... entwickelt Modelle und Anwendungen für künstliche Intelligenz, maschinelles Lernen und Deep Learning für europäische Projekte.

Ich bin Wissenschaftlerin im Bereich Data Analytics, Access and Applications bei SCC und habe an der Universität Porto in Mathematik promoviert.

Derzeit bin ich aktiv an den Projekten AI4EOSC und iMagine beteiligt, die beide Dienste für die Entwicklung von Modellen und Anwendungen der künstlichen Intelligenz (KI), des maschinellen Lernens (ML) und des tiefen Lernens (DL) innerhalb der European Open Science Cloud (EOSC) vorantreiben sollen.

Das iMagine-Projekt konzentriert sich speziell auf die Bereitstellung von Diensten für die aquatischen Datenwissenschaften. Diese Initiativen bauen auf dem technologischen Rahmen auf, der durch das Horizon 2020-Projekt DEEP-Hybrid-DataCloud geschaffen wurde, das erfolgreich die DEEP-Plattform bereitgestellt hat und die effiziente Nutzung von Computer-Ressourcen über paneuropäische e-Infrastrukturen ermöglicht.

Kontakt: Dr. Khadijeh Alibabaei

... forscht zu Datenanalyse und Optimierung von Simulationen aus den Umweltwissenschaften.

Ich arbeite in der Abteilung Data Analytics, Access and Application (D3A) des SCC. Mein Forschungsschwerpunkt liegt auf der Datenanalyse und der Optimierung von Simulationen hoher räumlicher und zeitlicher Auflösung aus den Umweltwissenschaften. Für die Optimierung verwende ich unter anderem Methoden des maschinellen Lernens.

Darüber hinaus bin ich im Projekt VFORWaTer beteiligt, in welchem eine virtuelle Forschungsumgebung für die Wasser- und terrestrische Umweltforschung entwickelt wird. Ziel der Forschungsumgebung ist es den Zugang zu hydrologischen Daten, deren Aufbereitung und deren Publikation zu vereinfachen.

Meine Forschungsinteressen sind Data Mining, maschinelles Lernen und Softwareentwicklung.

Kontakt: Elnaz Azmi

…leitet das Team des Projekts CAMMP (Computational And Mathematical Modeling Program)

Als Teamleiterin unterstütze ich die Promovierenden und Hilfskräfte des CAMMP-Teams bei der Organisation und Durchführung der CAMMP-Aktivitäten und der damit verbundenen didaktischen Forschung. Auf diese Position habe ich mich durch meine mathematikdidaktische Promotion zum Lehren und Lernen von maschinellen Lernverfahren für Studierende der Ingenieurwissenschaften vorbereitet.

Meine eigenen Forschungsprojekte beschäftigen sich mit der didaktische Forschung zur Zugänglichkeit komplexer mathematischer Inhalte und der Wirkungsweise verschiedener Lehr-Lernformate. In diesem Kontext arbeite ich mit Forschenden anderer Hochschulen sowie Institutionen wie dem KI-Campus zusammen.

Kontakt: Katharina Bata

... beantwortet Fragen rund um die Erstellung von Webseiten des KIT.

Am KIT gibt es rund 900 Webauftritte, die von den jeweiligen Instituten und Verwaltungsabteilungen gepflegt werden. Dafür wird das Content-Management-System OpenText verwendet, das ein einfaches Erstellen und Bearbeiten von Webseiten ohne Programmierkenntnisse in einem einheitlichen KIT-Design ermöglicht.

In einem Team von drei Personen berate ich die Redakteur*innen dabei, ihre Ideen in OpenText umzusetzen und beantworte Fragen, die von der Einrichtung eines Webservers bis zur optisch ansprechenden Gestaltung des Webauftritts reichen.

Daneben arbeite ich in Projekten mit dem Ziel, Geschäftsprozesse zu digitalisieren und unterschiedliche Softwaresysteme miteinander zu integrieren. So arbeitet das KIT derzeit an einem Forschungsinformationssystem, das Daten zu Forschungsprojekten, Publikationen und Innovationen zusammenstellt, um diese an interne und externe Stellen zu berichten.

Kontakt: Larissa Beinhorn
 

...erforscht und entwickelt Lösungen im Bereich der Verfahren des maschinellen Lernens (MLOps).

