MIDS LOGO

Herzlich Willkommen auf der Seite des Lehrstuhls für Wissenschaftliches Rechnen

Die Arbeitsgruppe Wissenschaftliches Rechnen arbeitet an der Entwicklung und Untersuchung von Verfahren in der Data Science, insbesondere solchen basierend auf angewandter Harmonischen Analysis und der Funktionalanalysis. Fokusthemen inkludieren Signalverarbeitung, Informationstheorie, Abtasttheorie, Zeit-Frequenz Analyse, Quanitisierung und Maschinelles Lernen.

Die Arbeitsgruppe entwickelt zum Beispiel  effizienter Methoden zum Zusammensetzen (Synthetisieren) oder Zerlegen (Analysieren) von Funktionen oder Operatoren in gut verstandene Grundbausteine. Die Analyse bedarf die anwendungsabhängige Wahl der Grundbausteine und auf der stabilen Bestimmung des Gewichts jedes Bausteins in einem gegebenen Signal. Zum Beispiel kann ein Bild in rote, grüne und blaue Bereiche unterschiedlicher Intensität zerlegt werden. Die duale Operation ist die Synthese von Signalen. Mit denselben Bausteinen wie im Analyseschritt können wir Signale und Transformationen komponieren, oder hilfreich modifizierten Koeffizienten aus dem Analyseschritt nutzen um Signale zu rekonstruieren. In Bezug auf oben genanntes Beispiel, können wir ein Bild zeichnen, indem wir die Rot-, Grün- und Blaufelder und deren Intensitäten, d.h., deren Koeffizienten frei wählen.

Über uns

Neuigkeiten aus der Mathematik

Erfolgreiche Promotion von Dr. Daniel Müllerklein

Wir freuen uns über die erfolgreiche Disputation von Daniel Müllerklein.

Unter der Betreuung von Prof. Pirmin Fontaine leistete Daniel einen bedeutenden Beitrag im Bereich des resilienten Supply Chain Managements. Er entwickelte innovative, datengetriebene Lösungsansätze für strategische, taktische und operative Entscheidungen. Dabei setzte er fortgeschrittene kombinatorische Optimierungsverfahren wie z. B. Benders Dekomposition, neue Machine-Learning-Algorithmen sowie Heuristiken ein. Anhand von praxisnahen Daten konnte er die Anwendbarkeit seines methodischen Frameworks eindrucksvoll aufzeigen. Daniel setzt seine Karriere nun im familiengeführten Borne Firmengruppe als Geschäftsführer fort. Wir wünschen ihm für seine berufliche Zukunft alles Gute – und stets eine resiliente Supply Chain im Unternehmen.

Seine Dissertation führte zu vier wissenschaftlichen Artikeln. Einer davon ist bereits im European Journal of Operational Research (VHB: A) veröffentlicht. Zwei weitere befinden sich derzeit im Begutachtungsprozess in zwei führenden Fachzeitschriften (beide VHB: A).

  • Müllerklein, D., & Fontaine, P. (2025). Resilient transportation network design with disruption uncertainty and lead times. European Journal of Operational Research, 322(3), 827-840.
  • Müllerklein, D., Fontaine, P., & Ortmann, J. (2025). A Cost Focused Machine Learning framework for replenishment decisions under transportation cost uncertainty. Working Paper.
  • Müllerklein, D., & Fontaine, P., 2025. On product characteristics in a two-echelon resilient network design. Working Paper.
  • Müllerklein, D., 2025. A seven-step supply chain resilience framework for mitigating waterborne disruptions in transportation network design. Working Paper.

Mathematisches Institut für Maschinelles Lernen und Data Science

MIDS Logo

Der Lehrstuhl für Wissenschaftliches Rechnen ist Teil des neu gegründeten Mathematischen Instituts für Maschinelles Lernen und Data Science, kurz MIDS.
Finden Sie alle Informationen rund um das MIDS hier.

Eröffnung des MIDS

Vorschau Eröffnung MIDS

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 .