Schulungsdozent*innen

Héctor Allende-Cid erhielt den Diplom-Ingenieur (2007), M.S. (2009) und Ph.D. (2015) in Informatikingenieurwesen von der Universidad Técnica Federico Santa María, Chile. Seit 2015 ist er Professor an der School of Informatics Engineering der Pontificia Universidad Católica de Valparaíso, Chile. Im Jahr 2023 trat er dem Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme (Fraunhofer IAIS), Deutschland, als Senior Researcher in der Arbeitsgruppe Natural Language Understanding bei. Von 2017 bis 2021 war er Präsident der Chilenischen Gesellschaft für Pattern Recognition. Seine Forschungsinteressen umfassen die Natural Language Processing, Pattern Recognition und Time Series Analysis. Er hat in diesen Bereichen umfangreich publiziert und trägt weiterhin zur Entwicklung fortschrittlicher KI-gestützter Technologien bei.

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.

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. 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.

Niklas Bunzel ist Wissenschaftler am Fraunhofer SIT, dessen Forschungsinteressen sich auf die Bereiche Künstliche Intelligenz (KI), Steganographie und IT-Sicherheit konzentrieren. Im Rahmen seiner Tätigkeit widmet er sich intensiv den Themen Robustheit beim maschinellen Lernen, KI-Standardisierung und -Gesetzgebung sowie der Erkennung von Deepfakes. Das zentrale Thema Robustheit von KI, bildet die Brücke zwischen seinen Hauptinteressen KI und IT-Sicherheit. In diesem Kontext untersucht er, wie maschinelles Lernen widerstandsfähiger gegenüber Angriffen und Fehlern gemacht werden kann.

Bernd Dworschak ist Arbeitswissenschaftler und -soziologe und arbeitet seit 2002 am Fraunhofer-Institut für Arbeitswirtschaft und Organisation. Seit 2016 leitet er das Team Kompetenzmanagement mit den aktuellen Forschungsschwerpunkten Transformation von Arbeit durch Digitalisierung und Künstlicher Intelligenz, Future Skills, Gestaltung strategischen Kompetenzmanagements sowie der Früherkennung von Qualifikationsbedarfen. Ein wesentlicher Bestandteil seiner Tätigkeiten liegt in der interdisziplinären praxisnahen Kompetenzentwicklung in einer digitalisierten Arbeitswelt und der Gestaltung von Weiterbildung unter Einbezug neuer technologischer Entwicklungen.

Stelios Emmanouilidis hat seinen B.Sc. in Physik absolviert und strebt nun nach seinem M.Sc. in theoretischen Physik. Er arbeitet als Research Assistant am Fraunhofer IAIS in der Abteilung Quantum Machine Intelligence. Er beschäftigt sich sowohl mit nützlichen Einsatzgebieten von Quantencomputing/-optimierung im Maschinellen Lernen als auch mit der Optimierung von Quantenhardware mit Maschinellem Lernen.

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 Friedmann ist Maschinenbauingenieur und seit 2005 wissenschaftlicher Mitarbeiter am Fraunhofer-Institut für Betriebsfestigkeit und Systemzuverlässigkeit (LBF). Seit 20 Jahren ist er in der experimentellen Systemanalyse tätig und hat daraus seine Forschungsschwerpunkte hin zu Zustandsüberwachung und technischer Diagnose entwickelt. Ganz im Sinne der Fraunhofer-Mission denkt er bei technologischem Fortschritt wie z. B. der Nutzbarmachung von KI immer auch die unternehmerische Dimension im Sinne von Kundennutzen und Geschäftsmodellen mit.

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.

Sujan Sai Gannamaneni ist Data Scientist am Fraunhofer IAIS in Sankt Augustin im Team KI-Absicherung und -Zertifizierung. Seine Forschungsschwerpunkte sind die Entwicklung neuer Testmethoden für KI-Modelle mit dem Fokus auf die Identifizierung systematischer Schwächen in den Modellen. Er ist an Projekten zur Sicherstellung der Vertrauenswürdigkeit beim autonomen Fahren beteiligt.

Dr. Alexander Geng ist seit Abschluss seines Mathematikstudiums als wissenschaftlicher Mitarbeiter am Fraunhofer ITWM in Kaiserslautern in der Abteilung Bildverarbeitung tätig. Speziell beschäftigt er sich mit der Kombination von Quantencomputing, Bildverarbeitung und KI mit Fokus auf der Nutzbarkeit der aktuellen Quantenhardware.