Ich bin Wissenschaftlerin in der Abteilung D3A am SCC und habe in Wirtschaftsinformatik an der Universität Klagenfurt promoviert. Ende 2019 wechselte ich ans KIT und bin dort bin dort verantwortlich für verschiedene Aufgaben in EU-Projekten, die einen Bezug zur European Open Science Cloud (EOSC) haben. Derzeit sind das  zwei Projekte: AI4EOSC und Skills4EOSC.

AI4EOSC zielt darauf ab, verbesserte Dienste zur Entwicklung von KI-, ML- und DL-Modellen und -Anwendungen für die EOSC bereitzustellen. Sie nutzen erweiterte Funktionen wie verteiltes, föderiertes und getrenntes Lernen, Provenance-Metadaten, ereignisgesteuerte Datenverarbeitungsdienste oder die Bereitstellung von KI-/ML-/DL-Diensten auf der Grundlage von serverless computing.

Skills4EOSC zielt darauf ab, europäische Arbeitskräfte für das Arbeiten innerhalb der EOSC zu ertüchtigen; Skills for the European Open Science Commons meint die Schaffung eines Schulungsökosystems für Open- und FAIR-Science.

Mein vergangenes Projekt: EOSC-Säule. Meine Erfahrungen: 10 Jahre Lehrtätigkeit in der Informatik: Algorithmen und Datenbanken für Bachelor-Studierende

Kontakt: Dr. Lisana Berberi

... entwickelt Webdienste und konzipiert Algorithmen für wissenschaftliche Daten.

Ich bin Softwareentwicklerin und forsche am SCC in der Abteilung Data Analytics, Access and Applications (D3A). 2017 habe ich mit einem Master in Telekommunikation und Informationssysteme am National Institute of Posts and Telecommunications in Rabat, Marokko, abgeschlossen.

Ich interessiere mich leidenschaftlich für die Erforschung neuer Technologien und deren Anwendungen in den Datenwissenschaften und besonders dafür, wie diese innovativen Ansätze zur Datenanalyse, Modellierung und Visualisierung genutzt werden können. Derzeit arbeite ich am BMBF-Projekt DAPHONA (Datenkompetenz in der Nanophotonik), das sich mit der Entwicklung von Webdiensten und der Konzeption von Algorithmen für wissenschaftliche Daten beschäftigt.

Kontakt: Kaoutar Boussaoud

...betreibt eine Überwachungsarchitektur zur Sammlung, Speicherung und Visualisierung von Daten.

Mit einem Bachelor und einem Master in Informatics Engineering der Universität Palermo (Italien) bin ich seit 2012 Informatikerin in der Abteilung Scientific Data Management (SDM) am SCC. Zurzeit bin ich für die Wartung und Entwicklung einer Monitoring-Architektur verantwortlich, die in SDM gehostet wird. Hier geht es darum Metriken und Protokolle von Hosts und Anwendungen zu sammeln, zu speichern und anzuzeigen. Das Monitoring unterstützt hauptsächlich den Betrieb der Large Scale Data Facility (LSDF), der Bandbibliotheken und das Grid Computing Centre Karlsruhe (GridKa).

Die Überwachung von Daten wie Servermetriken (CPU/Memory/Disk/Network), Speicheroperationen (I/O-Statistiken) oder die Visualisierung von Echtzeit-Sensordaten wie Temperatur, Druck, Feuchtigkeit oder Stromverbrauch in Serverräumen sind sehr wichtig, um ein vollständiges Bild der Verfügbarkeit, Leistung und Ressourceneffizienz zu erhalten. Unsere Monitoring-Architektur umfasst einen Cluster mit fünf Knoten, der auf der Opensearch-Suchmaschine basiert, um Logs aus vielen Quellen zu sammeln. Daneben setze ich eine InfluxDB als Zeitreihen-Datenbank und Grafana als leistungsfähiges Visualisierungstool zur Abfrage und Visualisierung der Daten unter Verwendung einer Vielzahl von Visualisierungskomponenten (Graphen, Karten, Histogramme, etc.) und dynamischer Dashboards ein.

Meine Interessen liegen auch in den Bereichen Konfigurationsmanagement, Big Data Analytics, Softwareentwicklung, DevOps und Programmierung in verschiedenen Computersprachen wie Bash, Java, Python, PHP, Javascript. Frühere Projekte, an denen ich beteiligt war: Global Grid User Support (GGUS) Ticketsystem und das Smart Data Innovation Lab (SDIL)

Ich schätze das KIT als familienfreundlichen Arbeitgeber und nutze die Vorteile der flexiblen Arbeitszeitmodelle und Kinderbetreuungsmöglichkeiten am KIT.

