Campus-Institut Data Science (CIDAS)

Data Science

Die Mitglieder des CIDAS forschen in verschiedenen Bereichen der Data Science und Digitalisierung. Somit wird sowohl den Fragestellungen im Methodischen, wie auch im Angewandten Bereich der Data Science nachgegangen. Zugleich werden auch die gesellschaftswissenschaftlichen Einflüsse der Digitalisierung untersucht. In den untenstehenden Klappboxen finden Sie eine Auswahl an Projekten und Publikationen in denen Mitglieder des CIDAS maßgeblich beteiligt sind.
Bei Fragen zu den einzelnen Projekten sind Sie eingeladen, sich an die entsprechenden Kontaktpersonen zu wenden.

"Politics of Inscription in der digitalen Transformation: Leistungssteuerung an der Schnittstelle von betrieblichen Strategien und Technikdesign"
Das Projekt wird von der Deutschen Forschungsgemeinschaft (DFG) im Rahmen des Schwerpunktprogramms 2267 „The Digitalisation of Working Worlds“ gefördert (11/23 bis 10/26) und in Kooperation mit dem ISF München und dem ZZF Potsdam durchgeführt. Projektlaufzeit: 11/2023 - 10/2026.

Technikinskription als Feld der Leistungspolitik
Anknüpfend an das erste Projekt „Politics of Performance“, dass den Zusammenhang übergeordneter unternehmerischer Strategien der Digitalisierung mit Entwicklungen der Leistungspolitik erforscht, steht in diesem Folgeprojekt Technikinskription- und Aneignung in ihren Wechselwirkungen mit Digitalisierungsstrategien einerseits und Leistungspolitik andererseits im Zentrum des Interesses. Konkret fragt das Projekt zum einen danach, wie betriebliche Digitalisierungsstrategien und technologische Innovation sich gegenseitig beeinflussen. Im Zentrum steht hier die Frage, wie Unternehmen Einfluss auf Technikdesign nehmen und wie digitale Technologien einerseits Möglichkeiten betrieblicher Steuerungsprozesse ausweiten und andererseits organisatorische Anpassungen erfordern, die betriebliche Autonomie einschränken. Zum anderen fragt das Projekt nach der eigensinnigen Aneignung digitaler Technik im konkreten Arbeitsprozess. Analog zu Leistungsbedingungen und Leistungspolitik wird Inskription bzw. Technikentwicklung dabei als umkämpftes Feld aufgefasst, das nicht nur von unternehmerischen Strategien, sondern von allen beteiligten Akteuren und deren (teilweise widersprüchlichen) Interessen geformt ist. Zum umkämpften Feld der „politics of performance“ tritt so das Feld der „politics of inscription“ hinzu, in welchem Anwender, Anbieter und arbeitspolitische Akteure um das konkrete Design von Technologie ringen.

Weitere Informationen
Kontakt: Prof. Dr. Sarah Nies

"Politics of performance" in digitalisierter Produktionsarbeit: Betriebliche Strategien der Digitalisierung und Praktiken der Leistungssteuerung
Gefördert durch die Deutsche Forschungsgemeinschaft (DFG) im Rahmen des Schwerpunktprogramms „The Digitalisation of Working Worlds. Conceptualising and Capturing a Systemic Transformation" (SPP 2267). Digitalisierung der Arbeitswelten. Projektlaufzeit: 11/2020- 10/2023.

Leistungspolitik in der digitalen Transformation von Arbeit
Digitale Technologien schaffen neue Bedingungen für die Steuerung von Arbeit und Leistung im Betrieb. Das gilt nicht zuletzt für den Shopfloor: eine automatisierte Datenerfassung und -verarbeitung erhöht Transparenz und Überwachungspotenziale, die informationstechnische Verknüpfung physischer Komponenten (Internet of Things) erlaubt einen direkteren Zugriff auf Prozesse der gesamten Wertschöpfungskette, selbstlernende Systeme, Leichtbaurobotik und digitale Assistenzsysteme erweitern die Möglichkeiten flexibler Automatisierung. Doch beschränkt sich die Steuerung von Arbeit nicht auf Kontrolle und Handlungsrestriktionen, sondern umfasst auch die gezielte Aktivierung von Beschäftigtenhandeln. Zudem verfolgen Unternehmen mit dem Einsatz digitaler Technik allerdings nicht ausschließlich – und oftmals nicht mal vorwiegend – Strategien, die auf Rationalisierung von Arbeitskraft gerichtet sind. Für die digitale Transformation prägend sind insbesondere auch unternehmerische Strategien, die auf die Einflussnahme auf Markt und Kooperationspartner oder die Reorganisation übergreifender Prozesse (systemische Rationalisierung) zielen.

