MIDS Logo

Herzlich Willkommen auf der Seite
der Professur für Datenassimilation

Um Unwetterereignisse oder das Abschmelzen des Eises in der Arktis vorhersagen zu können, müssen Informationen in Form von heterogenen Daten mit numerischen Modellen dynamischer Systeme verbunden werden. Dies geschieht durch die Datenassimilation, die es ermöglicht, Prozesse besser zu untersuchen und ihre weitere Entwicklung vorherzusagen.  Im Bereich der Datenassimilation beschäftigt sich die Professur mit der Fortentwicklung von Data Science Algorithmen durch die Einbeziehung von physikalischen Erhaltungsgesetzen und der Lösung entsprechend großer  Optimierungsprobleme in den Umweltwissenschaften.  Die Quantifizierung der Unsicherheiten von Vorhersagen, numerischen Modellen und Beobachtungen spielt hier ebenfalls eine zentrale Rolle. 

Über uns

Prof. Janjic stellt sich und den Lehrstuhl vor

Vorschaubild Tijana Janjic

Bitte beachten Sie: Durch Klicken auf die Bildfläche geben Sie Ihre Einwilligung, dass Videoinhalte von YouTube nachgeladen, Cookies von YouTube/Google auf Ihrem IT-System gespeichert und personenbezogene Daten wie Ihre IP-Adresse an Google weitergegeben werden. Klicken Sie nach Beendigung des Videoinhaltes auf ein anderes Video, öffnet sich in einem neuen Tab Ihres Browsers YouTube und erfasst weitere Daten von Ihnen. Weitere Informationen finden Sie in unseren Datenschutzhinweisen und unter Google Privacy .

Neuigkeiten aus der Mathematik

Erfolgreiche Promotion von Dr. Johannes Gückel

Wir freuen uns über die erfolgreiche Disputation von Johannes Gückel.

Unter der Betreuung von Prof. Pirmin Fontaine leistete Johannes einen bedeutenden Beitrag im Bereich der urbanen Logistik und der Zusammenarbeit von Logistikdienstleistern. Er entwickelte innovative mathematische Modelle, Metaheuristiken und Machine-Learning-Ansätze zur effizienten und fairen Gestaltung kooperativer City-Logistiksysteme. Dabei adressierte er insbesondere Fragestellungen der Netzwerkgestaltung, der fairen Kostenallokation sowie der praktischen Umsetzbarkeit solcher Kooperationskonzepte. Seine Methoden zeigen eindrucksvoll, wie sich Effizienz und Fairness in urbanen Logistiksystemen gemeinsam berücksichtigen lassen.

Johannes setzt seine Karriere nun als Data Scientist bei dm-drogerie markt fort. Wir wünschen ihm für seine berufliche Zukunft alles Gute.

Seine Dissertation führte zu vier wissenschaftlichen Artikeln, die bereits in renommierten Fachzeitschriften veröffentlicht oder zur Veröffentlichung angenommen wurden:

  • Gückel, J., Crainic, T.G., & Fontaine, P. (2026). A two-step large neighborhood search for a collaborative two-tier city logistics system. European Journal of Operational Research (VHB: A).
  • Gückel, J., Crainic, T.G., & Fontaine, P. (2025). Tactical planning in cooperative two-tier city logistics systems with fairness constraints. Sustainability Analytics and Modeling (VHB: B).
  • Gückel, J., & Fontaine, P. (2025). Fast Shapley Value Approximation Through Machine Learning With Application in Routing Problems. Networks (VHB: A).
  • Gückel, J. (2025). Approximating Shapley values with subcoalition Shapley values in routing problems. Transportation Research Procedia (VHB: C).

Mathematisches Institut für Maschinelles Lernen und Data Science

Logo MIDS

Die Heisenberg Professur ist Teil des Mathematischen Instituts für Maschinelles Lernen und Data Science, kurz MIDS.
Finden Sie alle Informationen rund um das MIDS hier.