Kontakt: Evelina Buttitta

...forscht in der Helmholtz Metadata Collaboration Platform, die sich zum Ziel gesetzt hat, wissenschaftliche Daten besser verständlich zu machen.

Nach Abschluss meines Informatik-Masterstudiums am KIT bin ich in die Abteilung Data Exploitation Methods (DEM) eingetreten und arbeite seither in der Helmholtz Metadata Collaboration Platform (HMC). Das Ziel von HMC ist die Anreicherung von Daten mit standardisierten Metadaten, die für ihr Verständnis, ihr Auffinden und ihre Wiederverwendung unerlässlich sind. Diese Arbeit ist durch die große Menge an einzigartigen Forschungsdaten motiviert, die in den verschiedenen Helmholtz-Zentren erzeugt werden.

Die Abteilung DEM ist Teil der Plattform HMC und ich trage zum Team durch die Entwicklung und Implementierung von Basisdiensten bei, die die technische Grundlage von HMC bilden, z.B. Collection API.

Kontakt: Sabrine Chelbi

... forscht als Helmholtz AI Consultant an Methoden der künstlichen Intelligenz für das Energiesystem.

Künstliche Intelligenz findet sich mittlerweile in vielen Bereichen unseres alltäglichen Lebens wieder: Sei es die Gesichtserkennung im Handy, der Sprachassistent zu Hause oder die Filmvorschläge bei Netflix. Aber auch für die Forschung haben diese Methoden in den letzten Jahren maßgeblich zu Innovation und wissenschaftlichen Durchbrüchen beigetragen.

Für die Umsetzung der Energiewende und die Entwicklung der Energiesysteme von morgen spielt Künstliche Intelligenz (KI) beispielsweise eine zentrale Rolle.
Im Rahmen von Helmholtz AI bieten wir Forschungsgruppen aus der gesamten Helmholtz-Gemeinschaft im Themenfeld „Energie“ die Möglichkeit, KI-Methoden in ihren Forschungsfragen zur Anwendung zu bringen. Wir beraten sie über mögliche Einsatzgebiete, helfen ihnen bei der Implementierung und Validierung der Algorithmen und bieten ihnen Zugang zu leistungsfähiger KI-Hardware am SCC.

Die Arbeit als AI Consultant bietet jeden Tag neue spannende Fragestellungen und Herausforderungen, denn das Gebiet der Energieforschung ist riesig: von der Vorhersage von elektrischer Last und der Sonneneinstrahlung für Photovoltaik-Anlagen bis hin zur Überwachung der Produktion von Solarzellen ist alles dabei. Und in all diesen Anwendungen kann KI helfen.

Kontakt: Dr. Charlotte Debus

Ich bin Wissenschaftlerin in der Abteilung Scientific Data Management (SDM) im SCC und habe von der Universität Rennes einen Doktortitel in Informatik erhalten.

Derzeit arbeite ich an den Projekten NFDI4Ing und bwIDM, die den Aufbau eines Datenübertragungsverbunds zum Ziel haben. Dies wird es Forschenden ermöglichen, über verschiedene Institutionen hinweg sicher auf Speicherdienste zuzugreifen und  ausgefeilte Dateitransfertechnologien zu verwenden, um Dateien zwischen  den unterschiedlichen Speichersystemen zu übertragen. Dabei kommt eine flexible Authentifizierungs- und Autorisierungsinfrastruktur (AAI) zum Einsatz.

Kontakt: Dr. Mozhdeh Farhadi

... unterstützt die Zusammenarbeit am KIT mit Groupware-Lösungen und zentralen Desktops.

Projekt- und Forschungsgruppen benötigen Groupware-Plattformen, um zuverlässig und effizient zusammenzuarbeiten. Eine solche Plattform bieten u.a. die KIT Teamseiten auf unseren SharePoint-Servern. Ich berate und unterstütze Forschende und Beschäftigte in der Administration zu den Anwendungsmöglichkeiten, wie Dokumenten- und Bildbibliotheken, Termin- und Aufgabenmanagement sowie einfache Workflows. Gemeinsam mit ihnen entwickle ich passende Lösungen. Zudem betreue ich den Remote Desktop Service, der seine Stärken hat, wenn es darum geht Standardsoftware plattform- und standortunabhängig auch über langsame Netze nutzbar zu machen.

