Mathematiker*innen im Beruf
Mathematik und Finanzwelt
Die Mathematik und das Risiko
Mit Chancen und Risiken besch?ftigt sich jeder von uns t?glich. Nehme ich den Regenschirm mit, oder gehe ich das Risiko ein komplett durchn?sst an meinem Zielort anzukommen? Finanzkrisen haben gezeigt, dass auch Banken sich nicht nur mit ihren Chancen, sondern auch mit ihren Risiken besch?ftigen müssen. Und genau hier kommt die Mathematik ins Spiel. Sie hilft bei der Modellierung von schwankenden Marktpreisen, um m?glichen hohen Verlusten vorzubeugen. Sie hilft aber auch bei der Modellierung von m?glichen Krisen, in dem sie Auswirkungen von Lieferengp?ssen oder politischen Umstürzen abbildet. Das Anwendungsfeld von Mathematik ist sehr breit bei Banken und reicht von einfachen statistischen Modellen bis hin zu Machine Learning.
Dr. Anna-Lena Martins studierte Mathematik an der Georg-August Universit?t G?ttingen und hat 2019 in der angewandten Mathematik promoviert. Seitdem ist sie bei KPMG t?tig und hat sich sowohl in der Beratung als auch im Bereich der Jahresabschlussprüfung mit Risikomanagementsystemen von Banken und anderen Finanzdienstleistern besch?ftigt. Aktuell unterstützt sie bei Bankengründungen und begleitet u.a. Unternehmen aus der Finanztechnologie bei dem Aufbau von neuen Instituten hinsichtlich Risikomanagementthemen. Sie begeistert vor allem die Themenvielfalt der Branche.
Mathematik, Finanzwelt und Management
Die Aufgaben von Banken sind unter anderem die Organisation des Zahlungsverkehrs und die Vermittlung zwischen Geldanbietern und Geldnachfragern, also zwischen Sparern und Kreditnehmern.
Eine wichtige Aufgabe, bei der Mathematik eine gro?e Rolle spielt, ist z.B. die Verschlüsselung des Zahlungsverkehrs.
Weitere wichtige Fragen sind: Wie viel Kredite k?nnen innerhalb eines Jahres ausfallen? Wie viel Geld kann innerhalb eines Tages abgebucht werden? Wie viel kostet es uns, wenn die Zinsen pl?tzlich steigen?
Auch die Digitalisierung erfordert immer 澳门皇冠_皇冠足球比分-劲爆体育 mathematische F?higkeiten. Die Kundenkommunikation mit Texterkennung (Chatbots) oder Spracherkennung setzt mathematische Modelle voraus, die Automatisierung von Arbeitsabl?ufen die Entwicklung von Algorithmen.
Banken lassen sich ohne anspruchsvolle mathematische Systeme gar nicht 澳门皇冠_皇冠足球比分-劲爆体育 steuern. Mathematiker sind in der Lage zu verstehen, was da genau passiert. Sie haben die F?higkeit diese Systeme zu beherrschen und nicht von ihnen beherrscht zu werden.
Dr. Tim Nesemann studierte Mathematik in Bremen und promovierte in Bremen und an der University of Rhode Island, USA. Anschlie?end absolvierte er ein Studium zum Diplom-Kaufmann. Seit 1995 ist er bei der Sparkasse Bremen t?tig. Zun?chst im Kundengesch?ft, seit 2004 als Mitglied des Vorstandes der Sparkasse Bremen mit Verantwortung u.a. für Finanzen, Risiko, Kreditüberwachung und IT. Seit Dezember 2007 als stellvertretender Vorstandsvorsitzender, seit 1. Februar 2009 als Vorsitzender des Vorstandes.
Mathematik und Raumfahrt
Mathematik in der Raumfahrt
Wir schauen uns die Grundlagen der Bilddatenauswertung von Raumsonden an. Wie entsteht das dreidimensionale Modell eines kleinen Himmelsk?rpers wie beispielsweise des Saturnmondes Mimas aus Kameradaten w?hrend des Vorbeifluges der Raumsonden Cassini und Voyager? Hierzu bedarf es einiger mathematischer Kniffe und Rechenschritte, die uns auch auf der Erde bei 3D- Scannern helfen, Formen zu erkennen. Zudem: Was k?nnen wir aus der Flugbahn einer Raumsonde, die dicht an einem solchen K?rper vorbeifliegt, über das Innere des K?rpers lernen?