Ziele und Fragestellung
Das Projekt fragt danach, wie sich Leistungspolitik in der Industriearbeit vor dem Hintergrund unterschiedlicher und teils widersprüchlicher Digitalisierungsstrategien von Unternehmen und betrieblichen Akteuren verändert, welche Auswirkungen also Digitalisierung auf betriebliche Aushandlungen und Prozesse hat, die die Verausgabung von Arbeitsleistung, Arbeitsbedingungen und konkrete Arbeitspraxis bestimmen.

Weitere Informationen
Kontakt: Prof. Dr. Sarah Nies

DAtenkompetenzen in der NUtztierhaltung - MAschinelles Lernen zur automatischen, robusten Verhaltensklassifikation bei Schweinen (DANUMA)

Abstract: Ausgangspunkt des Projektes ist die Notwendigkeit der Entwicklung von Systemen zur automatischen Verhaltensklassifikation als Basis der nutztierwissenschaftlichen Forschung und eine zukünftige Schlüsselkompetenz des wissenschaftlichen Nachwuchses. Für die Entwicklung zukunftsfähiger Haltungssysteme, Züchtung und Ernährung robuster Nutztiere sind Kenntnisse zum Verhalten von zentraler Bedeutung. Automatisierungen und im speziellen Methoden des maschinellen Lernens eröffnen die Möglichkeit mengenmäßig und zeitmäßig größere Datengrundlagen für Versuchsfragestellungen zu generieren und die Forschungsfragen zeitgemäß zu bearbeiten. Das Projekt zielt auf die Stärkung der datenwissenschaftlichen Kompetenzen von Nachwuchswissenschaftler*innen der Nutztierwissenschaften zur Verhaltensklassifikation und Erstellung individueller, zeitlicher und örtlicher Verhaltensprofile von Schweinen aus Videobildmaterial mit Hilfe innovativer und spezialisierter Ansätze des maschinellen Lernens ab. Die Etablierung dieser innovativen Datenkultur zur automatisierten Erhebung von ethologischen Merkmalen stellt eine zentrale Schlüsselkompetenz von Nachwuchswissenschaftlern*inne für die zukünftige Forschung im Bereich der Entwicklung von nachhaltigen Haltungssystemen und der Züchtung robuster Nutztiere dar. Konkret soll basierend auf Videobildaufnahmen aus Forschungsprojekten zur Weiterentwicklung von Haltungssystemen beim Schwein mit Fokus auf Tierwohl und Schwanzbeißen ein Methodenkanon identifiziert werden, der die spezifischen Verhaltensweisen individueller Schweine automatisch klassifiziert und daraus abgeleitet Verhaltensprofile entwickelt, die u.a. für ethologische Forschungsfragen, zur automatischen Phänotypisierung, sowie in Assistenzsystemen zur Tierbeobachtung genutzt werden kann. Der Innovationscharakter des Projektes besteht in der nachhaltigen Implementierung datenwissenschaftlicher Methoden gepaart mit Strukturen und Aktivitäten diese im Kompetenzprofil zukünftiger Agrarwissenschaftler*innen nachhaltig und langfristig zu verankern. Damit wird nicht nur die zukünftige nutztierwissenschaftliche Forschung, sondern auch die Digitalisierung der Nutztierhaltung maßgeblich gefördert.
Kontakt: Prof. Dr. Imke Traulsen oder Prof. Dr. Thomas Kneib

GPU-Cluster für Maschinelles Lernen (GO GPU ML)
Abstract: Das Ziel des Projekts ist die Bereitstellung von GPU-Ressourcen für wissenschaftliche Anwendungen im Bereich des Maschinellen Lernens bzw. Künstlicher Intelligenz mit einem Schwerpunkt in der Bildanalyse in lebenswissenschaftlichen Anwendungen, insbesondere den Neurowissenschaften und dem Bioimaging. Das System soll bestehende Prozesse wesentlich beschleunigen und somit neue Methoden bzw. Anwendungen ermöglichen, während gleichzeitig die Ressourcennutzung optimiert wird.

