In der Abteilung Scientific Computing & Mathematics treffen drei Bereiche aufeinander. In der interdisziplinären Forschungsgruppe Computational Science and Mathematical Methods dreht sich alles um Modellierung und numerische Methodenforschung. Sie vereint Forschende des SCC, des Instituts für Angewandte und Numerische Mathematik sowie externe Partner aus Industrie und Wissenschaft. Experten unserer Simulation and Data Life Cycle Labs unterstützen Forschende, die auf unseren Supercomputern rechnen. Sie helfen bei der Umsetzung ihrer Simulationsmodelle und veranstalten Schulungen, um ihnen den Einstieg in das High Performance Computing zu erleichtern. Und für die Wissenschaftlerinnen und Wissenschaftler von morgen bieten wir mit CAMMPund Simulierte Welten Workshops und Projekttage. Interessierte Lehrkräfte können unsere Experten direkt an ihre Schule holen und dort spannende, reale Problemstellungen mit Hilfe von mathematischer Modellierung lösen.
CV
03/2022 - | Abteilungsleitung Scientific Computing & Mathematics | Scientific Computing Center (SCC) des KIT |
10/2023 - 03/2024 | Vertretungsprofessur für Computational Mathematics | Technische Universität München (TUM) Standort Heilbronn |
04/2021 - 02/2022 |
Referentin für Digitalisierung und Informationsinfrastrukturen
|
Ministerium für Wissenschaft, Forschung und Kunst Baden-Württemberg |
10/2016 - 03/2021 | Promotion in Mathematik | Institut für Analysis, Karlsruhe Institut für Technologie (KIT) |
10/2018 - 03/2019 | Forschungsaufenthalt | Queen Mary University London |
09/2015 - 09/2016 | Master of Science in Mathematics | King's College London |
10/2011- 03/2015 | Bachelor of Science in Mathematics | Karlsruhe Institut für Technologie (KIT) |
Projekte
bwJupyter für die LehreZiel dieses Projekts ist die Stärkung forschungsorientierter Lehre, vor allem in den Bereichen KI, maschinelles Lernen, Simulation und Modellierung, durch die Bereitstellung eines landesweiten Dienstes bwJupyter. |
|
bwRSE4HPCUm einen nachhaltigen und professionellen Ansatz für die Entwicklung und das Management von energie-optimierter Forschungssoftware implementieren zu können, benötigt es geeignete Unterstützungsstrukturen und -dienste, die von hoch spezialisierten Research Software Engineers betrieben werden. Hier setzt der neue Landesdienst bwRSE4HPC an. |
|
CAMMPCAMMP steht für Computational And Mathematical Modeling Program (Computergestütztes Mathematisches Modellierungsprogramm). Es ist ein außerschulisches Angebot des KIT für Schülerinnen und Schüler verschiedenen Alters. CAMMP will die gesellschaftliche Bedeutung von Mathematik und Simulationswissenschaften der Öffentlichkeit bewusst machen. Dazu steigen Schülerinnen und Schüler in verschiedenen Veranstaltungsformaten gemeinsam mit Lehrkräften aktiv in das Problemlösen mit Hilfe von mathematischer Modellierung und dem Einsatz von Computern ein und erforschen dabei reale Probleme aus Alltag, Industrie oder Forschung. |
|
Simulierte WeltenDas Projekt Simulierte Welten hat sich zum Ziel gesetzt, Schülerinnen und Schülern in Baden-Württemberg ein vertieftes kritisches Verständnis der Möglichkeiten und Grenzen von Computersimulationen zu vermitteln. Das Vorhaben wird gemeinsam vom Scientific Computing Center (SCC), dem Höchstleistungsrechenzentrum Stuttgart (HLRS) sowie der Universität Ulm getragen und arbeitet bereits mit mehreren Schulen in Baden-Württemberg zusammen. |
|
Research Infrastructures in Research-Oriented Teaching (RIRO)Als Vorhaben der Exzellenzuniversität werden ausgewählte Lehrveranstaltungen in ihrer Umsetzung finanziell gefördert. Basierend auf dem Leitbild der forschungsorientierten Lehre, folgen sie mehrheitlich dem Konzept des forschenden Lernens. Dieses ist darauf ausgerichtet, die Verantwortung und Aktivitäten eines Lehr-Lernsettings im Vergleich zu einer klassischen Vorlesung primäre bei den Studierenden zu sehen. Angelehnt an die wesentlichen Phasen eines Forschungsprozesses, sind die Studierenden aktiv beteiligt und gestalten die Umsetzung eigenständig mit. |
Veröffentlichungen
Öz, M.; Kiefer, N.; Debus, C.; Hörter, J.; Streit, A.; Götz, M.
2024. Machine Learning and Knowledge Discovery in Databases. Research Track : European Conference, ECML PKDD 2024, Vilnius, Lithuania, September 9–13, 2024, Proceedings, Part IV. Ed. by Albert Bifet, Jesse Davis, Tomas Krilavičius, Meelis Kull, Eirini Ntoutsi, Indrė Žliobaitė, 3–19, Springer Nature Switzerland. doi:10.1007/978-3-031-70359-1_1
Hörter, J.; Lamm, T.; Micallef, M.
2023. Annali della Scuola Normale Superiore di Pisa - Classe di Scienze, 24 (4), 2269 – 2310. doi:10.2422/2036-2145.202201_002
Hörter, J.
2021, August 31. Karlsruher Institut für Technologie (KIT). doi:10.5445/IR/1000136367
Hörter, J.; Lamm, T.
2021. Calculus of Variations and Partial Differential Equations, 60 (4), Art. Nr.: 125. doi:10.1007/s00526-021-01995-7
Lehrveranstaltungen
Semester | Titel | Typ |
---|---|---|
WS 2024/25 | Modeling, Algorithms, Simulation | Seminar |
WS 2023/24 | Seminar: Modellierung, Algorithmen, Simulation | Seminar |
WS 2020/21 | Analysis 3 | Vorlesung |
SS 2020 | Analysis 2 | Vorlesung |
WS 2019/20 | Analysis 1 | Vorlesung |
SS 2018 | Geometrische Analysis | Vorlesung |
WS 2017/18 | Proseminar | Proseminar |