Graduate Fellowships 2018-02-12T10:36:02+00:00

ALICE
BAIRD

CLEMENS
BIRKENMAIER

ELINOR
BRONDWINE

PHILIPP
DUFTER

CHRISTOPH
MOLNAR

NINA
ROHRBACH

JONAS
SCHLUND

VERENA
SÜSS

JOHANNA
WALD

SARAH
WUNDERLICH

DIE ZD.B FELLOWSHIPS

Durch die Graduate Program Fellowships werden ab 2018 einmalig zehn Promovierende an bayerischen Hochschule mit einem zukunftsweisenden Forschungsprojekt in einem für die Digitalisierung relevanten Themenfeld finanziell und ideell gefördert.

Die Förderung umfasst die Finanzierung einer Stelle nach TV-L E13 (100%) für bis zu drei Jahre sowie die Teilnahme am ZD.B Graduate Program.
In einem kompetitiven Auswahlprozess wurden zehn Promovierende an bayerischen Hochschulen ausgewählt – die ZD.B Fellows.

ALICE BAIRD 

Universität Augsburg

An Embedded Soundscape System for Personalised Wellness via Multimodal Bio-Signal and Speech Monitoring

The soundscape (the audible components of a given environment), is an omnipresence in daily-life. Yet research has shown, that elements of our acoustic soundscapes can negatively affect mental wellbeing. Taking a dual analysis-synthesis approach this project, through multimodal feedback analysis, will explore the benefits of synthesised soundscape design and develop a ‘deep-listening’ personalised embedded system to improve human wellness. The project will explore questions pertaining to audible perception and develop novel methods for soundscape generation, informed by intelligent signal state monitoring.

CLEMENS BIRKENMAIER

Universität Regensburg / OTH Regensburg

Realistische Modellierung von Blut in patientenspezifischen digitalen Modellen

Warum gerinnt Blut in medizintechnischen Geräten wie Dialysatoren oder künstlichen Lungen, obwohl es nach bisherigem Verständnis nicht sollte? Ziel ist es, die komplexen Zusammenhänge hinter dieser Frage zu verstehen und ein patientenindividuelles Simulationsmodell für das kombinierte Strömungs- und Gerinnungsverhalten von Blut in künstlichen Lungen zu entwickeln. Das Projekt wird die Entwicklung besserer Medizinprodukte mittels virtueller Prototypen ermöglichen und neue Wege bei Diagnose und Therapieplanung für die digitale Präzisionsmedizin der Zukunft eröffnen.

ELINOR BRONDWINE

Universität Regensburg / OTH Regensburg

Supporting nutritional behavior change using a mobile application

Changing nutritional habits is a very challenging task. Patients in cardiac rehabilitation show the ability to adopt a healthy lifestyle with close medical support, however, preserving that lifestyle in the long-term is rarely successful. We will examine the ability of a smartphone application to help sustain the nutritional change in the long-term. How can a smartphone be used to simulate medical support? Can the smartphone represent medical authority in the patient’s eyes and provide medical support with minimal involvement required from the medical staff?

PHILIPP DUFTER

LMU München

Effective usage of multilingual data in Natural Language Processing

Most Natural Language Processing (NLP) tasks require large amounts of high quality – often manually annotated – data. While suitable data is frequently available in multiple languages, most systems operate only on mono- or bilingual data. This project aims at reducing data requirements (in terms of quantity) by exploring techniques to effectively utilise multilingual data. In the long-term this approach ideally leads to NLP tasks being better applicable in more specialised domains which exhibit great data sparsity.

CRISTOPH MOLNAR

LMU München

Interpretierbares maschinelles Lernen

Vermehrt werden Computer so programmiert, dass sie selbstständig aus Daten lernen Entscheidungen zu treffen, ohne explizite Regeln zu benötigen. Als Nebeneffekt des maschinellen Lernens sind die gelernten Algorithmen und die getroffenen Entscheidungen oft nicht mehr nachvollziehbar. In diesem Forschungsprojekt werden Methoden entwickelt um Algorithmen und Entscheidungen, die durch maschinelles Lernen enstanden sind, interpretierbar zu machen.