SFB 1528 "Kognition der Interaktion"
The main scientific goal of the CRC1528 Cognition of Interaction is to understand how fundamental cognitive functions, like perception, selective attention, action planning, and decision-making, contribute to social interactions at the behavioural and neuronal level. It is carried out by a transdisciplinary team of cognitive, systems, and computational neuroscientists, behavioral biologists, psychologists and data scientists at the Göttingen Campus.

SFB 1456 "Mathematik des Experiments: Die Herausforderung indirekter Messungen in den Naturwissenschaften"
Wir sind Zeugen einer Epoche, in der Daten von nie gekanntem Ausmaß in der experimentellen naturwissenschaftlichen Forschung gewonnen werden. Während ständig neue Messtechniken und -instrumente entwickelt und verbessert werden, um günstig und effizient Daten zu erlangen, besteht das Nadelöhr heute darin, aussagekräftige Informationen aus diesen riesigen Datenmengen zu gewinnen. Typische Gründe sind, dass moderne Messtechnologien oft Informationen nur indirekter Weise liefen und dass die beobachteten Daten stark verrauscht sind und oft in einer inhärent zufälligen Weise gewonnen werden. Ziel dieses Sonderforschungsbereichs ist es, basierend auf mathematischer Modellierung und Analysis zu der effizienten Extraktion maximaler quantitativer Informationen aus experimentellen Daten beizutragen.

NeWiM – New Work für den innovativ-nachhaltigen Mittelstand
Verbundvorhaben mit HAWK Holzminden und StartRaum GmbH
Das Transferprojekt New Work für den innovativ-nachhaltigen Mittelstand ist als Maßnahme zur Verbesserung der Arbeitsqualität und Attraktivität der Arbeit mit digitalen Mitteln in kleinen und mittleren Unternehmen sowie zur Steigerung der Innovationsfähigkeit der ArbeitnehmerInnen durch Agilität im Sinne der Nachhaltigkeit konzipiert. New Work steht dabei für flache Hierarchien und frei und selbstverantwortlich agierende Beschäftigte, die mit Hilfe agiler Methoden innovativ in ihrem Verantwortungsbereich für ihr Unternehmen tätig sind. Verbunden mit der steigenden Konnektivität und der fortschreitenden Digitalisierung von Arbeitsprozessen, können Beschäftigte ihre Tätigkeit in vielen Fällen auch leichter von anderen Orten, z. B. von zu Hause oder einem Co-Working-Space aus ausüben, so dass der Arbeitsplatz dadurch auch familienfreundlicher wird. Schließlich gewinnt New Work für Arbeitgeber an Bedeutung, weil es Beschäftigte nicht zuletzt durch Weiterbildung entwickelt und leistungsfähige MitarbeiterInnen durch Freiräume für Selbstbestimmung und eine gute Work-Life-Balance an das Unternehmen bindet. Je mehr die Unternehmen Eigenverantwortung an Beschäftigte geben, desto attraktiver sind die Unternehmen auch als Arbeitgeber für neue Beschäftigte von außerhalb. Für die Beschäftigten entsteht dadurch ein Zugewinn an Familienfreundlichkeit, ein attraktiverer Arbeitsplatz durch Eigenverantwortung, eine größere Wertschätzung ihrer Tätigkeit sowie größere Weiterbildungs- und Mitwirkungspotenziale auch Hinblick auf Innovationen für eine Nachhaltige Entwicklung – und damit attraktivere Arbeitsbedingungen für die Beschäftigten.
Kontakt: Prof. Dr. Kilian Bizer