Aber nicht nur der Service Support ist mir wichtig, ich setze mich auch aktiv für die Chancengleichheit am KIT ein.

Kontakt: Sabine Grindler

...betreibt Forschung & Entwicklung im Bereich Forschungsdatenmanagement und -analyse am KIT und promoviert an der TU Darmstadt in Computerphilologie.

Kleine geisteswissenschaftliche Fächer gewinnen in ihrer Forschung oft einzigartige und detailreiche Einblicke in faszinierende Ereignisse der Menschheitsgeschichte. Die Ergebnisse solcher Forschung gilt es, auch im Hinblick auf ihre Daten nachhaltig zu bewahren und digital nachnutzbar zu machen. Im sog. Informationsinfrastrukturprojekt des Sonderforschungsbereichs Episteme in Bewegung, wird diese Aufgabe im Rahmen eines facettenreichen interdisziplinären Verbundprojekts der Wissensgeschichte mit Pilotcharakter umgesetzt.

Als Geisteswissenschaftlerin und Informatikerin in ‘Personalunion’ steht für mich neben Forschung und Entwicklung im Bereich Forschungsdatenmanagement und -analyse auch der kommunikative Brückenschlag zwischen Geistes- und Informationswissenschaft im Zentrum meiner täglichen Projektarbeit. Im Rahmen meines Dissertationsprojekts bei Prof. Dr. Andrea Rapp an der TU Darmstadt (Computerphilologie) zeige ich überdies auf, wie sich quantitative Datenanalyse dazu nutzen lässt, neue Blickwinkel auf digitalisiertes kulturelles Erbe zu gewinnen, indem ich Algorithmen und Werkzeuge für Bildsegmentierung und Bildähnlichkeitssuche auf Buchillustrationen des 16. Jahrhunderts zur Anwendung bringe.

Kontakt: Dr. Germaine Götzelmann

...quantifiziert Unsicherheiten in neuronalen Netzen mit bayesianischen Methoden

Neuronale Netze liefern in der Regel Punktvorhersagen ohne Unsicherheitsschätzungen, was bei Anwendungen mit hohem Risiko wie im Gesundheitswesen problematisch sein kann. Wenn beispielsweise Patienten auf der Grundlage der Vorhersage eines Netzwerks kostspieligen oder körperlich anstrengenden Behandlungen unterzogen werden, ist es von entscheidender Bedeutung, zu verstehen, wie sicher wir uns bei dieser Vorhersage sind. Eine genaue Quantifizierung der Unsicherheiten trägt dazu bei, unnötige Behandlungen zu vermeiden und sicherzustellen, dass die Betroffenen eine passende Behandlung erhalten.

In meiner Doktorarbeit in der Forschungsgruppe Methoden für Big Data entwickle ich Bayesianische Modelle, die in der letzten Schicht eines neuronalen Netzes zur Quantifizierung der Unsicherheiten verwendet werden. Dieser Ansatz ist rechnerisch effizient und liefert statistisch zuverlässige Unsicherheitsschätzungen. Im Rahmen des DesBI-Projekts wende ich diese Modelle auf MRT-Zeitseriendaten an, um den Verlauf neurodegenerativer Erkrankungen zu untersuchen. Darüber hinaus interessiere ich mich auch für Anwendungen in den Bereichen Bild- und Signalverarbeitung.

Kontakt: Clara Hoffmann

... promoviert im Projekt Computational And Mathematical Modeling Program - CAMMP.

Mathematik anwenden und begreifbar machen, das ist es was ich als wünschenswertes Ziel für den Mathematikunterricht sehe. Daher habe ich mich nach meinem Staatsexamen Lehramt am KIT in den Fächern Mathematik und Physik für eine Promotion im Projekt CAMMP entschieden.

Im Zusammenhang mit diesem Projekt erstelle ich Workshops für Schülerinnen und Schüler in denen mathematische Probleme authentisch und realitätsnah behandelt werden. Konkret soll ein Workshop zum Thema Nachweis des Higgs Bosons entstehen. Hierbei wird eine schülergerechte statistische Analyse der Daten des Cern Experimentes durchgeführt um mit Hilfe eines Likelihood-Quotienten-Tests eine begründete Entscheidung über die Existenz des Higgs-Teilchens zu treffen. Ein weiterer Workshop entsteht zum Thema Wortvorhersagen am Smartphone, wobei das mathematische Problem mit Markov Ketten modelliert wird.