NINA ROHRBACH

TU München

“Mixed Reality” als ein neuer rehabilitativer Ansatz bei Störungen von Alltagshandlungen nach chronisch neurologischer Erkrankung

Das Promotionsprojekt widmet sich dem Einsatz von Mixed-Reality (MR) Technologie bei chronisch neurologisch erkrankten Personen (z.B. Schlaganfall oder Demenz). Die wissenschaftliche Begründung für die Nutzung innerhalb der Rehabilitation findet sich im Bereich des motorischen Lernens und der Förderung der Neuroplastizität. Eine spezifische Fragestellung ist, ob virtuelle holografische Cues wirksame Reize darstellen, um den passenden motorischen Plan in der realen Welt zu stärken. Neben der Erforschung des optimalen Reizes zur Stimulierung effektiver Handlungspläne, liegt das Interesse auf der sofortigen Einbindung relevanter Akteure (Patienten, Angehörige, klinische Experten) mit dem Ziel, zur nachhaltigen Integration von AR-Systemen in die Neurorehabilitation beizutragen.

JONAS SCHLUND

FAU Erlangen-Nürnberg

Dezentrale Organisation von zukünftigen Energiesystemen basierend auf der Kombination von Blockchains und dem zellularen Ansatz

Das Ziel des Projekts ist es ein Energieinformationssystem zu designen, welches dezentral und lokal (teil-)autonom funktioniert sowie eine beliebig skalierbare Anzahl an Akteuren integrieren kann. Somit ermöglicht es ein stabiles Energiesystem auf der Basis von erneuerbaren Energien und Speichern.
Der Lösungsansatz basiert auf einer Kombination des zellularen Ansatzes und der Blockchain Technologie. Die vernetzte IT Infrastruktur kann genutzt werden um durch variable Preise das Stromnetz auf allen Ebenen zu stabilisieren und einen lokalen Ausgleich von Einspeisung und Nachfrage zu fördern.

VERENA SÜSS

Universität Bayreuth

Selbstregulierung im europäischen Datenschutzrecht

Die Digitalisierung stellt den Datenschutz vor neue Herausforderungen: Wie kann angemessen auf die veränderte Gefährdungslage, die etwa aus der Ausbreitung allgegenwärtiger Datenverarbeitungen und der hohen Innovationsgeschwindigkeit resultiert, reagiert werden? Die rein staatlich-imperative Regulierung scheint hier an Grenzen zu stoßen. Unter dem Begriff „Regulierte Selbstregulierung“ wird ein Steuerungskonzept diskutiert, das die Einbindung Privater bei der Regelsetzung und -durchsetzung zum Gegenstand hat. Inwieweit die Umsetzung dieses Konzeptes in der Datenschutzgrundverordnung den europäischen Datenschutz tatsächlich weiterentwickeln kann, soll im Rahmen des Projektes untersucht werden.

JOHANNA WALD

TU München

Szenenverständnis in Echtzeit auf Mobilen Geräten

Effektive und intuitive Interaktion mit mobilen Geräten erfordert Algorithmen zur Verarbeitung visueller Umgebungsinformationen. Unser Fokus liegt deshalb auf der Entwicklung von Methoden zum visuellen Verständnis von statischen und dynamischen 3D Szenen unter Verwendung mobiler Sensoren. Die besondere Herausforderung besteht darin, dass diese 3D Szenen mit sehr begrenzter Rechenleistung und limitiertem Speicherplatz in Echtzeit erfasst, gespeichert und verarbeitet werden müssen. Dazu zählt die Extraktion von Objektinformationen z. B. der Pose, der Objektkategorien sowie deren räumlicher und semantischer Beziehungen zueinander.

SARAH WUNDERLICH

Uni Würzburg/HAW Coburg

Selbstadaptierende Online-Analyse host-basierter sicherheitskritischer Ereignisse in Unternehmensnetzen kleiner und mittlerer Unternehmen.

Mit der stärkeren Digitalisierung von Unternehmensprozessen steigen auch Umfang und Qualität der zu schützenden Daten, während zugleich eine deutlich größere Angriffsfläche für Angreifer geboten wird. Ziel des Projekts ist der Entwurf eines selbstlernenden Sicherheitssystems, welches host-basierte Daten innerhalb eines Unternehmensnetzwerks sammelt und analysiert, um Attacken effektiv entdecken und eindämmen zu können. Zudem sollen die Ergebnisse der Analyse so aufbereitet werden, dass sich das System für kleine bis mittlere Unternehmen mit geringen Personalressourcen und Spezialwissen eignet.