RENEW – Regulatorische Experimente für Nachhaltige Entwicklung im Wissenstransfer
Verbundvorhaben mit Hochschule Darmstadt
RENEW entwickelt Governance-Optionen für Wissenstransfersysteme (WTS), um sie effektiver für systemische Innovationsprozesse einzusetzen, die zur Nachhaltigen Entwicklung (NE) beitragen. Dafür müssen WTS die Akteure darin unterstützen, komplexe gesellschaftliche Herausforderungen bewältigen. Das unterscheidet sie von herkömmlichen, auf technologiebasierte Innovation ausgelegten WTS. Die zu entwickelnden Governance-Strukturen müssen an die innovations- und wissenschaftspolitischen Rahmenbedingungen anknüpfen. Das Vorhaben untersucht daher empirisch, unter welchen institutionellen und organisatorischen Rahmenbedingungen verschiedene WTS agieren. In Hinblick auf das Ziel, zu systemischen NE-Innovationen beizutragen, sind oftmals Beharrungskräfte im etablierten WTS in Deutschland zu überwinden. Methodisch stützt sich das Vor-haben auf den Ansatz der „Theory of Change“. Aus verschiedenen Veränderungsbausteinen entwickelt das Vorhaben Konzepte für „regulatorische Experimente“, um bestehende Anreiz-Lücken zu schließen bzw. Hemmnisse zu überwinden. Das Vorhaben identifiziert Governance-Modelle für WTS, die Hochschulangehörige und Praxispartner stimulieren, ihr kreatives Potential so zu mobilisieren, dass daraus Impulse für systemischen NE-Innovationen entstehen.
Kontakt: Prof. Dr. Kilian Bizer

ROWaCh – Regulatorische Optionen für eine Wasserstofftransformation in der Chemieindustrie
Verbundvorhaben mit Hochschule Darmstadt
Das Projekt ROWaCh untersucht Anreizbedingungen und Hemmnisfaktoren in der Chemieindustrie, Wasserstoff als Teil einer Transformationsstrategie zur Klimaneutralität zu erzeugen und zu nutzen. Für einen zügigen Markthochlauf sind neue Anlagen zu errichten und bestehende umzurüsten. Dies setzt voraus, dass Unternehmen die notwendigen Genehmigungen des Industrieanlagenrechts erhalten. Im Mittelpunkt des Projektes steht daher die Genehmigungspraxis für die erforderlichen Produktions- und Verteilungsanlagen. Den empirischen Kern des Projektes bilden Planspiele und wirtschaftswissenschaftliche Experimente. Die Planspiele simulieren im „Zeitraffer“ die Stationen eines Genehmigungsprozesses. Gegenstand der Planspiele sind mögliche Änderungen im Rechtsrahmen, die den Transformationsprozess unterstützen sollen. Wie in der Realität sind Akteure aus Industrie, Verwaltung, Fachgutachter:innen und Zivilgesellschaft beteiligt. Dies gewährleistet einerseits Perspektiven-vielfalt und ermöglicht andererseits Lernprozesse auf allen Seiten. In den Planspielen interagieren alle Beteiligten dynamisch und decken so frühzeitig „Stolpersteine“ auf und testen alternative Regulierungsoptionen. Planspiele ermöglichen den Austausch zwischen „Legisten“ aus Bundesministerien, Behörden und Antragstellern sowie sonstigen Stakeholdern über Entscheidungsgrundlagen und Herausforderungen. Für ein Planspiel steht jeweils ein ganzer Tag zur Verfügung. Zur Vorbereitung dienen qualitative leitfadengestützte Interviews mit den zentralen Akteuren. Auf dieser Grundlage sind transformationsfördernde Gestaltungsoptionen zu entwickeln, die bereits im Vorfeld in ökonomischen Experimenten oder Planspielen mit Studierenden zu testen sind.
Kontakt: Prof. Dr. Kilian Bizer