Dr. Marco Scharringhausen studierte 2000 - 2003 Mathematik in Oldenburg und Osnabrück und war im Anschluss im Institut für Umweltphysik an der Uni Bremen t?tig. Seit 2007 ist er raumfahrtbegeisterter Mitarbeiter des Deutschen Zentrums für Luft- und Raumfahrt am Institut für Raumfahrtsysteme in Bremen und besch?ftigt sich dort mit der Erkundung der Planeten und anderer K?rper in unserem Sonnensystem in der Abteilung Lande- und Explorationstechnologie.
Mathematik in der Raumfahrt
Wir schauen uns die Grundlagen der Bilddatenauswertung von Raumsonden an. Wie entsteht das dreidimensionale Modell eines kleinen Himmelsk?rpers wie beispielsweise des Saturnmondes Mimas aus Kameradaten w?hrend des Vorbeifluges der Raumsonden Cassini und Voyager? Hierzu bedarf es einiger mathematischer Kniffe und Rechenschritte, die uns auch auf der Erde bei 3D-Scannern helfen, Formen zu erkennen.
Zudem: Was k?nnen wir aus der Flugbahn einer Raumsonde, die dicht an einem solchen K?rper vorbeifliegt, über das Innere des K?rpers lernen? Wir werden sehen, dass wir ohne Zuhilfenahme weiterer Instrumente schon eine Menge über den inneren Aufbau aussagen k?nnen.
Dr. J?rg Klatte studierte Technomathematik an der Universit?t Bayreuth. Seine Promotion hat er im Anschluss am Zentrum für angewandte Raumfahrttechnologie und Mikrogravitation (ZARM) an der Universit?t Bremen im Bereich Flüssigkeitsdynamik in der Schwerelosigkeit absolviert. Seit 2011 arbeitet er als Experte für Flüssigkeitsdynamik bei der Ariane Group in Bremen an der Weiterentwicklung zukünftiger Raumfahrtsysteme.
Materialwissenschaften in Schwerelosigkeit
Materialwissenschaftler besch?ftigen sich mit den Zusammenh?ngen zwischen Herstellung, Struktur und Eigenschaften von Materialien, oft mit dem Ziel Werkstoffe mit neuen oder verbesserten Eigenschaften zu (er)finden. Am Zentrum für angewandte Raumfahrttechnologie und Mikrogravitation (ZARM) gibt es seit 2016 eine Arbeitsgruppe, die untersucht, wie sich die Herstellung in Schwerelosigkeit auf Materialeigenschaften auswirken kann. Dabei liegt das Hauptaugenmerk auf der Steigerung der Energieeffizienz der Materialien. Mathematische Modelle, welche die Eigenschaften in Abh?ngigkeit von der Struktur vorhersagen, k?nnen hierbei richtungsweisend sein und die Anzahl der n?tigen Experimente stark verringern.
Magdalena Thode studierte (angewandte) Mathematik und Physik an der Universit?t Bremen und in den Niederlanden. Seit 2016 arbeitet und promoviert sie am Zentrum für angewandte Raumfahrttechnologie und Mikrogravitation (ZARM). Sie erforscht dort, inwieweit Eigenschaften der Elektrolumineszenz von Zink-Sulfid-Materialien durch die Herstellung in Schwerelosigkeit verbessert werden k?nnen.
Mathematik und Medizin
Statistische Modellierung von Gesundheitsdaten
Gesetzliche Krankenkassen erheben Daten zu Abrechnungszwecken. Nebenbei sind diese Daten aber auch eine wertvolle Datenquelle für die Gesundheitsforschung. Der Umfang der Daten macht es z.B m?glich, Studien zu seltenen Nebenwirkungen von Arzneimitteln im Alltagsgebrauch durchzuführen. Die statistischen Modelle und Sch?tzverfahren in diesen Studien müssen dabei viel leisten: Sie müssen auf das spezifische Design jeder Studie angepasst werden und gut interpretierbare, korrekte und m?glichst pr?zise Sch?tzungen hervorbringen. Aufgrund der enormen Datenmenge sind effiziente Algorithmen zur Sch?tzung ebenfalls notwendig. Die Mathematik dient dabei als Fundament, um Verfahren mit diesen Eigenschaften zu entwickeln oder bestehende Modelle zu verbessern.
