Schulungsdozent*innen

Dario Antweiler ist Data Scientist am Fraunhofer IAIS in Sankt Augustin im Geschäftsfeld Healthcare Analytics und betreut Projekte in den Themenbereichen KI in der Pharmakologie sowie Digitalisierung im Krankenhaus. Sein Forschungsfeld ist Machine Learning auf Graphen und Netzwerken.

Verena Battis ist Statistikerin und Volkswirtin und seit 2019 als wissenschaftliche Mitarbeiterin am Fraunhofer SIT tätig. Im Rahmen des Nationalen Forschungszentrum für angewandte Cybersicherheit ATHENE forscht sie an Risiken, die maschinelle Lernverfahren für die Privatheit des Einzelnen bedeuten können. Das Erkennen und Verhindern böswilliger Angriffe zählt ebenfalls zu ihrem Forschungsgebiet.

Niklas Bäckel ist Wirtschaftsinformatiker mit einer Spezialisierung im Bereich Machine Learning und Data Analytics. Seine Passion am Fraunhofer IPT ist es, diese innovativen Methoden gewinnbringend in der Industrie zu verankern. In seiner Arbeit beschäftigt er sich mit der Nutzung von Deep Learning zur Bilderkennung im Kontext produzierender Unternehmen. Hierbei stehen Datenqualität, effizientes Training und die Analyse von Anwendungsfällen im Fokus. Des Weiteren erforscht er im EU Projekt AIDPATH den möglichen Einsatz von Datenanalyse und KI in der personalisierten Medizin

Lennard Bodden ist seit Dezember 2020 Research Engineer im Team Computer Vision (Abteilung Netmedia) am Fraunhofer IAIS. Als Projektleiter für zwei mehrjährige Forschungsprojekte beschäftigt er sich vor allem mit der Entwicklung von effizienter KI für eingebettete Systeme.

Dr. Bastian Bohn ist seit 2020 als Data Scientist im Geschäftsfeld Numerische datenbasierte Vorhersage am Fraunhofer Institut für Algorithmen und Wissenschaftliches Rechnen SCAI tätig. Er hat an der Universität Bonn in Mathematik promoviert und forscht aktuell in den Bereichen der Datenanalyse von Simulationsdaten und der Interpretierbarkeit von KI-Methoden.

Dr. Said Benjamin Bonakdar ist Volkswirt und seit 2022 als Data Scientist am Fraunhofer IAIS tätig. Hierbei übernimmt er die wissenschaftliche Begleitung des Schulungsangebotes und ist selbst als Dozent tätig. Im Rahmen seiner Promotion beschäftigte er sich intensiv mit Heterogeneous Multi Agent Models und georeferenzierten Big Data Problemen. Seine langjährige Erfahrung aus der Universitätslehre zeichnen ihn als erfahrenen Dozenten aus.

Jessica Deuschel arbeitet als Research Associate am Fraunhofer IIS. Ihr Fokus liegt vor allem im Bereich der affektiven Zustandserkennung mithilfe von multimodaler Fusion. Dabei interessiert sie sich insbesondere dafür, wie Unsicherheiten, die in Neuronalen Netzen zum Beispiel durch eine Verschiebung der Datenverteilung entstehen, berücksichtigt werden können. Dies ist ebenfalls Teil ihrer Promotion im Bereich »Explainable AI«.

Dr. Gunar Ernis ist Geschäftsfeldleiter Industrial Analytics. Er hat in der Experimentellen Teilchenphysik promoviert und ist seit 2016 beim Fraunhofer IAIS als Data Scientist tätig. Er beschäftigt sich intensiv mit der Analyse von Daten im industriellen Umfeld (Industrie 4.0) und ist dort in mehreren Projekten aktiv, die sich mit Condition Monitoring und Predictive Maintenance befassen.

Andreas Foltyn ist Research Associate am Fraunhofer IIS im Bereich kognitive Sensorik. Sein aktueller Arbeitsschwerpunkt ist die Erkennung von affektiven Zuständen mithilfe von Verfahren des Maschinellen Lernens. Zeitgleich promoviert er im Bereich der Künstlichen Intelligenz mit  dem Schwerpunkt auf Erklärbarkeit von tiefen neuronalen Netzwerken.