DUI.REG – Messung des Doing-Using-Interacting-Modus von KMU in strukturschwachen Regionen
Verbundvorhaben mit Uni Hannover und Uni Jena
Das gesamtdeutsche Fördersystem für strukturschwache Regionen beruht auf den Grundsätzen der „gemeinsamen Koordinierung“ sowie auf der „indikatorgestützten Berichterstattung“. Letzterer Grundsatz strebt durch ein fortlaufendes Monitoring die Wirkungskontrolle des Fördersystems an. Die Forschungs- und Innovationsförderung strukturschwacher Regionen, wie auch dessen Monitoring, weist dabei einen Schwerpunkt bei der Förderung von Forschung und Entwicklung (F&E) auf. Dieser Fokus vernachlässigt das Innovationsverhalten kleiner und mittlerer Betriebe (KMU) ohne eigene F&E, die insbesondere in strukturschwachen Regionen den Großteil der Betriebe ausmachen und dort wesentliche Akteure des innovationsgetriebenen Strukturwandels sind. Um die gezielte Förderung des niedrigschwelligen Innovationsverhaltens dieser Betriebe zu verbessern, ist eine präzise Indikatorik für nicht-F&E-basierte Innovationstätigkeit erforderlich. DUI.REG nutzt das Indikatorenset eines vorangegangenen BMBF-Projekts der Antragssteller (InDUI – Innovationsindikatorik für den Doing-Using-Interacting-Mode von KMU, 2017-2021, FKZ: 16IFI005), um die KMU-Innovationstätigkeit in strukturschwachen Regionen differenziert zu erfassen. Auf Basis des bestehenden Indikatorensets werden quantitative Erhebungen zum Innovationsverhalten der KMU in zehn strukturschwachen Regionen und zwei strukturstarken Referenzregionen durchgeführt. Deren Ergebnisse werden um qualitative Erhebungen in diesen Regionen ergänzt und bilden mit selbigen methodisch die Grundlage für künftige Zeitvergleiche dieser Regionen hinsichtlich der quantitativen und der qualitativen Ergebnisse sowie der darauf basierenden Bewertung der regionalpolitischen Strategien und Instrumente.
Kontakt: Prof. Dr. Kilian Bizer

SFB 990 "Ecological and Socioeconomic Functions of Tropical Lowland Rainforest Transformation Systems (Sumatra, Indonesia)"
und das Teilprojekt INF - Forschungsdatenmanagement und integrative statistische Datenanalyse: Das INF-Projekt stellt dem SFB 990 die notwendige technische Infrastruktur, Beratung und Unterstützung für die nachhaltige Forschung über den gesamten Datenzyklus bereit. Dazu ist INF in die Forschungsprojekte integriert und bietet sowohl projektübergreifende, als auch spezifische Lösungen. Die Angebote umfassen neben der allgemeinen Beratung zu allen Aspekten des Datenmanagements, eine Modulare Forschungsinfrastruktur, spezifische Angebote für GIS-Daten und die Unterstützung bei der Methodenentwicklung und Anwendung statistischer Verfahren. INF sichert ein offenes und nachhaltiges Datenmanagement, fördert die Nachnutzbarkeit und stärkt die Datenqualität und Methodik.

Daten Lesen Lernen
Als forschungsstarker Verbund universitärer und universitätsnaher Forschungsinstitutionen arbeitet der Göttingen Campus federführend an der Entwicklung im Bereich Data Science mit. Im Zuge des Projektes "Daten Lesen Lernen" sollen die vorhandenen Kompetenzen und infrastrukturellen Ressourcen genutzt werden, um Datenkompetenzen auch in der Fläche des Campus zu verankern. Ziel des Projektes ist dabei die Etablierung eines breiten und allgemein verfügbaren Angebots zur Vermittlung von grundlegenden Datenkompetenzen an alle Bachelorstudierenden als Initiative des Göttingen Campus, bestehend aus der dafür konzipierten Lehrveranstaltung "Data Literacy Basics", dem Aufbau eines DataLabs und die Aufbereitung und Bereitstellung von Open Educational Resources zur Abrundung des Lehrangebots.