Dr. Dirk Enders hat an der Universit?t Bremen Mathematik studiert und im Anschluss am BIPS in Bremen in Statistik promoviert. Seit 2018 arbeitet er in Berlin am InGef – Institut für angewandte Gesundheitsforschung und leitet dort das Team Biometrie & Data Science. Sowohl w?hrend seiner Promotion als auch in Berlin widmete er sich intensiv der Analyse von Abrechnungsdaten der gesetzlichen Krankenkassen. Er sch?tzt besonders das interdisziplin?re Arbeiten in den Studien mit Experten aus den Bereichen Gesundheitswissenschaften, Medizin, Statistik und Informatik.
Mathematik und medizinische Bilder
Wir sind l?ngst im Zeitalter der digitalen Medizin angekommen. Medizinische Daten und Bilder, welche mit modernen physikalischen Methoden erfasst werden, haben einen so hohen Informationsgehalt, dass mathematische Modellierung und Simulation einen erheblichen Mehrwert beitragen. Von der Optimierung der Erfassung, der Aufbereitung der Daten, der Simulation der physiologischen Prozesse, bis zur Optimierung der Therapie, ist die angewandte Mathematik ein Grundpfeiler der modernen Medizin. Hier ist die Arbeit eines Mathematikers nah an den Schnittstellen zu anderen Fachbereichen, oft zu Physik, Medizin, Informatik und Biologie.
Dr. Cristoffer Cordes arbeitet am Fraunhofer MEVIS als Forscher. Er hat an der Universit?t Bremen Mathematik studiert und seinen Master von der Clemson University (USA) verliehen bekommen. Danach hat er an der Universit?t Bremen in Physik promoviert. Sein Hauptfokus ist die MRT-Simulation und die abstrakte MRT-Sequenzentwicklung.
Mathematik in den Life Sciences
Die Technologie der bildgebenden Massenspektrometrie erm?glicht die ?rtliche Lokalisierung und Quantifizierung von Molekülen, wie beispielsweise Proteinen, Peptiden oder Wirkstoffen. Anwendungen findet die bildgebende Massenspektrometrie beispielsweise in der Pharmakologie zur Entwicklung neuer Medikamente und Wirkstoffe, in der medizinischen Forschung zur Erforschung neuer Therapien, in der Pathologie zur Detektion neuer krankheits-charakterisierender Biomarker und in den Materialwissenschaften zur Optimierung neuer Werkstoffe. Die riesigen Datenmengen der bildgebende Massenspektrometrie zu visualisieren, zu analysieren und zu interpretieren ist eine Herausforderung, die man mit Hilfe mathematischer Verfahren bew?ltigen kann.
Dr. Dennis Trede studierte Mathematik in Dresden und Bremen. Nach seinem Diplom 2007 promovierte er 2010 am Zentrum für Technomathematik der Universit?t Bremen im Bereich der Inversen Probleme. Seit 2010 ist er CEO des Startup SCiLS, das er zusammen mit Peter Maass und Theodore Alexandrov gegründet hat. Im Jahr 2015 wurde SCiLS mit dem Bremischen Gründerpreis ausgezeichnet und 2017 an Bruker verkauft. Seit 2019 ist Dennis Trede Direktor für Software Strategy and Business Development im Bereich Life Sciences Mass Spectrometry bei Bruker.
Industriemathematik
Mathematik in der Energie- und Telekommunikations- branche
In einem Versorgungsunternehmen ist es von entscheidender Bedeutung, gro?e Datenmengen zu analysieren und zu verstehen, um den Betrieb zu optimieren und den Kunden den bestm?glichen Service zu bieten. Hierfür ist das Erstellen von Programmcode unerl?sslich, was auf mathematischen Konzepten basiert. Mit der steigenden Bedeutung von KI-Anwendungen ist Mathematik als Grundlage für die Entwicklung von Algorithmen und Modellen ebenfalls unverzichtbar geworden. Darüber hinaus kann eine Grundausbildung in Mathematik dazu beitragen, ein strukturiertes Denken und eine logische Arbeitsweise zu f?rdern, was in einem komplexen und datenintensiven Arbeitsumfeld, wie dem der Energiebranche, von gro?em Vorteil ist.