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.

Thore Gerlach arbeitet als Research Scientist in der Abteilung Quantum Machine Intelligence am Fraunhofer IAIS.

Thore hat seinen B.Sc. in Mathematik und seinen M.Sc. in Computer Science absolviert.  Er beschäftigt sich sowohl mit nützlichen Einsatzgebieten von Quantencomputing/-optimierung im Maschinellen Lernen als auch mit der Optimierung von Quantenhardware mit Maschinellem Lernen. 

Karin Hamann ist Diplom-Psychologin und arbeitet seit 2001 am Fraunhofer-Institut für Arbeitswirtschaft und Organisation (IAO). Von 2008-2011 war sie im Rahmen einer Entsendung für die Einführung virtueller Meetings an der European Medicines Agency (EMA) in London zuständig. Aktuelle Arbeitsschwerpunkte liegen auf der Gestaltung von Kommunikation in virtuellen Umgebungen und hybrider Lernsettings, Internationalisierung beruflicher Bildung sowie der Analyse von Veränderungen beruflicher Anforderungen im Zuge der Digitalisierung.  

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.

Lennard Helmer ist Senior Data Scientist im Bereich AI Assurance and Assessments. Nach seinem Master of Science in Business Analytics mit Schwerpunkt Mathematik und Informatik an der Technischen Universität Freiberg sammelte er mehrere Jahre Erfahrung in der KI-Beratung. Seit 2023 bringt er dieses Know-how am Fraunhofer IAIS ein.

Seine Arbeit konzentriert sich auf die Operationalisierung von Anforderungen an vertrauenswürdige Künstliche Intelligenz und die Umsetzung regulatorischer Vorgaben im KI-Entwicklungsprozess – mit besonderem Fokus auf die Beherrschung von Risiken.

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.

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.

Kilian Kleeberger ist seit 2017 als wissenschaftlicher Mitarbeiter in der Abteilung Roboter- und Assistenzsysteme am Fraunhofer IPA tätig. Seine Forschungsarbeiten konzentrieren sich auf die Themen Maschinelles Lernen, Bildverarbeitung, Robotik und Simulationen. Spezialisiert ist er auf die roboterbasierte Vereinzelung chaotisch bereitgestellter Objekte (»Griff-in-die-Kiste«).

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.

Simon Kupjetz ist Maschinenbauingenieur und seit 2020 als wissenschaftlicher Mitarbeiter am Fraunhofer-Institut für Betriebsfestigkeit und Systemzuverlässigkeit (LBF) beschäftigt. Sein Schwerpunkt liegt in der Weiterentwicklung von FMEA-basierten Methoden zur Bewertung der Sicherheit und Zuverlässigkeit von aktiven Systemen. Ein wesentlicher Bestandteil der Tätigkeit ist die Befragung von Experten aus verschiedenen Abteilungen zu möglichen Ausfällen und die Ermittlung von Zuverlässigkeitskennzahlen.

Alexander Mattern 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

Seit August 2023 bereichert Emmy Lai als Data Scientist und wissenschaftliche Mitarbeiterin das Team Natural Language Understanding (NLU) am Fraunhofer IAIS in Sankt Augustin. In ihrer Funktion als Projektleiterin betreut sie eine Vielzahl von Projekten sowohl in der Industrie als auch in der Forschung. Im Rahmen ihrer Promotion erforscht sie das faszinierende Feld der "Autonomous Agents" durch den Einsatz von generativer KI in Projektprozessen.

Thorsten Leimbach ist Leiter des Geschäftsfeldes „Smart Coding and Learning“ am Fraunhofer IAIS und leitet die Initiative „Roberta® – Lernen mit Robotern“. Unter anderem verantwortet er die Weiterentwicklung und Verbreitung des Open Roberta Labs. Dazu ist er als Trainer für den Schulungskurs „Training: Moderne KI Tools im Führungsalltag“ tätig. Thorsten Leimbach studierte Wirtschaftsinformatik und Business Administration an den Hochschule Bonn-Rhein-Sieg und RWTH Aachen.  

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.