GRK 2300 Erhöhung der Baumartendiversität von Buchenwäldern durch Koniferen
Weltweit steigen die gesellschaftlichen Ansprüche an Wälder, eine Vielzahl ökosystemarer Güter und Dienstleistungen zu erbringen. Eine Möglichkeit dieser Herausforderung zu begegnen besteht darin, bei der Bewirtschaftung Aspekte der forstlichen Produktion mit Aspekten des Naturschutzes zu verbinden. In diesem Zusammenhang sind Mischbestände aus örtlich natürlich vorkommenden Baumarten und solchen, die zwar hochproduktiv sind, aber außerhalb ihres natürlichen Verbreitungsgebietes angebaut werden, von besonderem Interesse. In elf eng miteinander verbundenen Teilprojekten werden in insgesamt 40 Waldbeständen sowohl die wichtigsten funktionalen Merkmale der Baumarten und jene assoziierter Organismengruppen untersucht, als auch die Mechanismen, die diese mit den Ökosystemfunktionen verbinden. Das Qualifizierungskonzept beruht auf einem anspruchsvollen, klar strukturierten und interdisziplinären Studienprogramm mit intensiver Betreuung durch die Antragsteller.

Teil des Projektes Öffentlichkeitsbeteiligung beim Ausbau der deutschen Stromnetze.
Mit Hilfe von computergestützten Verfahren der Textanalyse wird ermittelt, wie sich die Öffentlichkeit an Konsultationen beteiligt (Themenklassifizierung, Sentiment und Komplexität der Texte), und wie die Politik darauf reagiert.

eLabour
Ziel des Projektverbundes eLabour ist der Aufbau eines Kompetenzzentrums, das eine IT-basierte Forschungsinfrastruktur für qualitative, arbeitssoziologische Forschungsdaten, Methoden und Beratung für wissenschaftliche Sekundäranalysen zum Wandel von Arbeit organisiert und anbietet. Einschließlich des Vorgänger-Projektes (Re:SozIT) werden diese Aktivitäten seit dem Jahr 2012 vom BMBF im Rahmen der Forderung der eHumanities unterstützt.
Leitung: Prof. Dr. Nicole Mayer-Ahuja, Koordination: Heidemarie Hanekop Partner: GWDG, SUB, L3S Hannover, SOFI, ISF München, Institut für Soziologie der Universität Jena.

Mainstream News Feeding in the conflict over Genome Editing in Agriculture
In polarized social conflicts, highly involved actors seek to influence public communication. One way of doing so is to distribute news coverage in their social networks and to comment on it. In a current study, we analyze how prominent Twitter users reacted to news coverage of the 2018 European Court of Justice’s ruling over regulations of Genome Editing in agriculture. We seek to identify patterns of news feeding and to link it to features of the news items as well as to user characteristics.

Augmented Deliberative Democracy (ADD-up): Enhancing Large-scale Public Arbitrations in Real Time
The project Augmented Deliberative Democracy (ADD-up): Enhancing Large-scale Public Arbitrations in Real Time is funded 04/2017 – 12/2021 by the Volkswagen Foundation. ADD-up promotes interdisciplinary research in the field of computational social science. Principal investigators are Dr. Annette Hautli-Janisz (General and Computational Linguistics), Dr. Brian Plüss (Argumentation Mining and Visualization), and Dr. Valentin Gold (Political Science).
The aim of this project is to capitalize on the increasing digitalisation of society for advancing techniques of participatory democracy. For instance, analyses of sport events broadcast on TV (e.g. football games) are presented to the viewer by way of augmented reality, a technique which is used to enhance the experience of the viewer with computer-supplied data. The aim of the present project is to automatically monitor and enhance large-scale participatory processes in a similar way. Through an interdisciplinary collaboration between Political Science (University of Göttingen, Germany), Linguistics (University of Konstanz, Germany) and Computer Science (University of Dundee, Scotland), we will develop ADD-up, an innovative system for Augmented Deliberative Democracy (ADD).
In collaborative work with VALIDA we have set up a first prototype for streaming communications in real-time. Some of our current ideas and potentials are demonstrated (in German) at https://tvduell.valentingold.de.