Maik Frye ist Gruppenleiter in der Abteilung für Produktionsqualität am Fraunhofer IPT in Aachen. Er hat mehrjährige Erfahrung im Bereich des Machine Learning (ML) und arbeitet in einer Vielzahl von Projekten gemeinsam mit Industrieunternehmen an der Optimierung von Produktionsprozessen mittels ML. Aktuell liegen seine Forschungsanstrengungen vor allem in der Strukturierung und Automatisierung des Data Preprocessing zur Erhöhung der Qualität von Daten.

Dr.-Ing. Georg Fuchs ist Geschäftsfeldleiter Big Data Analytics and Intelligence am Fraunhofer IAIS. Er hat langjährige Erfahrung als Wissenschaftler in EU-, Grundlagen- und angewandten Forschungsprojekten sowie als Berater und Software Engineer in Industrieprojekten. Seine aktuellen Arbeitsschwerpunkte sind die visuelle Analyse von raum-/zeitbezogenen Daten mit besonderem Fokus auf Verfahren zur datenschutzkonformen semantischen Analyse von Bewegungsdaten.

Dr. Sandra Geisler hat an der RWTH Aachen Universität am Lehrstuhl Datenbanken und Informationssysteme promoviert und ist seit 2017 am Fraunhofer FIT tätig. Ihre Fachgebiete umfassen Datenökosysteme, Datenqualitätsmanagement, Datenstrommanagement, Sensordatenmanagement, Semantic Web und Datenintegration. Dabei fokussiert sie sich speziell auf die Anwendungsbereiche der Life Sciences und Industrie 4.0.

Sandra Geisler hat langjährige Lehrerfahrung an der RWTH Aachen Universität, sowie als Dozentin der Data Science-Zertifizierungskurse der Fraunhofer Allianz mit unterschiedlich großen Lerngruppen und Formaten.

Sven Giesselbach ist Leiter des Teams Natural Language Understanding am Fraunhofer IAIS und dabei für die strategische Ausrichtung und Portfolioentwicklung des Teams verantwortlich. Zudem ist er seit einigen Jahren als Dozent im Data-Science-Schulungsprogramm tätig.

Dr. Annika Hänsch hat in Oldenburg Mathematik und in Lübeck Mathematik in Medizin und Lebenswissenschaften studiert. Ihr Forschungsschwerpunkt ist die Deep Learning-basierte Bildanalyse, insbesondere der Einfluss heterogener Eingabedaten, zu dem sie 2021 an der Jacobs University Bremen promovierte.

Henrik Heymann arbeitet als Data Scientist in der Abteilung Produktionsqualität am Fraunhofer IPT in Aachen. Seine Projekterfahrung umfasst den Einsatz von Machine Learning (ML) in zahlreichen verschiedenen Produktionsdomänen. Zu seinem Forschungsgebiet zählt die systematische Umsetzung von Predictive Quality und Predictive Maintenance in produzierenden Unternehmen.“

Prof. Marco Huber ist Inhaber der Professur für Kognitive Produktionssysteme an der Universität Stuttgart. Zugleich leitet er die Abteilung Bild- und Signalverarbeitung sowie das Zentrum für Cyber Cognitive Intelligence (CCI) am Fraunhofer IPA in Stuttgart. Seine Forschungsarbeiten konzentrieren sich auf die Themen Maschinelles Lernen, erklärbare Künstliche Intelligenz (xAI), Sensordatenanalyse, Bildverarbeitung und Robotik im produktionstechnischen Umfeld.

Nadja Hüdepohl ist Physikerin und hat nach Ihrem Studium an der Universität Hamburg und Ihrer Abschlussarbeit am CERN im Bereich der statistischen Datenanalyse einige Jahre lang Erfahrung in der Industrie sammeln können.

Sie ist seit 2021 am Fraunhofer SCAI im Bereich für numerische datenbasierte Vorhersage tätig und beschäftigt sich hier schwerpunktmäßig mit Datenanalysekonzepten und -methoden zur Zustandsüberwachung einschließlich der prädiktiven Wartung.

