Abstracts

show Content Data Thinking - Datengetriebene Strategien zur digitalen Transformation (Michael Unterreitmeier, dotSource GmbH)

Was zeichnet erfolgreiche Digitalisierung aus? Sollten bestehende Prozesse automatisiert und möglichst viele Daten gesammelt werden oder ist es vielmehr notwendig, eine Strategie für digitale Systemlandschaften zu etablieren?
Es ergeben sich Veränderungen in Abläufen, die Auswirkungen auf alle Bereich von Systemen haben und deren Strukturen beeinflussen. Data-Thinking eine Methode, die das Design-Thinking mit der Datenanalyse und dem Data-Mining kombiniert wird zu Beginn der Transformation eingesetzt.
Im Vortrag werden Bedürfnisse und Methodiken herausgestellt und kreative Lösungen für datengetriebene Prozesse anschaulich dargestellt.

Zur Person

Michael Unterreitmeier (geb. 1977 in Jena) studierte bis 2003 Elektrotechnik an der Ernst-Abbe-Hochschule in Jena. Seine berufliche Laufbahn begann bei der IBM Deutschland GmbH als Datenbankentwickler. Ab 2007 fokussierte er sich auf die Themen Datenanalyse und Business Intelligence. Zu diesen beiden Themen übernahm er bis 2017 die Beratung vieler internationaler Unternehmen im Automotiv- und Telekommunikationsbereich sowie die Leitung agiler Projekte. Seit 2018 ist er bei der dotSource GmbH in Jena beschäftigt und arbeitet mit seinem Team an Lösungen zur Digitalisierung von Prozessen und neuen Digitalen Services.

show Content Medical Data Science - mehr als datengetriebene Medizin und die Anwendung von Algorithmen (André Scherag, Universitätsklinikum Jena)

Die Entwicklung und Nutzung umfassender Datenbestände aus der medizinischen Versorgung sollen helfen, wichtige medizinische Fragestellungen zu beantworten. Lernendes Gesundheitssystem, datengetriebene Medizin und Big-Data sind Begriffe, die diese Entwicklung überschreiben. Unter dem Begriff Medical Data Science wird versucht, sich den dabei entstehenden Herausforderungen zu stellen. Im Vortrag wird versucht, dies anhand von Beispielen zu erläutern. Ziel ist es, zu verdeutlichen, welche besonderen Aspekte im medizinischen Kontext zu beachten sind, um die Möglichkeiten des digitalen Wandels unter Berücksichtigung ethischer Aspekte zu nutzen.

Zur Person

André Scherag (geb. 1974 in Bad Hersfeld), studierte Psychologie in Marburg und Biometrie/Biostatistik in Heidelberg. Er promovierte in Marburg am Institut für Medizinische Biometrie und Epidemiologie zu einem Thema an der Grenze zwischen Biostatistik und Bioinformatik und wechselte 2007 ans Universitätsklinikum Essen. In Essen war er Leiter der Biometrie am Zentrum für klinische Studien Essen sowie Leiter der Arbeitsgruppe Biometrie und Bioinformatik am Institut für Medizinische Informatik, Biometrie und Epidemiologie. Nach Habilitation und Venia legendi für die Fächer „Medizinische Informatik, Biometrie und Epidemiologie“, wechselte er 2013 nach Jena. Seit 2017 ist er Direktor des Instituts für Medizinische Statistik, Informatik und Datenwissenschaften und seit 2018 Vorstandsmitglied des Michael Stifel Center Jena. Sein Hauptinteresse dreht sich um Fragen, wie eine „personalisierte“ und zunehmend datengetriebene Medizin evidenzbasiert(er) werden kann.

show Content Die Evolution des Hauptspeicherdatenbanksystems HyPer: Von Transaktionen und Analytik zu Big Data sowie von der Forschung zum Technologietransfer (Viktor Leis, FSU)

HyPer wurde im Jahr 2010 mit der Idee begonnen, ein effizientes und skalierbares Hauptspeicherdatenbanksystem für heterogene Arbeitslasten aus Transaktionen und Analyseanfragen zu entwickeln. Im Vortrag werden einige der dahinter steckenden innovativen Techniken vorgestellt sowie der Weg von HyPer von einem universitären Prototyp zum Technologietransfer in die Industrie beschrieben.

Zur Person

Viktor Leis forscht im Bereich Datenbanksysteme und deren Optimierung für moderne Hardware. Ab April 2019 leitet er die Arbeitsgruppe für Datenbanken und Informationssysteme der Friedrich-Schiller-Universität Jena. Viktor Leis studierte zunächst Wirtschaftsinformatik an der OTH Regensburg. Darauf folgten das Masterstudium in Informatik, die Promotion, sowie eine Postdoc-Phase an der Technischen Universität München, die durch Forschungsaufenthalte bei IBM Research Almaden und an der Carnegie Mellon University unterbrochen wurden.

show Content Eine Einführung in Quantenalgorithmen und ihre Auswirkungen auf die Kryptographie (Alexander May, CASA, Ruhr-Universität Bochum)

Der Vortrag gibt einen Überblick über die Funktionsweise von Quantenrechnern und deren wichtigste Algorithmen. Interessanterweise lösen Quantenrechner besonders effizient Probleme der Kryptographie, auf denen die Sicherheit gängiger IT-Lösungen für Verschlüsselung, Signaturen und Authentisierung beruht. Daher findet in der Kryptographie derzeit ein großer Umschwung in Richtung von kryptographischen Problemen statt, die auch auf Quantenrechnern schwer sind, inklusiver einer internationalen Standardisierungsinitiative. 