Dr. Miriam Steinherr kommt aus Barcelona, Spanien und hat Mathematik an der Universitat Autònoma de Barcelona studiert. Ihren Master hat sie an derselben Universit?t absolviert und ist dann im Jahr 2017 nach Deutschland gezogen, um an der Universit?t Bremen zu promovieren. Nach ihrer Promotion hat sie als Postdoc an der Constructor University (früher Jacobs University) gearbeitet und seit 2023 ist sie bei EWE im Team Business Intelligence als Data Analyst t?tig. Ihr Schwerpunkt liegt bei der Entwicklung von Datenmodellen, um die Informationen über Kunden, Produkte und alles, was damit zusammenh?ngt, besser zu verstehen sowie die Entwicklung von Prognosemodellen, um zukünftige Ereignisse frühzeitig und besser einsch?tzen zu k?nnen.
Windparkoptimierung: Mehr Ertrag durch intelligente Betriebsführung
Windturbinen erzeugen Energie über eine Lebensdauer von 澳门皇冠_皇冠足球比分-劲爆体育 als 20 Jahren. Sie sind so ausgelegt, dass in dieser Zeit die Belastungen unter verschiedensten Betriebsbedingungen in der Umwelt und vom elektrischen Netz standhalten. Au?erdem müssen sie steigende und teils noch unbekannte Anforderungen des künftigen Energiesystems erfüllen. Um diese Anforderungen zu erfüllen, forschen wir an intelligenten Strategien zur Betriebsführung von einzelnen Anlagen und ganzen Windparks. Dabei legen wir besonderen Wert auf eine optimale Balance zwischen Energieertrag, lastabh?ngigem Lebensdauerverbrauch und langfristigem Wert. Dabei kommen verschiedenste mathematische Methoden von klassischer Regression und KI-Modellen über stochastische Vorhersagen bis zur nichtlinearen Optimierung zum Einsatz.
Niklas Requate hat sein Studium der Technomathematik an der Uni Bremen 2018 abgeschlossen und im Anschluss als wissenschaftlicher Mitarbeiter am Fraunhofer IWES angefangen. Dort betreibt er angewandte Forschung mit direktem Bezug zur Industrie. Er arbeitet an intelligenten Methoden zur Betriebsführung von Windenergiesystemen unter Berücksichtigung der Zuverl?ssigkeit. Dabei ist er begeistert von der Vielzahl an Themen, die dabei von Bedeutung sind. Für eine optimale Betriebsweise muss das Zusammenspiel aus stochastischen Einflüssen des Windes, mechanischer Belastung und wirtschaftlicher Bewertung betrachtet und bewertet werden.
Mathematischer Beitrag zur Stahlerzeugung
Bei der Stahlerzeugung sind viele Prozesse und Zwischenschritte erforderlich, bis das fertige Produkt schlie?lich zum Kunden kommt. An sehr vielen Stellen sorgt dabei Mathematik in verschiedensten Formen dafür, dass dies m?glichst gut funktioniert. Man kann sogar so weit gehen zu sagen: Ohne Mathematik ist eine ?kologische und effiziente Produktion von hochwertigem Stahl unm?glich. Dementsprechend besch?ftigen sich im Stahlwerk von ArcelorMittal Bremen einige Mathematiker unter anderem mit der Entwicklung von Algorithmen zur L?sung komplexer Probleme, der Automatisierung und Digitalisierung mittels KI oder der Untersuchung von Prozessen dahinter.
Sven Koelmann studierte Technomathematik mit Anwendungsfach Produktionstechnik in Bremen. W?hrend seines Studiums machte er verschiedene Praktika, unter anderem bei UNESP Bauru in Sao Paulo, Brasilien. Nach dem Abschluss seiner Masterarbeit in Zusammenarbeit mit ArcelorMittal Bremen arbeitet er seit 2015 als Modellexperte Operations Research bei ArcelorMittal und besch?ftigt sich mit der Entwicklung und Anwendung von Algorithmen zur Automatisierung und Optimierung verschiedener Prozesse. Zur Zeit ist er Koordinator des Bereichs Operations Research in der Abteilung Modelle & Simulationen.