Dr. Andreas Jedlitschka ist Abteilungsleiter Data Science am Fraunhofer IESE in Kaiserslautern.

Abderrahmane Khiat ist Leiter des IoT-Integrationsteams  am Fraunhofer IAIS und verantwortlich für die strategische Ausrichtung und Portfolioentwicklung des Teams.

Er hat einen Ph.D. in Informatik und arbeitet seit 2019 als Knowledge Engineer und Projektleiter am Fraunhofer IAIS. Er beschäftigt sich intensiv mit Datenmodellierung und Standardisierung (Industrie 4.0) und ist in mehreren Projekten zum Thema Datenintegration aktiv.

Birgit Kirsch ist seit 2017 als Data Scientist im Team Natural Language Understanding am Fraunhofer IAIS in Sankt Augustin tätig.

Sie betreut KI-Projekte zur Dokumentenverarbeitung, unter anderem in den Bereichen Legal und Finance und forscht an Verfahren zur Informationsextraktion aus semistrukturierten Dokumenten.

Dr. Michael Kläs ist seit Abschluss seines Informatikstudiums in der angewandten Forschung tätig und berät Unternehmen in den Bereichen Softwarequalität und Datenanalyse am Fraunhofer IESE. Im Laufe der letzten Dekade verantwortete er in zahlreichen Industrie- und Forschungsprojekten insbesondere den Aufbau von KPI-Systemen, die Evaluation neuer Technologien und die Entwicklung prädiktiver Analysen. In seiner Dissertation beschäftigte er sich mit der Vorhersage von Softwarefehlern unter Einbeziehung von Expertenwissen. Aktuell liegt sein Schwerpunkt im Bereich der Potenzialanalyse für datengetriebene Innovation und der Datenqualitäts- und Unsicherheitsanalyse bei Big-Data- und KI-Systemen. Als Autor zahlreicher Fachpublikationen engagiert er sich zudem als Hochschuldozent und als Experte bei der Normierung (DIN/VDE).

Farina Kock studierte Mathematik an der Universität Bielefeld und Cognitive Science mit Schwerpunkten Künstliche Intelligenz und Neuroinformatik an der Universität Osnabrück. Seit 2020 arbeitet sie als wissenschaftliche Mitarbeiterin am Fraunhofer MEVIS mit einem Schwerpunkt auf Deep Learning und Bildanalyse. 

Dr. Jörn Kohlhammer ist Abteilungsleiter der Abteilung »Informationsvisualisierung und Visual Analytics« am Fraunhofer IGD. Er hat langjährige Erfahrung in den Gebieten Visual Analytics und Visual Business Intelligence. Seine Abteilung beforscht unter anderem Techniken für die entscheidungsorientierte Informationsvisualisierung unter Nutzung von Semantik und automatischen Analysen.

Jonathan Krauß ist Leiter der Abteilung für Produktionsqualität am Fraunhofer IPT in Aachen. In über 20 Projekten hat er gemeinsam mit Industriepartnern Fertigungssysteme mithilfe von Maschinellem Lernen und Künstlicher Intelligenz verbessert. Forschungsseitig liegt sein Fokus auf Automated Machine Learning sowie Hyperparameter Tuning.

Alexander Kreppein arbeitet als wissenschaftlicher Mitarbeiter am Fraunhofer-Institut für Produktionstechnologie in Aachen. Innerhalb von Forschungs- und Industrieprojekten optimiert er mithilfe von Machine Learning Produktionsprozesse. Dabei beschäftigt er sich insbesondere mit dem Einsatz von Deep Learning zur Defekterkennung auf beschichteten Oberflächen

M. Sc. Damian Kutzias ist seit 2017 am Fraunhofer IAO mit der Entwicklung und Integration von Smart Services insbesondere in der Energiewirtschaft und dem produzierenden Gewerbe tätig. In der Rolle als Data Scientist sind seine Kernthemen die Analyse zeitabhängiger Daten sowie durchgängige Vorgehensmodelle für Datenprojekte, welche den Unternehmenskontext vor und nach der technischen Umsetzung verstärkt einbeziehen.