Meine Forschungsinteressen sind Text Mining, statistische Tests, Markov Ketten, Mathematische Modellierung.

Kontakt: Stephanie Hofmann

… leitet die Abteilung Scientific Computing & Mathematics.

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. Mit dem DKFZ entwickeln wir beispielsweise neue Methoden zur präziseren Abgrenzung von krebsartigem und gesundem Gewebe, um Strahlentherapien zielgerichteter und effizienter ausrichten zu können.

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 CAMMP und 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.

Kontakt: Dr. Jasmin Hörter

… betreibt zusammen mit ihren Kolleginnen und Kollegen der Abteilung Netze und Telekommunikation das Datennetz KITnet.

Hocheffiziente und hochverfügbare Datennetze bilden die Grundlage für eine erfolgreiche Digitalisierung der Dienstleistungen und eine zeitgemäße Ausbildung der Studierenden mit dem dazu gehörenden Lehrangebot. Leistungsstarke Anbindungen an das Internet garantieren eine hohe Qualität der internationalen Präsenz des KIT mit gleichzeitig schneller Verfügbarkeit der weltweit verfügbaren Dokumente für Forschende und Studierende. 

Neben der Netzhardware wie Kupfer- und Glasfaserkabel, Router, Switches und WLAN-Komponenten betreibt sie Remote-Access-Lösungen für den Fernzugriff (VPN) und essentielle Basisdienste für den erfolgreichen Netzbetrieb (Firewall, DHCP). Zudem ist sie zentrale Ansprechperson für die Abteilung Informationssysteme für Organisation und betriebliche Ressourcen beim Betrieb des SAP-Systems, für das Facility Management bei der Umsetzung von VoIP-Lösungen und bei netzspezifischen Fragen externer Dienstleister. 

Zusammen mit ihren Kolleginnen und Kollegen sorgt Frau Huck für einen funktionierenden 7*24-Betrieb der Netz-Dienste.

Kontakt: Elena Huck
 

Ich komme aus Delhi in Indien und Informatik ist meine Leidenschaft. In Informatik und Ingenieurwissenschaften habe ich neben dem Bachelor- und dem Masterabschluss auch einen Doktortitel erworben und bin seit 2022 am KIT. Meine Forschungsinteressen umfassen Data Mining, Sentiment Analysis und Opinion Mining, Maschinelles Lernen und Natural Language Processing.

In der Abteilung Data Exploitation Methods (DEM) am SCC erforsche ich neue Methoden für das Management und die Analyse von Forschungsdaten. Zusammen mit Fachleuten aus verschiedenen Disziplinen arbeite ich an dem Informationsinfrastrukturprojekt des Sonderforschungsbereichs 'Metaphern der Religion', in dem ich mehrsprachige Daten aus der Religionswissenschaft verschiedener Zeiträume speichere und verschiedene Möglichkeiten zur Annotation, Analyse und zur Abfrage dieser Daten bereitstelle.

Kontakt: Dr. Vandana Jha

... leitet die Forschungsgruppe Methods for Big Data am SCC, forscht und lehrt an der KIT-Fakultät Informatik.

Seit August 2024 leite ich die neu gegründete Forschungsgruppe Methods for Big Data (MBD) am Karlsruher Institut für Technologie (KIT). Mit einer gemeinsamen Berufung in die Fakultät für Informatik und das Scientific Computing Center (SCC) konzentriert sich meine Forschungsagenda auf die Entwicklung innovativer statistischer und mathematischer Techniken, die die Vorteile von Bayesianischer Statistik und maschinellem Lernen gleichzeitig nutzen. Ziel ist es, die Robustheit von Modellen zu erhöhen, die Dateneffizienz zu verbessern und Unsicherheiten in komplexen Systemen zu quantifizieren.

Meine Gruppe ist aktiv an mehreren high-impact-Projekten beteiligt, was die Breite und Interdisziplinarität unserer Forschung unterstreicht. Wir verfügen über einzigartiges Fachwissen zur Weiterentwicklung von Verteilungsregressionsmodellen für hochdimensionale Daten, unter Einbezug von statistischem Lernen und skalierbaren Methoden, um die Grenzen bestehender Regressionsmethoden zu überwinden. Wir leisten auch Pionierarbeit auf dem Gebiet des Deep Learning, indem wir das Potenzial der Bayesianischen Statistik nutzen, um robuste und dateneffiziente Methoden zu entwickeln. Viele weitere Details über die Aktivitäten und Beiträge von uns finden Sie unter kleinlab-statml.github.io.