Mathematik und Quantencomputing
Quantencomputing – das auf der Quantenmechanik basiert – ist eine komplexe Technologie, die für die meisten Menschen schwer zu verstehen ist. V?llig neue Algorithmen – und sogar neues Denken – sind erforderlich, um das Potenzial der kommenden Quantencomputer auszusch?pfen. Dies erfordert neue Ans?tze, um Quantencomputing auf ansprechende und verst?ndliche Weise für IT-Experten, Entwickler und junge Akademiker zu vermitteln. Wir wollen neben den Grundlagen des Quantum Computing ansehen, wie man dieses Thema greifbar machen und m?glichst allgemeinverst?ndlich darstellen kann. Dazu werden "Serious Games for Quantum Computing" und ein funktionierendes Modell der IBM Quantum System One Quantencomputers genutzt.
Dr. Jan-Rainer Lahmann studierte Technomathematik an der TU Clausthal und hat 1999 am KIT Karlsruhe in angewandter Mathematik promoviert. Seitdem ist er in der IBM Deutschland in verschiedenen Positionen in der technischen Vertriebsunterstützung t?tig. Seit einigen Jahren ist er begeistert von der g?nzlich anderen Welt des Quantencomputing. Dr. Lahmann ist IBM Distinguished Engineer und Mitglied der IBM Academy of Technology.
Optimierung in der Stahlindustrie
Seit über 60 Jahren wird in Bremen Stahl produziert. Hoch?fen und gro?e industrielle Anlagen pr?gen das Bild im Bremer Norden an der Weser. Doch welche Rolle spielt Mathematik in einem Stahlwerk? Im Zuge der Digitalisierung werden immer 澳门皇冠_皇冠足球比分-劲爆体育 mathematische Modelle ben?tigt, zum Beispiel um Anlagen besser auszulasten oder Produktionskosten zu minimieren.
Insa Poppen studierte Technomathematik an der Universit?t Bremen. Nach der Masterarbeit, die sie in Zusammenarbeit mit Jacobs Kaffee erstellte, begann sie 2015 als Modellexpertin bei ArcelorMittal Bremen zu arbeiten. Als Mitglied der Abteilung Modelle und Simulation ist sie zust?ndig für mathematische Modelle im Bereich der Automatisierung.
Mathematik und Softwareentwicklung
Mathematik und Softwareentwicklung- Wo ist der gemeinsame Nenner?
Im Mathematikstudium wird einem beigebracht, systematisch an komplexe Probleme heranzugehen, komplizierte Aufgaben zu verstehen, zu analysieren und eine exakte Vorgehensweise zu gebrauchen. Softwareentwickler*innen sind zust?ndig für die Planung, Analyse, Entwicklung, Implementierung und Wartung von Anwendungen und Softwarebausteinen. Strukturiertes Denken ist somit eine essentielle F?higkeit für die Softwareentwicklung.
Teelka Emkes hat 2017 ihren Master in Mathematik an der Universit?t Bremen abgeschlossen. Nach ihrer Masterarbeit hat sie sich autodidaktisch das Programmieren angeeignet und seit Juli 2018 arbeitet sie als Java Softwareentwicklerin bei Team Neusta. Bei ihrer Arbeit entwickelt sie die Sportwebseiten für verschiedene Vereine, wie zum Beispiel Werder Bremen.
KI - Fahrschule für Autonome Autos
Die menschliche Kompetenz, Auto zu fahren, basiert nicht nur auf dem erlernten Wissen aus der Fahrschule. Vor allem sind hier auch alle F?higkeiten relevant, die im Laufe eines Lebens gelernt werden. Diese erlauben uns, Situationen einzusch?tzen, Vorhersagen über das Verhalten anderer zu machen und so schlie?lich ein vorausschauendes Führen des Fahrzeuges - ohne besonders darüber nachzudenken! Doch wie erreicht eigentlich ein selbstfahrendes Auto diese Expertise? Wir widmen uns dieser Frage und werden dabei insbesondere feststellen, welch fundamentale Rolle die Mathematik bei ihrer Beantwortung einnimmt.
