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. 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

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 .