Außerdem bin ich Emmy-Noether-Forschungsgruppenleiterin und habe zahlreiche Auszeichnungen erhalten, darunter Mitgliedschaften in AcademiaNet, der Jungen Akademie und dem Humboldt-Netzwerk, das von der Alexander von Humboldt-Stiftung verliehen wird. Nadja Klein bringt sich darüber hinaus aktiv in der Nachwuchsförderung ein, z.B. als Vertrauensdozentin der Studienstiftung des deutschen Volkes. An der Georg-August-Universität Göttingen habe ich in Mathematik promoviert und war später als Feodor-Lynen-Stipendiatin an der University of Melbourne tätig. Bevor ich zum KIT kam, war ich Professorin für Statistik und Datenwissenschaft an der Humboldt-Universität zu Berlin.

Kontakt: Prof. Dr. Nadja Klein

... erforscht hybride Algorithmen im Bereich Quantum Machine Learning.

Die heutigen Quantencomputer gehören zu den sogenannten NISQ-Geräten, da sie nur eine geringe Anzahl an Qubits haben, die zudem noch sehr fehleranfällig sind. Trotzdem können auf dieser Basis bereits die Vorteile gegenüber klassischen Computern untersucht werden. Insbesondere der Einsatz hybrider Algorithmen, bei denen parametrisierbare Circuits für Quantencomputer durch klassische Optimierungsverfahren trainiert werden, sind vielversprechend.

Mein Team und ich untersuchen solche hybriden Algorithmen und kümmern uns nicht nur um praktische Implementierungen im Spannungsfeld des Quantum Machine Learnings, sondern auch um die Skalierbarkeit und Generalisierung für zukünftige Geräte und mögliche Anwendungsfälle.

Außerdem setze ich mich aktiv für die nachhaltige Entwicklung von Forschungssoftware und deren Bedeutung in der Wissenschaft ein.

Kontakt: Dr. Eileen Kühn
 

...ist Doktorandin in der Forschungsgruppe Methods for Big Data

Im Juli 2024 kam ich als Doktorandin ans SCC des KIT und forsche in der Gruppe Methods for Big Data, geleitet von Prof. Dr. Nadja Klein. Zuvor erwarb ich meinen Bachelor-Abschluss in Angewandter Statistik an der Communication University of China und vertiefte meine Studien in Finanz- und Wirtschaftswissenschaften als Austauschstudentin an der Feng Chia University.

Meinen Master schloss ich in Statistik im Joint Masters Program in Berlin ab, einer Kooperation zwischen der Technischen Universität Berlin, der Freien Universität Berlin, der Humboldt-Universität zu Berlin und der Charité Berlin, mit Schwerpunkt auf quantitativer Wirtschaftsforschung und Data Science.

Meine Forschungsinteressen sind breit gefächert und umfassen kausale Inferenz, Zeitreihenanalyse, maschinelles Lernen und erklärbare künstliche Intelligenz (XAI). Derzeit arbeite ich an der Anwendung semi-strukturierter distributioneller Regression aus einer Bayesianischen Perspektive zur Verbesserung der Erklärbarkeit der genomischen Vorhersage im DeSBi-Projekt P5. Dieses Projekt integriert Deep Learning und statistische Methoden in biomedizinischen Anwendungen, mit dem Ziel, innovative Ansätze in diesem Bereich zu entwickeln.

Kontakt: Dingyi Lai

… ermöglicht und organisiert Kommunikation und Datenaustausch über Einrichtungsgrenzen hinweg.

Erfolgreiche Teamarbeit in der Wissenschaft erfordert eine gute Kommunikation und Kooperation und dafür sind einfache Werkzeuge notwendig.

Neben der Kommunikation in Echtzeit spielt auch die asynchrone Kommunikation eine große Rolle. Dafür betreibe ich sowohl einen Mailinglistenserver für die Beschäftigten und Studierenden des KIT als auch einen Mailinglistendienst für deutsche Wissenschaftseinrichtungen im Auftrag des DFN-Vereins. Zudem unterstütze ich die Listeneigentümer bei der Administration Ihrer Mailinglisten, über die auch verschlüsselte E-Mails versandt werden können.

Für die gemeinsame Bearbeitung und den einfachen und flexiblen Austausch von Dokumenten über Hochschulgrenzen hinweg betreiben wir den Cloud-Dienst bwSync&Share , für dessen Koordination ich mitverantwortlich bin.