Heinzelmännchen-Cluster zur Live-Auswertung von Raster-Nano-SAXS-Messungen
Scharfe Bilder mit Röntgenstrahlen: Mit der Raster-Nano-SAXS-Methode wird eine Probe, z.B. eine einzelne biologische Zelle, in einem stark fokussierten Röntgenstrahl abgerastert, und an jedem Ort wird ein reziprokes Beugungsbild gespeichert. So entstehen Bilder mit einer Auflösung von unter 100 nm im Ortsraum, kombiniert mit Strukturinformationen im Bereich weniger nm.
Zur Datenauswertung wurde nun ein dediziertes „Heinzelmännchen“-System in Betrieb genommen.

Comparative evolutionary genomics
Digging the genomes of extant species to understand our evolutionary past is one of the most exciting opportunities of our time. The combination of bioinformatic and evolutionary analysis with genome-scale data provides new views on century-old questions. The comparative study of plant and algal genomes can reveal new insights into the genomic basis of terrestrialization and other major evolutionary lifestyle transitions. Contact: Iker Irisarri Aedo

Terrestrialization: Stress Signalling Dynamics in the Algal Progenitors of Land Plants
All macroscopic plants on the surface of our planet can be traced back to a single plant terrestrialization event. The ERC project “TerreStriAL” aims at understanding the genetic chassis that aided plants in getting a foothold on land. For this, comparative analyses of large-scale sequencing data from plants and algae are used to understand the deep evolutionary roots of key plant genes and pathways.

Aufdecken versteckter Informationen hinter MR-Bildern: Erlernen quantitativer Imaging Biomarker aus BigData Rohdaten der MRT
Die Magnetresonanztomographie (MRT) ist eine Bildgebungsmethode, die heute schon fantastische Möglichkeiten bietet. MRT-Messungen dauern aber relativ lange. Deshalb kann das volle Potential der MRT heute noch gar nicht vollständig zum Nutzen des Patienten ausgeschöpft werden. Ziel dieses Projektes ist es, mit Methoden des maschinellen Lernens neue Techniken zu entwickeln, um für eine Diagnose wichtige quantitative Informationen schon aus sehr kurzen Messungen gewinnen zu können. Um die notwendigen Modelle aus MRT-Messdaten lernen zu können, ist der Aufbau von großen Datenbanken erforderlich. Contact: Martin Uecker

BART-Toolbox
The Berkeley Advanced Reconstruction Toolbox (BART) toolbox is a free and open-source image-reconstruction framework for Computational Magnetic Resonance Imaging developed by the research groups of Martin Uecker
(Göttingen University), Jon Tamir (UT Austin), and Michael Lustig (UC Berkeley). It consists of a programming library and a toolbox of command-line programs. The library provides common operations on multi-dimensional arrays, Fourier and wavelet transforms, as well as generic implementations of iterative optimization algorithms. The command-line tools provide direct access to basic operations on multi-dimensional arrays as well as efficient implementations of many calibration and reconstruction algorithms for parallel imaging and compressed sensing.

Data Science in Economics
In dem Projekt Data Science in Economics wird Studierenden aus Data Science nahen Studiengängen (z.B. Angewandte Data Science und Angewandte Statistik) die Möglichkeit geboten in kleineren Forschungsprojekten an der Schnittstelle zwischen Datenwissenschaften und Wirtschaftswissenschaften mitzuarbeiten und die theoretisch erlernten Verfahren aus dem Studium in der praktischen Forschung anzuwenden. Die Projekte beschäftigen sich mit folgenden Themen: • Analyse der Twitterdiskussion zu Covid-19 in den USA und Indonesien mit Machine Learning und Topic Modellen
• Räumliche Modellierung von ex ante Risiken für Covid
• Modellierung von Ungleichheit mit Distributional Learning
• Visualisierung der räumlichen Verteilung von Themen geocodierter Twitterdaten
• Implementierung eines ADAM-Algorithmus zur Schätzung strukturierter und erklärbarer Terme in neuronalen Netzen
• Schätzung additiver Terme in strukturierten Themenmodellen
Die mit der Hilfe studentischer bzw. wissenschaftlicher Hilfskräfte erzielten Ergebnisse sollen in kleinere Veröffentlichungen (Konferenzbeiträge, Softwarepakete etc.) münden. Gleichzeitig dient das Projekt als eine Anschubfinanzierung für eine längerfristige Kooperation zwischen den beteiligten und weiteren im CIDAS organisierten Wissenschaftler*innen um das Potential von Data Science Verfahren für die Beantwortung von angewandten und ökonomischen Fragestellungen aufzuzeigen.
Kontakt: Dr. Benjamin Säfken