Autonome Raumschiffe, Agrarmaschinen und vor allem auch Autos - die Steuerung solcher Systeme steht im Zentrum der Forschung von Andreas Folkers. In den Jahren 2013 - 2018 absolvierte er ein Studium der Technomathematik an der Universit?t Bremen und arbeitet hier seither als wissenschaftlicher Mitarbeiter an aktuellen Fragestellungen in diesen Themengebieten. Im Fokus seines Promotionsvorhabens steht besonders die Entwicklung von Regelkonzepten und Künstlicher Intelligenz (KI).
Mathematik und Modellierung
Mathematik in der musikalischen Akustik
Mathematik und Musik scheinen nah und fern zugleich. Schon die Pythagor?er waren von der mathematischen Gesetzm??igkeit der Musik überzeugt. Gleichzeitig spielt Mathematik im Leben vieler Musiker keine gro?e Rolle. M?chte man jedoch die Entstehung und Wirkungsweise musikalischen Klangs verstehen, kommt man um Mathematik nicht herum. Diese liefert die richtigen Werkzeuge, um die Grundbausteine des Klangs zu beschreiben. Mit Hilfe mathematischer Modelle ist es m?glich, Kl?nge wie mit einer Art akustischen Skalpell zu zerlegen, zu manipulieren, und auch wieder zusammenzusetzen. Damit ist es der Forschung im Bereich der Akustik m?glich, einen Bogen zu spannen, der die mathematische Beschreibung des Klangs einerseits und die subjektive Wahrnehmung des Klangs andererseits verbindet.
Kai Siedenburg hat 2012 sein Studium der Mathematik mit dem Nebenfach Musikwissenschaft an der Humboldt Universit?t Berlin abgeschlossen. Anschlie?end promovierte er an der McGill University in Montreal zur Wahrnehmung von Musik. Seit 2016 arbeitet er im Department für medizinische Physik und Akustik an der Universit?t Oldenburg, wo er derzeit eine Arbeitsgruppe zum Thema der Musikwahrnehmung leitet. Sein Ziel ist es, die akustischen Grundlagen der Musik zu erforschen und damit zu einer Verbesserung von H?rhilfen beizutragen.
Was macht eine Mathematikerin in der Arktis?
Wir alle m?chten gerne wissen, wie das Wetter wird, ob wir heute Abend grillen k?nnen oder nicht, ob n?chstes Wochenende Freibad oder Spielenachmittag angesagt ist, usw. Und auch für das Klima würden wir gerne genauer wissen, wie es weitergeht, was macht der Klimawandel genau und was hat er für Auswirkungen? Für all diese Vorhersagen brauchen wir mathematische Modelle, mit deren Hilfe wir berechnen, wie sich das Wetter oder das Klima in der Zukunft entwickeln wird. Eine wichtige Rolle spielen dabei die Wolken, die nicht nur oft wundersch?n am Himmel aussehen, sondern auch einen gro?en Einfluss haben und furchtbar kompliziert sind. Sie setzen sich aus winzigen Tr?pfchen zusammen, k?nnen sich zu riesigen Gebilden aufbauen und werden von gro?en Str?mungen beeinflusst. Viele Prozesse müssen wir auch noch besser verstehen, um sie anschlie?end in unseren Modellen besser abbilden zu k?nnen. Dafür beobachten und simulieren wir Wolken weltweit - zum Beispiel auch in der Arktis, die im Augenblick besonders sensibel auf den Klimawandel reagiert und sich st?rker erw?rmt als der Rest der Welt.
Dr. Vera Schemann hat 2009 ihr Studium der Technomathematik mit dem Nebenfach Geowissenschaften an der Universit?t Bremen abgeschlossen. Anschlie?end hat sie am Max-Planck-Institut für Meteorologie in Hamburg promoviert und dort angefangen sich mit der Modellierung von Wolken und ihrer Darstellung in Klimamodellen zu besch?ftigen. Seit 2015 arbeitet sie am Institut für Geophysik und Meteorologie an der Universit?t zu K?ln. Die Wolken haben sie nicht 澳门皇冠_皇冠足球比分-劲爆体育 losgelassen und so versucht sie noch immer diese besser zu verstehen und die entscheidenden Prozesse in mathematischen Modellen abzubilden