Kontakt: Sabine Lorenz
 

...arbeitet als Experimentvertreterin beim Grid Computing Centre Karlsruhe (GridKa).

GridKa unterstützt vier Haupt-LHC-Experimente (Alice, Atlas, CMS, LHCb). Es ist auch das deutsche regionale Grid-Rechenzentrum für Nicht-LHC-HEP-Experimente (Belle2, BaBar, Auger, Compass). Alle diese Experimente produzieren jedes Jahr Terabyte und/oder Petabyte von Daten, die sicher gespeichert werden sollen, und bei Bedarf zuverlässig und schnell verwendet werden können.

Ich arbeite als Vertreterin des ATLAS-Experiments bei GridKa. Meine Arbeit umfasst die Kommunikation zwischen GridKa und dem ATLAS-Experiment, die Koordination der Teilnahme von GridKa an ATLAS-spezifischen Tests von Diensten, die Verfolgung von Vorfällen und Problemen sowie die Zusammenarbeit mit GridKa-Experten. Ich bin ebenfalls noch für andere Dienstleistungen im LHC-Umfeld verantwortlich, nicht nur für ATLAS. Diese beinhaltet eine breite Palette von Aufgaben wie Administration, Wartung, Entwicklung, Test und Bereitstellung von Software.

Kontakt: Dr. Haykuhi Musheghyan

… arbeitet in der Tape-Gruppe im Hardware- und Prozess-Monitoring.

Am SCC werden große Datenmengen in mehreren Tape Libraries mit Bandlaufwerken auf Magnetbändern (Tape) gespeichert. Hierfür stellt das SCC umfangreiche Backup- und Archivierungsdienste bereit. Bei den Daten handelt es sich einerseits um Forschungsdaten von Wissenschaftlerinnen und Wissenschaftlern und andererseits um verschiedenste Daten der KIT-Beschäftigten oder deren Rechner. Ich entwickle Computerprogramme und Grafiken, um sowohl die notwendige Hardware als auch den Prozess der Datenspeicherung zu überwachen und zu optimieren. Des Weiteren engagiere ich mich für die Kommunikation und Zusammenarbeit in der Tape-Gruppe. 

Am Arbeitgeber KIT schätze ich insbesondere die Unterstützung zur Vereinbarkeit von Beruf und Familie.

Kontakt: Karin Schaefer

… ist Teamplayerin im Thema KIT-Card und Mitarbeiterin im Projekt bwCard.

Die KIT-Card ist eine Chipkarte und dient u.a. als Ausweis für Studierende und Mitarbeitende. Damit mit der KIT-Card z.B. Türen geöffnet, Essen bezahlt oder Bücher ausgeliehen werden können, arbeiten mehrere Organisationseinheiten am KIT zusammen. 

Die Aufgaben im Team sind sehr vielseitig: Wir begleiten und optimieren alle Prozesse rund um den Lebenszyklus der KIT-Card, stellen die Technik und Software zur Produktion bereit oder passen diese an, betrachten Datenschutzaspekte, koordinieren die Produktion und die Ausgabe der Karten, stellen Informationen bereit und beantworten Nutzeranfragen.
    
Als eine der lokalen Koordinator*innen für das Projekt bwCard arbeite ich mit den neun baden-württembergischen Universitäten zusammen. Ein Ziel ist es, die eigene Chipkarte an allen Landesuniversitäten nutzen zu können. Der Aufbau einer bwCard-Produktionsgemeinschaft ist ebenfalls Teil des Projektes.

Kontakt: Gabriele Schramm

... erforscht als Promotionsstudentin Unsicherheiten in Dosisberechnungen für die Strahlentherapie.

Strahlentherapie ist eine der meist angewandten Behandlungsformen von Krebs. Optimierte Behandlungspläne im Zusammenhang mit der Verwendung von Protonen und Kohlenstoffionen erlauben eine individuelle Anpassung der Dosisverteilung an den Tumor. Dadurch wird die geplante Dosis jedoch sensibler gegenüber Fehlern und Unsicherheiten, z.B. in der Patientenpositionierung.

Ich beschäftige mich mit der Quantifizierung der hieraus entstehenden Unsicherheiten in der Dosisverteilung. Hierfür verwende und entwickele ich mathematische Methoden und implementiere diese für die Verwendung mit Behandlungsplanungssoftwares. Eine effiziente Abschätzung der Auswirkung verschiedener Unsicherheiten erlaubt dann die Bestimmung robusterer Behandlungspläne mit minimalen Nebenwirkungen für Patienten.

