Position: Lab Leiter TECO

Promoviert habe ich am TECO zu “Middleware für Ubiquitäre Systeme”, nachdem ich lange im Bereich des Internet der Dinge geforscht habe: seien es intelligente Sensornetzwerke, Track & Trace, AR-gestützte Wartung oder intelligente Umgebungen. Vieles was 2005 noch Forschung war, ist heute Realität. Je mehr Daten dabei aus der Realität gesammelt wurden, desto mehr wurden Maschinelle Lernverfahren relevant.

Nach meiner Promotion 2012 war für mich klar, dass ich mich diesem spannenden Bereich widmen wollte. Seitdem habe ich an Projekten zum Mining und Archivierung von Business Prozessen, zur Nutzung von neuen Interaktionsformen zur Barrierefreiheit, zu intelligenten Industrie4.0 Apps und zur Messung und Vorhersage von Luftqualität gearbeitet. Alles Bereiche in denen Maschinelles Lernen eine wichtige Rolle spielt.

Seit 2014 lehre ich hierzu auch am KIT die Vorlesung “Kontext-sensitive Systeme”, bei der es um die Nutzung von Zeitseriendaten zur Situationserkennung mittels Maschinellen Lernen geht. Seit 2014 bin ich am Aufbau des Smart Data Innovation Labs (www.sdil.de) und des Smart Data Solution Centers beteiligt (Viele praktische Erfahrungen aus der Anfangszeit habe ich zusammen mit Andreas Wierse im Buch “Smart Data Analytics” aufgeschrieben).

Auch wenn ich mittlerweile viele organisatorische Aspekte mitbetreue, versuche an so vielen Potentialanalysen wie möglich dabei zu sein. Mir macht insbesondere eine große Freude neue Ideen zur Verarbeitung von Daten zu entwickeln. Gerade die interne Diskussion von Ergebnissen im Team finde ich sehr fruchtbar und lehrreich. Vieles was mich früher an dem Entwurf von Softwarearchitekturen gereizt hat, finde ich heute beim Entwurf von KI-Architekturen wieder. Zusätzlich genieße ich das interdisziplinäre Umfeld im Projekt. Was mich insbesondere interessiert sind bessere Entwicklungsmethoden für Data Analytics, wie sie für den Bereich Software etabliert sind, aber dann doch noch nicht für Maschinelles Lernen funktionieren.