Valentin Mees ist Ingenieur der Elektro- und Informationstechnik und seit 2018 am Fraunhofer-Institut für Betriebsfestigkeit und Systemzuverlässigkeit LBF im Bereich Adaptronik in der Gruppe "Autonome Regelung komplexer Systeme" tätig. Seine Forschungsschwerpunkte liegen in den Bereichen Active Noise Control (ANC) und Active Vibration Control (AVC), die sich mit der aktiven Geräusch- und Schwingungsreduktion beschäftigen. Darüber hinaus arbeitet er an mechanischen Hardware-in-the-Loop (HIL)-Systemen, die eine realitätsnahe Simulation und Erprobung mechanischer Systeme ermöglichen. Ein weiterer Schwerpunkt seiner Arbeit ist das KI-basierte Condition Monitoring, bei dem künstliche Intelligenz zur Überwachung und Analyse von Systemzuständen eingesetzt wird.

Jonathan Millitzer ist Ingenieur der Elektro- und Informationstechnik und seit 2010 am Fraunhofer-Institut für Betriebsfestigkeit und Systemzuverlässigkeit (LBF) beschäftigt. Dort leitet er die Gruppe Autonome Regelung dynamischer Systeme. Seine Forschungsschwerpunkt ist die angewandte Kybernetik, die untere anderem Aspekte des Maschinelles Lernens, der Kognition und Adaption vereint. Im Bereich der künstlichen Intelligenz entwickelt er wissensbasierte und erklärbare KI-Methoden für die Zustandsüberwachung bis hin zur industriellen Anwendungsreife.

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. Ali Moghiseh ist seit 2007 als wissenschaftlicher Mitarbeiter am Fraunhofer-Institut für Techno- und Wirtschaftsmathematik (ITWM) in Kaiserslautern in der Abteilung Bildverarbeitung tätig. Seine Forschung konzentriert sich auf mathematische Algorithmen für die Bildverarbeitung sowie auf maschinelles Lernen. Seit 2020 erforscht er Anwendungen des Quantencomputings in der Bildverarbeitung. Dr. Moghiseh leitet ein Team von Forschern, die sich auf Quantenalgorithmen in der Bildverarbeitung spezialisiert haben.

Dr. Gerhard Paaß ist als Senior Scientist am Fraunhofer IAIS tätig und verfügt über langjährige Erfahrung als Projektleiter von angewandten Forschungs- und Wirtschaftsprojekten sowie als Dozent an den Universitäten Bonn, Leipzig und Brisbane. Er gründete die Textmining-Gruppe am Fraunhofer IAIS und ist maßgeblich an der Entwicklung von Verfahren zur semantischen Analyse von Texten beteiligt. Aktuelle Arbeitsschwerpunkte sind Informationsextraktion, Textklassifikation sowie semantisches Lernen durch Large Language Models. Er hat die Grundlagen tiefer Neuronaler Netze in der Monographie »Künstliche Intelligenz - Was steckt hinter der Technologie der Zukunft?« (https://link.springer.com/book/10.1007/978-3-658-30211-5) beschrieben und einen Überblick über aktuelle Sprachmodelle unter dem Titel »Foundation Models for Natural Language Processing - Pre-trained Language Models Integrating Media« (https://link.springer.com/chapter/10.1007/978-3-031-23190-2) als Open Access Buch bei Springer-Nature publiziert.

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. Maximilian Poretschkin ist promovierter Physiker und Gruppenleiter am Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS und verantwortet dort die Aktivitäten im Bereich Absicherung, Prüfung und Standardisierung von Künstlicher Intelligenz. Seine Forschungsinteressen umfassen schwerpunktmäßig die Entwicklung von Kriterienwerken und Werkzeugen für die Prüfung von KI-Systemen. Zusammen mit seiner Forschungsgruppe hat er einen der ersten KI-Prüfkataloge veröffentlicht, welcher mittlerweile Grundlage für viele KI-Prüfungen ist.

Dr. Poretschkin hat langjährige Erfahrung in der Leitung von Projekten im Bereich der vertrauenswürdigen KI mit weltweiten Industriepartnern und berät Organisationen und Behörden zu dieser Thematik. Besonders hervorzuheben ist die Konsortialleitung des Projekts ZERTIFIZIERTE KI, welches zusammen mit dem Bundesamt für Sicherheit in der Informationstechnik und dem Deutschen Institut für Normung sowie weiteren Partnern aus Forschung und Industrie Prüfgrundlagen für KI-Systeme entwickelt. Er hat zudem die Arbeitsgruppe „KI-Prüfung und -Zertifizierung“ innerhalb der Normungsroadmap KI von DIN und DKE geleitet.

