, Stoffwechsel und Genexpression in Zellen.
Prof. Draxl erforscht die theoretische Beschreibung von Anregungsprozessen in Festkörpern — insbesondere Exzitonen, optische Eigenschaften und ultraschnelle Dynamik — mit Methoden der computergestützten Materialwissenschaft (ab-initio-Rechnungen, Bethe-Salpeter-Gleichung).
Prof. Freytag forscht an Methoden zur effizienten Verarbeitung und Analyse großer Datenmengen, insbesondere an Algorithmen für Ähnlichkeitssuche in massiven Datenbeständen (Set Similarity Join).
Malte Dreyer arbeitet an der Schnittstelle von Forschungsdatenmanagement, Infrastruktur-Governance und KI-gestützten Systemen für Hochschulen und Forschungseinrichtungen.
Prof. Petras erforscht die Infrastruktur und Governance von Forschungsdaten sowie deren Erschließung durch digitale Methoden.
Prof. Schweikardt erforscht die theoretischen Grundlagen der effizienten Verarbeitung und Auswertung von Datenbankabfragen, insbesondere wie man Anfrageergebnisse schnell aufzählen oder zählen kann.
Dr. König entwickelt computergestützte Modelle zur Vorhersage von Leberfunktion und Organqualität, insbesondere für Transplantationen und die Tumorbehandlung.
Prof. Ohler erforscht die Regulierung der Genexpression auf Basis von hochdimensionalen biologischen Daten, insbesondere durch maschinelles Lernen und tiefe neuronale Netze.
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.
Prof. Markett erforscht die biologischen und genetischen Grundlagen von Gehirnalterung und kognitiven Funktionen durch Integration von Neuroimaging, Genomdaten und Transkriptomik.
Dr. Schleußner erforscht die Wechselwirkungen zwischen Klimawandel, sozioökonomischen Transformationen und Anpassungsfähigkeit von Gesellschaften.
Dr. Marwa Kavelaars erforscht, wie Menschen bei der räumlichen Suche nach Ressourcen Entscheidungen treffen — insbesondere wie sie Umweltinformationen, eigene Erfahrungen und soziale Informationen von anderen gleichzeitig verarbeiten und nutzen.
Prof. Fangerau entwickelt Forschungsinfrastrukturen und digitale Werkzeuge für die Historische Netzwerkanalyse, insbesondere das Projekt SoNAR (IDH), das standardisierte, überregional verfügbare Schnittstellen zu historischen Daten bereitstellt.
Prof. Staab entwickelt die AISUM-Plattform für intelligente urbane Mobilität, die erstmals intermodale Verkehrsangebote (öffentliche Verkehrsmittel, Car-, Bike- und Scooter-Sharing) über eine einheitliche Anwendung vereint.
PD Dr. Tobias Herbst erforscht derzeit die Digitalisierung von Verwaltung und Governance sowie die Analyse von Mobilitätsdaten in urbanen Räumen.
Prof. Deniz entwickelt Methoden und Werkzeuge für die kollaborative Gestaltung von Datenanalyse-Workflows im Neuroimaging und anderen datengetriebenen Wissenschaften.
Prof. Herold erforscht die automatisierte Erkennung und Bewertung von Waldsterblichkeit mithilfe von Machine-Learning-Verfahren, die große Datenströme aus Satellitenbildern und anderen Quellen verarbeiten.
Dr. Maik Bierwirth arbeitet an der Infrastruktur und Nachnutzbarkeit von Forschungsdaten in den Geisteswissenschaften, insbesondere durch die Entwicklung von Systemen zur metadatengestützten Erschließung und Verknüpfung von Forschungsdaten über Fachgrenzen hinweg.
Dr. Zurell erforscht, wie Arten und Artengemeinschaften auf globale Veränderungen wie Klimawandel und Landnutzungswandel reagieren — mit Fokus auf die Wechselwirkungen zwischen Populationsdynamik, Ausbreitungsverhalten und ökologischen Wechselbeziehungen.
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.