Dr. Ivan Lecei ist Mathematiker und seit 2019 am Fraunhofer SCAI als Data Scientist tätig. Er hat an der Universität Ulm im Bereich Wahrscheinlichkeitstheorie promoviert und beschäftigt sich derzeit insbesondere mit multivariaten statistischen Methoden, insbesondere im Hinblick auf das datenbasierte Condition Monitoring, sowie Anomaliedetektion.

Lars Leyendecker ist Doktorand am Fraunhofer-Institut für Produktionstechnologie IPT in Aachen. Er hat mehrjährige Erfahrung in der Datenanalyse und der Anwendung von maschinellem Lernen in Produktionssystemen. In seiner Dissertation erforscht er, wie sich Produktionsprozesse durch Bayes’sche Optimierung dateneffizient optimieren lassen

Dr. Thorsten May ist Leiter der Forschungsgruppe »Visual Analytics« am Fraunhofer IGD. Sein Forschungsschwerpunkt ist die Verbindung von Visualisierungstechniken mit automatischen Verfahren für die explorative Analyse multivariater und zeitbezogener Daten sowie deren Anpassung an verschiedene Anwendungsgebiete.

PD Dr. Michael Mock ist Senior Scientist am Fraunhofer IAIS. Seine Forschungsinteressen fokussieren auf verteilte Systeme und Echtzeitsysteme. Er hat langjährige Erfahrung in der Leitung von Forschungs- und Entwicklungsprojekten sowie in der Lehre als Privat-Dozent. Aktuelle Arbeitsschwerpunkte sind echtzeitfähige Architekturen im Big-Data-Bereich. Er hat außerdem die stellv. Konsortialführung und wissenschaftliche Projektkoordination im Projekt »KI-Absicherung« inne.

Dr. Gerhard Paaß ist als Senior Scientist am Fraunhofer IAIS tätig und hat langjährige Erfahrung als Projektleiter von angewandten Forschungs- und Wirtschaftsprojekten sowie als Dozent an den Universitäten Bonn, Leipzig und Brisbane. Er hat die Textmining-Gruppe am Fraunhofer IAIS gegründet und ist maßgeblich an der Entwicklung von Verfahren zur semantischen Analyse von Texten beteiligt. Aktuelle Arbeitsschwerpunkte sind Informationsextraktion, Textklassifikation sowie semantisches Lernen durch Deep Neural Networks. Vor kurzem ist bei Springer-Nature seine Monographie »Künstliche Intelligenz - Was steckt hinter der Technologie der Zukunft?« erschienen.

Jasper Pahl ist Research Associate am Fraunhofer IIS und arbeitet dort an der Erkennung von affektiven Zuständen auf Bilddaten. Insbesondere interessiert er sich für die Integration von Vorwissen in die dafür genutzten Algorithmen mithilfe von Erklärbarkeit, was auch das Thema seiner Promotion innerhalb der Kognitive Systeme Gruppe an der Universität Bamberg ist.

Nathalie Paul ist Mathematikerin und als Data Scientist am Fraunhofer IAIS im Geschäftsfeld Industrial Analytics tätig. Sie beschäftigt sich vorwiegend mit der Datenanalyse und Prozessoptimierung im Bereich der Produktion. Ihr Forschungsschwerpunkt ist die Kombination von Maschinellem Lernen und Operations Research.

Dr. Henning Petzka, ehemaliger Senior Scientist am Fraunhofer IAIS, ist weiterhin als externer Dozent im Data Scientist Schulungsprogramm tätig.

Annika Pick hat Mathematik und Informatik studiert und sich als Data Scientist am Fraunhofer IAIS auf die Analyse von Gesundheitsdaten spezialisiert. Im Geschäftsfeld Healthcare Analytics arbeitet sie daran, medizinische Fragestellungen und Machine Learning zusammenzubringen. Ihr aktueller Forschungsschwerpunkt sind regelbasierte und andere leicht interpretierbare Modelle.