Dr. rer. nat. Andreas Pippow ist Data Scientist am Fraunhofer-Institut für Angewandte Informationstechnik FIT und Experte für kontinuierliches Lernen in Data Science. Als Fraunhofer-Forschungsleiter engagiert er sich besonders für den Transfer unserer Technologien und unseres Wissens. Dazu gehört es, geeignete interne Strukturen zu schaffen und die Bedürfnisse der Kunden zu verstehen. Kontinuierliches Lernen sieht er als einen wichtigen Transferpfad für eine Wissensorganisation wie Fraunhofer.

Paul Ranly ist als wissenschaftlicher Mitarbeiter am Fraunhofer-Institut für Sichere Informationstechnologie (SIT) beschäftigt. Seine Forschungsschwerpunkte liegen in der Schnittstelle zwischen Natural Language Processing (die Verarbeitung natürlicher Sprache) und Künstlicher Intelligenz (KI). Primär forscht er an neuen Möglichkeiten, um mithilfe von KI aktuelle Probleme im Umgang mit Textdaten lösen zu können. Dies umfasst beispielsweise Herausforderungen wie die datenschutzkonforme Anonymisierung, die automatische Erkennung und Zuordnung von Autoren eines Textes und die Erkennung von Desinformationen.

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.

Dr. Laura von Rueden ist seit 2018 als Data Scientist am Fraunhofer IAIStätig und hat über das Thema Informed Machine Learning mit Anwendung in Autonomen Fahrsystemen promoviert. Zuvor war sie als IT Consultant für Big Data Analytics tätig. Bei Fraunhofer berät sie Unternehmen zum Einsatz von Künstlicher Intelligenz.

Karla Schäfer ist Wissenschaftlerin am Fraunhofer SIT. Am SIT werden unter anderem Themen in den Bereichen Künstliche Intelligenz (KI), Steganographie und IT-Sicherheit untersucht. Im Rahmen ihrer Tätigkeit widmet sie sich intensiv den Themen Generalisierbarkeit und Robustheit beim maschinellen Lernen sowie der Erkennung von Audio Deepfakes und KI-generierten Texten. Im Kontext KI und IT-Sicherheit untersucht sie, wie maschinelles Lernen widerstandsfähiger gegenüber Fehlern gemacht werden kann.

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.

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.

Dr. Benny Stein ist seit 2023 am Fraunhofer IAIS tätig und seit Ende 2024 Teamleiter des Teams für Machine Learning Operations. Er hat als angewandter Mathematiker im Bereich Uncertainty Quantification promoviert und unterstützt nun mit seiner langjährigen Erfahrung in der Lehre und seinem Wissen über Machine Learning Operations das Data-Science-Schulungsprogramm als Dozent, z.B. in den Kursen
- Data Scientist specialized in Machine Learning Operations,
- In-house Bereitstellung und Betrieb von generativen KI-Modellen,
- Fortgeschrittene Prompting-Techniken, und
- Kompakteinstieg Machine Learning Operations.

Der Schwerpunkt seiner Arbeit in Wirtschafts- und Forschungsprojekten liegt im Bereich der Bereitstellung, des Betriebs und Monitorings von generativen KI-Anwendungen als Teil des Machine Learning Lifecycles.

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.

Georg Stoll ist Computational Engineer und seit 2012 wissenschaftlicher Mitarbeiter am Fraunhofer-Institut für Betriebsfestigkeit und Systemzuverlässigkeit (LBF). Seine Schwerpunkte liegen in den Bereichen der Modellierung und Simulation des dynamischen Verhaltens von Strukturen und Systemen und der virtuellen Entwicklungsmethoden. Seit 2021 leitet er am LBF die Forschungsgruppe Numerische Methoden und Analysen in der Strukturdynamik. Mit seinen Kollegen bringt er komplexe und abstrakte Berechnungsmethoden in konkrete Anwendungen bei Kunden und Partnern.  

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.

Markus Völk ist seit 2019 wissenschaftlicher Mitarbeiter am Fraunhofer IPA, wo er sich in seiner Projekt- und Forschungsarbeit überwiegend mit Bildverarbeitung und Maschinellem Lernen beschäftigt. Der Anwendungsfokus seiner Arbeit in der Abteilung Roboter- und Assistenzsysteme am Fraunhofer IPA liegt dabei insbesondere im Bereich der Handhabung und Intralogistik.

