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

MAS-TOB beim BMFTR-Statustreffen „Mathematik für Innovationen“

Am 1. und 2. Oktober 2026 fand im Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR) in Bonn das Statustreffen „Mathematik für Innovationen“ statt. Mit dabei war auch das Verbundprojekt "MAS-TOB: Mehrskalenanalyse und Strukturoptimierung patientenspezifischer therapeutischer Orthesen und Bandagen", das in diesem Jahr gestartet ist und in den kommenden drei Jahren gefördert wird.

 

Das Projektteam der drei Standorte Fraunhofer ITWM Kaiserslautern, RPTU Kaiserslautern-Landau und KU Eichstätt-Ingolstadt war mit Anna Simon und Prof. Dr. Carolin Kreisbeck vom Lehrstuhl Analysis der KU sowie Dr. Julia Orlik vom Fraunhofer ITWM vertreten. Anna Simon stellte MAS-TOB im Rahmen der Kurzpräsentationen vor. Die anschließende Postersession bot zudem Gelegenheit zu anregenden Diskussionen und fachlichem Austausch.

Zentrales Ziel von MAS-TOB ist es, eine Methodik und darauf aufbauend eine Softwarelösung als digitalen Zwilling zu entwickeln, mit der sich vorhersagen lässt, wie unterschiedliche Gestricke bedruckt werden müssen, um gezielte lokale Versteifungen und Bewegungseinschränkungen zu erreichen. Dabei arbeitet das Projektteam eng mit dem Industriepartner Sporlastic zusammen.

Ein besonderes Merkmal des Verbundprojekts ist der umfassende Ansatz, der verschiedene mathematische Disziplinen eng miteinander und mit der Anwendung verbindet: von Modellierung und Analysis über Optimierung, Numerik und Simulation bis hin zur Umsetzung in patientenspezifische Produkte.

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.