M. Sc. Niclas Renner arbeitet als Data Scientist seit 2019 am Fraunhofer IAO.

Im Rahmen von Forschungs- und Industrieprojekten beschäftigt er sich hauptsächlich mit dem produzierenden Gewerbe vom kleinen Unternehmen bis hin zum Großkonzern. In seiner Arbeit beschäftigt er sich hauptsächlich mit den Themen Zeitreihen und der Absicherung von KI, als Grundlage für kommende Gesetzgebung und Standardisierung- sowie Zertifizierungsbemühungen

Ann-Katrin Riedel ist Bildverarbeiterin und am Fraunhofer SIT in Darmstadt wissenschaftliche Mitarbeiterin in der Abteilung Media Security und IT Forensics. Im Rahmen des Nationalen Forschungszentrums für angewandte Cybersicherheit ATHENE liegen die aktuellen Forschungsthemen im Bereich der Erkennung und Entwicklung neuer Angriffe auf Machine-Learning-Anwendungen auf Bilddaten.

Ines Rieger ist wissenschaftliche Mitarbeiterin am Fraunhofer IIS. Ihre Arbeit konzentriert sich auf die automatische Bildverarbeitung, hauptsächlich im Bereich der Erkennung von affektiven Zuständen mithilfe von Verfahren des Maschinellen Lernens. Derzeit arbeitet sie an einem Projekt zur Abschätzung von Schmerzzuständen anhand von Gesichtsbildern. Hierbei interessiert sie sich besonders für die Weiterentwicklung von Methoden zur Interpretierbarkeit von Neuronalen Netzen. Außerdem promoviert sie an der Universität Bamberg auf dem Gebiet der »Explainable Artificial Intelligence«.

Anna Schmitz hat zwei Masterstudiengänge in Mathematik absolviert und arbeitet am Fraunhofer IAIS als Data Scientist. Erfahrung als Dozentin für wissenschaftliche Themen hat sie u.a. als Kursleiterin auf Sommerakademien gesammelt. Aktuell fokussieren sich ihre Arbeitsschwerpunkte auf KI-Zertifizierung und vertrauenswürdige KI.

Dipl.-Ing. Lisa Schrader ist Data Scientist am Fraunhofer IAIS in der Abteilung Knowledge Discovery. Ihr Schwerpunkt liegt auf der Datenanalyse in Industrial-Analytics-Projekten und der Fraunhofer-eigenen Software zum Regellernen.

Christof Schroth (Mathematik M. Sc.)  ist als Data Scientist am Fraunhofer IESE beschäftigt. Seine Forschungsschwerpunkte beinhalten Zeitreihenanalyse, Data Analytics und Maschinelles Lernen. Zurzeit beschäftigt er sich außerdem mit der Digitalisierung in der Landwirtschaft und der Digitalisierung im ländlichen Raum.

Dominik Seuß ist Senior Engineer am Fraunhofer IIS. Seine Forschungsinteressen liegen im Bereich der Künstlichen Intelligenz mit Schwerpunkt auf der Erkennung von Schmerz mit Hilfe von Methoden des Maschinellen Lernens, worin er auch promoviert. Er hat langjährige Erfahrung in der Durchführung von Forschungs- und Entwicklungsprojekten für Industrie und den öffentlichen Sektor. Sein aktueller Arbeitsschwerpunkt sind Generative Netze im Bereich der Computer Vision.

Daniel Steinigen ist Research Engineer am Fraunhofer IAIS in der Abteilung Net Media. Dort arbeitet und forscht er im Bereich Natural Language Processing (NLP) mit Spezialisierung auf Maschinellem Lernen und Wissensgraphen.

Dipl.-Math. Karl-Heinz Sylla arbeitet als Senior Scientist am Fraunhofer IAIS, ist System-Architekt und als Projektleiter von Wirtschafts- und Forschungsprojekten sowie als Seminarleiter und Referent zu Themen der Software-Konstruktion tätig. Aktuelle Arbeitsschwerpunkte sind die Architektur und Konstruktion von Big-Data-Systemen und deren anwendungsspezifische Ausprägung.