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.

Moritz hat einen MSc in Computational Science and Engineering und arbeitet als Forscher im Bereich Quantencomputing am Fraunhofer IPA in Stuttgart. Seine Expertise umfasst sowohl klassisches maschinelles Lernen als auch Quantencomputing.

Dr. Tim Wirtz ist promovierter Physiker und seit 2022 Leiter der Abteilung Enterprise Information Systems (EIS) am Fraunhofer IAIS in St. Augustin. Zuvor war Dr. Wirtz am IAIS mehrere Jahre als Data Scientist und stellvertretender Leiter der Abteilung Knowledge Discovery (KD) tätig. In seiner aktuellen Position widmet er sich der Entwicklung innovativer, datengetriebener Lösungen unter den Herausforderungen geringer Datenverfügbarkeit und hoher Datenerhebungskosten. Mithilfe einer Kombination aus Wissen, Experimenten, Simulationen und Künstlicher Intelligenz schafft seine Abteilung entscheidende Mehrwerte für Unternehmen und treibt die Forschung voran.

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.

Alexander Zorn ist studierter Mathematiker und Informatiker und forscht am Fraunhofer Institut IAIS im Bereich MLOps und der Beratung von großen Sprachmodellen. Besonders gerne berät er bei dem Einsatz von großen Sprachmodellen mit Formaten wie dem Innovation Briefing Generative KI. Im Arbeitsalltag unterstützt er im MLOps Team Fachexpert*innen dabei KI Use Cases in die Anwendung zu bringen.

Niels Becker ist Elektroingenieur und seit Juli 2022 als wissenschaftlicher Mitarbeiter im Bereich Embedded KI am Fraunhofer IMS tätig. Als Projektleiter sowie als Entwickler hat er sich in dieser Zeit sowohl mit dem Einsatz von KI in der Medizin als auch im industriellen Bereich beschäftigt.

Felix Wichum ist seit 2020 beim Fraunhofer IMS in der Gruppe für Embedded AI tätig. Sein Forschungsschwerpunkt ist der Einsatz von Künstlicher Intelligenz bei der Bild- und Signalverarbeitung. In seiner Promotionsarbeit beschäftigte er sich mit Maschinellem Lernen für die kontaktlose Messung von Vitalparametern.

Dr. Axel Plinge hat an der TU Dortmund Informatik studiert und in dieser Zeit bei der Lehre und vielen Forschungs- und Industrieprojekten mitgearbeitet. Er schloss mit einer Promotion hat zu Sprecherverfolgung, Geometriekalibrierung von Mikrofonarrays, und Künstlicher Intelligenz (KI) ab.

Er ist seit 2017 am Fraunhofer IIS tätig. Er vertat das Institut in der Standardisierung von KI bei ISO/MPEG. Seit 2020 ist er Führungskraft und leitet seit Ende 2024 die Forschungsgruppe Efficient AI.

Jakob Schubert ist als Ingenieur für Mechatronik seit Anfang 2023 Teil des Teams Machine Learning & Validation am Fraunhofer IIS in Nürnberg. Er beschäftigt sich dabei mit dem Benchmarking und der Prädiktion von Energiebedarf der Ausführung von KI auf kleinen eingebetteten Systemen. Außerdem ist er im Bereich der Detektion und des Trackings von Objekten in Bilddaten tätig.

Maximilian Kasper ist seit Anfang 2024 als Data Scientist im Team Machine Learning & Validation am Fraunhofer IIS tätig.

Seine Arbeitsschwerpunkte liegen in der Bestimmung der Nachhaltigkeit von KI-Anwendungen sowie der Entwicklung von Tools zur automatisierten Leistungsbewertung von KI auf Mikrocontrollern.

Christopher Sobel arbeitet als zertifizierter Senior Data Scientist im Team Machine Learning & Validation am Fraunhofer IIS in Nürnberg. Dort arbeitet und forscht er seit 2018 unter anderem in den Bereichen Machine Learning, AutoML sowie der Sensordatenanalyse. Des Weiteren repräsentiert er seit 2022 das Mittelstand-Digital Zentrum als KI-Trainer. Hier hält er diverse Schulungen und wirkt in Umsetzungsprojekten mit industrienahem Kontext mit.