Zur Person

Alexander May (geboren 1974 in Friedberg) studierte Informatik in Frankfurt. Er promovierte an der ETH Zürich und der Universität  Paderborn 2003 im Bereich Kryptographie. Ab 2005 war er Juniorprofessor an der TU Darmstadt und seit 2007 leitet er den Lehrstuhl für Kryptologie an der Ruhr-Universität Bochum. Derzeit ist er Teil des DFG-Exzellenzclusters CASA (Cyber Security in the Age of Large-Scale Adversaries) und Direktor des Center of Computer Science an der Ruhr-Universität Bochum. Sein Hauptinteresse gilt der Algorithmik schwerer Probleme der Kryptographie. 

show Content Automatic detection of informative tweets during disasters (Anna Kruspe, DLR)

Messages on social media can be an important source of information during a disaster. They can frequently provide details about developments much faster than traditional sources (e.g. official news) and can offer personal perspectives on events, such as opinions or specific needs. In the future, these messages can also serve to assess disaster risks.

One challenge for utilizing social media in disaster situations is the detection of informative messages in a flood of data. Researchers have started to look into this problem in recent years, beginning with crowd-sourced methods. Lately, approaches have shifted towards an automatic analysis of messages.

In this talk, we present methods for the automatic detection of crisis-related messages (tweets) on Twitter. We start by showing the varying definitions of importance and relevance relating to disasters, as they can serve very different purposes. This is followed by an overview of existing data sets.

We then compare approaches for solving this problem based on Machine Learning techniques with regard to their focus, their data requirements, their technical prerequisites, their efficiency and accuracy, and their time scales. These factors determine the suitability of the approaches for different expectations, but also their limitations. We identify which aspects each of them can contribute to the detection of informative tweets, and which areas can be improved upon in the future.

We point out particular challenges, such as the linguistic issues concerning this kind of data. Finally, we suggest future avenues of research, and show connections to related tasks, such as the subsequent semantic classification of tweets.

Zur Person

Anna Kruspe studierte und promovierte an der Technischen Universität Ilmenau im Bereich Medientechnologie. Sie ist wissenschaftliche Mitarbeiterin am DLR-Institut für Datenwissenschaften in Jena, wo sie sich mit der automatischen Analyse von Social-Media-Daten im Katastrophenkontext beschäftigt und im Moment eine neue Gruppe zum Thema Maschinelles Lernen aufbaut. Zuvor forschte sie am Fraunhofer-Institut für Digitale Medientechnologie auf den Gebieten Spracherkennung und Musikanalyse. Sie führte Forschungsaufenthalte an der Johns Hopkins University, Baltimore, USA, sowie am National Institute of Advanced Industrial Science and Technology, Tsukuba, Japan, durch.

show Content Datenquelle Fahrzeug – Straßengütertransport 4.0 (Harald Hempel, DAKO)

Fahrzeuge im gewerblichen Gütertransport generieren eine Vielzahl von Daten, die nicht nur für den Betrieb der Fahrzeuge an sich von großem Interesse sind. Aufgrund der zunehmend komplexeren Abhängigkeiten innerhalb einer Logistikkette werden diese Daten essentiell für alle vor- und nachgelagerten Prozesse. Autonome Fahrzeuge werden zukünftig in besonderem Maße derartige Daten erzeugen und auch von Ihnen abhängig sein.

Im Vortrag wird ein Überblick über die verschiedenen Datenarten, ihre Verarbeitung und ihren Einfluss auf die praktischen Belange im Straßengütertransport gegeben. Und nicht nur für Transportunternehmen und Produktionsstätten bedeuten diese Daten bares Geld, auch für Kontrollbehörden.

Zur Person

Als Leiter für Innovation & Forschung der DAKO GmbH engagiert sich Dr. habil. Harald Hempel in besonderem Maße für die Themen Digitalisierung und Elektromobilität im Transportgewerbe. Besonderer Fokus liegt dabei auf den Anforderungen, die sich aus dem zukünftigen Einsatz autonomer Fahrzeuge ergeben.

Er ist Gesamtprojektleiter des F&E-Vorhabens SMART DISTRIBUTION LOGISTIK, einem vom BMWI geförderten Verbundprojekt zum wirtschaftlichen Einsatz von Elektrofahrzeugen in der Medien-, Pharma- und Foodlogistik. Als Organisator des jährlich stattfindenden SMART CITY LOGISTIK Kongresses ist er zudem eng mit den Entwicklungen im Bereich der gewerblichen Elektromobilität verbunden und setzt sich stark für die Vernetzung von Herstellern und Anwender elektrischer Nutzfahrzeuge ein.