Dr. Adam Trendowicz ist Senior Engineer in der Abteilung Data Science am Fraunhofer IESE in Kaiserslautern.

Er verfügt über langjährige Erfahrung in der quantitativen Analyse von Softwareprojekten und -produkten in unterschiedlichen Branchen. Er hat diverse Aktivitäten in den Bereichen Messen, Vorhersage und Verbesserung von Software in Softwareunternehmen unterschiedlicher Größe und in verschiedenen Domänen geleitet. In diesem Kontext hat er Vorhersagemodelle für Softwarekosten und -qualität entwickelt und empirisch validiert.

Derzeit liegt der Tätigkeitsschwerpunkt von Dr. Trendowicz auf Datenqualität und -vorbereitung im Kontext von Maschinellem Lernen sowie auf dem Lean Deployment von datengetriebenen Innovationen auf Basis von Lösungen aus den Bereichen Maschinelles Lernen und Künstliche Intelligenz.    

Anna Maria Vollmer ist Senior Data Engineer am Fraunhofer IESE in der Abteilung Data Science. Seit ihrem Informatikstudium verantwortet sie dort insbesondere Evaluationen von Softwarelösungen, wie zuletzt in dem EU-Projekt Q-Rapids in Zusammenarbeit mit verschiedenen europäischen Partnern. Neben den Arbeiten in Forschungsprojekten gehören zu ihren Tätigkeiten auch Qualitätsbewertungen und die Mitentwicklung von daten-getriebenen Innovationen für Industriekunden.

Dennis Wegener ist Teamleiter des MLOps Teams am Fraunhofer Institut IAIS in Sankt Augustin und betreut Projekte im Bereich der Umsetzung von Machine Learning Pipelines in Produkten und Services. Sein Forschungsschwerpunkt liegt auf der Schnittstelle zwischen Software Engineering, verteilten Systemen und Machine Learning Pipelines.

Dorina Weichert ist Maschinenbauingenieurin und arbeitet und forscht am Fraunhofer IAIS im Bereich des Design of Experiments und der Bayesschen Optimierung. Am liebsten arbeitet sie mit Gaußschen Prozessen, die effizient wenige Daten mit Vorwissen zu einem vertrauenswürdigen Modell verknüpfen. Im Arbeitsalltag unterstützt sie im Industrial Analytics Team Fachexpert*innen bei der Versuchsplanung, Datenanalyse und Optimierung von Prozessen.

Dr.-Ing. Markus Wenzel ist seit 2005 beim Fraunhofer MEVIS in Bremen und forscht zu Machine-Learning-basierten Methoden im Bereich der Datenanalyse in der digitalen Medizin. Ein wesentlicher Schwerpunkt ist die Bildverarbeitung mit Deep Learning für die klinische Entscheidungsunterstützung.

Dr. Tim Wirtz ist promovierter Physiker und hat sich bereits während seiner Zeit als Doktorand mit der Frage beschäftig, welche Auswirkungen systematische und zufällige Ereignisse in komplexen, physikalischen Systemen auf Daten haben. Seit Mitte 2015 arbeitet er als Senior Data Scientist am Fraunhofer IAIS. Aktuell entwickelt er als stellvertretender Abteilungsleiter der Abteilung Knowledge Discovery Anwendungen der Künstlichen Intelligenz für viele Bereiche der deutschen und europäischen Industrie. Seine Arbeiten und Forschungsergebnisse finden u.a. im Bereich Retail, Automobilindustrie und Industrie 4.0 Anwendung. Er ist Autor verschiedener hochrangiger Veröffentlichungen im Bereich des Maschinellen Lernens.

Alexander Zimmermann ist Senior-Projektleiter und Senior-IT-Consultant am Fraunhofer Institut IAIS in Sankt Augustin und betreut Projekte in diversen Data Science Themenbereichen. Er strebt hierbei insbesondere an, Unternehmen bei der operativen Umsetzung von ML-Lösungen zu unterstützen und seine Erfahrung aus vielen Jahren Softwareentwicklung vereint mit Beratungstätigkeit gewinnbringend einzusetzen.