Kontakt: Pia Stammer

...erforscht wie Geistes- und Kulturwissenschaften durch Methoden des Forschungsdatenmanagements bereichert werden können und ist stellvertretende Leiterin der Abteilung DEM.

In der Abteilung Data Exploitation Methods (DEM) forschen wir an neuen Methoden für Forschungsdatenmanagement und -analyse. Gemeinsam mit Fachwissenschaftlerinnen und Fachwissenschaftlern verschiedener Disziplinen werfen wir einen interdisziplinären Blick auf bisher nur schwer lösbare oder sogar unlösbare Forschungsfragen.

Insbesondere in Disziplinen, die bisher kaum digital arbeiten, beispielsweise die so genannten ‘kleinen Fächer’ der Geistes- und Kulturwissenschaften gibt es immenses, noch unentschlossenes Potential interdisziplinärer Forschung. Hier haben wir die Chance, Methoden und Arbeitsweisen der gesamten Disziplin zu bereichern. 

Im Rahmen des Sonderforschungsbereichs 980 ‘Episteme in Bewegung’, in dem ca. 50 Geisteswissenschaftlerinnen und Geisteswissenschaftler die Veränderung von Wissen über mehrere Jahrtausende untersuchen, leite ich das Informationsinfrastrukturprojekt ‘Bücher auf Reisen’. Als zentrale Aufgabe stellen wir Methoden und Werkzeuge - von der nachhaltigen Speicherung der Forschungsdaten über Annotation bis zur Visualisierung bestimmter Phänomene - für den gesamten Forschungsverbund bereit.

Kontakt: Dr. Danah Tonne
 

... forscht als Doktorandin an der Schnittstelle zwischen Data Science und Health Science.

Seit Sommer 2020 forsche ich als Doktorandin der interdisziplinären Graduiertenschule HIDSS4Health in der Schnittstelle zwischen Data Science und Health Science. Mein Fokus liegt auf der Verbesserung von automatischen Segmentierungsalgorithmen, die in der Tumortherapie zur Berechnung jedes individuellen Bestrahlungsplans benötigt werden.

Für dieses Projekt bin ich sowohl mit der Arbeitsgruppe Computational Science and Mathematical Methods (CSMM) des KIT als auch mit der Arbeitsgruppe Computational Patient Models des Deutschen Krebsforschungszentrums assoziiert. Meinen Master in Informatik habe ich an der Universität Tübingen absolviert.

Meine Forschungsinteressen sind Machinelles Lernen, Bildsegmentierung und Optimierung.

Kontakt: Alexandra Walter

Nach meinem Physikstudium am KIT und meiner Promotion im Bereich Computational Biophysics am SCC bin ich als wissenschaftliche Mitarbeiterin in die Informatik gewechselt. Als Helmholtz AI Consultant arbeite ich gemeinsam mit meinen Kolleginnen und Kollegen an Methoden der künstlichen Intelligenz (KI) für das Energiesystem von morgen. KI ist ein wachsender Bestandteil in unserem alltäglichen Leben und übernimmt neben maßgeschneiderten Musikempfehlungen auf Spotify und personalisierten Shopping-Ads auf Instagram & Co. zunehmend wichtigere Aufgaben in unserer digitalen Gesellschaft. Die Anwendungsgebiete in der Energieforschung sind so vielfältig wie das Feld selbst und reichen von der Lastprognose für Energiesysteme über die Entwicklung neuer Materialien für z.B. Batterien bis hin zur automatisierten Steuerung von Industrieanlagen.

Das Consulting-Konzept von Helmholtz AI soll Wissenschaftlerinnen und Wissenschaftlern der Helmholtz-Gemeinschaft dazu befähigen, modernste KI-Methoden für ihre eigene Forschung zu nutzen. Als Helmholtz AI Consultants leisten wir dabei mit unserer Expertise Unterstützung in den Bereichen KI-Methoden und Software Engineering für konkrete Forschungsprojekte. Diese interdisziplinäre Arbeit ist sehr abwechslungsreich und bietet neben spannenden Forschungsfragen vielfältige Möglichkeiten, Neues zu lernen und Kontakte mit Forschenden über Fachgrenzen hinaus zu knüpfen.

Kontakt: Dr. Marie Weiel