Weitere Projekte:

Combinatorics of Word Morphisms

Predicting User Privacy Preferences based on Dynamic Interpersonal Relationships and Content Sensitivity Analysis

2024
Bachanek, S., Wuerzberg, P., Biggemann, L., Janssen, T.Y., Nietert, M., Lotz, J., Zeuschner, P., Maßmann, A., Uhlig, A. & Uhlig, J.: Renal tumor segmentation, visualization, and segmentation confidence using ensembles of neural networks in patients undergoing surgical resection. European Radiology, 2024. DOI https://doi.org/10.1007/s00330-024-11026-6

Lu, Z., Siemer, S., Jha, P., Day, J.D., Manea, F. & Ganesh, V.: Layered and Staged Monte Carlo Tree Search for SMT Strategy Synthesis. Proc. IJCAI 2024

Manea, F., Richardsen, J. & Schmid, M.L.: Subsequences With Generalised Gap Constraints: Upper and Lower Complexity Bounds, Proc. CPM 2024

Draghici, A., Haase, C. & Manea, F.: Semënov Arithmetic, Affine VASS, and String Constraints. Proc. STACS 2024.

Adamson, D., Gawrychowski, P. & Manea, F.: Enumerating m-Length Paths in Directed Graphs with Constant Delay. Proc. LATIN 2024.

2023
Day, J., Ganesh, V., Grewal, N. & Manea, F. (2023): On the Expressive Power of String Constraints, Proceedings of the 50th ACM SIGPLAN Symposium on Principles of Programming Languages POPL 2023, Proc. ACM Program. Lang. (ACM).

Kulczynski, M., Manea, F., Nowotka, D. & Bøgsted Poulsen, D. (2023): ZaligVinder: A generic test framework for string solvers. J. Softw. Evol. Process. 35(4)

Berzish, M., Day, J. D., Ganesh, V., Kulczynski, Manea, F., Mora, F. & Nowotka, D. (2023): Towards more efficient methods for solving regular-expression heavy string constraints. Theor. Compute. Sci. 943: 50-72

Adamson, D., Kosche, M., Koß, T., Manea, F. & Siemer, S. (2023): Longest Common Subsequence with Gap Constraints. Proc. WORDS 2023: 60-76

Adamson, D., Fleischmann, P., Huch, A., Koß, T., Manea, F. & Nowotka, D. (2023): k-Universality of Regular Languages. Proc. ISAAC 2023: 4:1-4:21

Fleischmann, P., Kim, S., Koß, T., Manea, F., Nowotka, D., Siemer, S. & Wiedenhöft, M. (2023): Matching Patterns with Variables Under Simon's Congruence. Proc. RP 2023: 155-170

Gawrychowski, P., Kosche, M. & Manea, F. (2023): On the Number of Factors in the LZ-End Factorization. Proc. SPIRE 2023: 253-259

2022
Axenbeck, J., Berner, A. & Kneib, T. (2022): What Drives the Relationship Between Digitalization and Industrial Energy Demand? Exploring Firm-Level Heterogeneity (2022). ZEW - Centre for European Economic Research Discussion Paper No. 059, 2022, Available at SSRN: https://ssrn.com/abstract=4300866

Gawrychowski, P., Manea, F. & Serafin, R. (2022): Fast and Longest Rollercoasters. Algorithmica 84, 1081-1106. (Springer) https://doi.org/10.1007/s00453-021-00908-6

Kosche, M., Koß, T., Manea, F. & Pak, V. (2022): Subsequences in Bounded Ranges: Matching and Analysis Problems. Proceedings of the International Conference on Reachability Problems RP 2022, LNCS (Springer) https://doi.org/10.1007/978-3-031-19135-0_10

Gawrychowski, P., Manea, F. & Siemer, S. (2022): Matching Patterns with Variables Under Edit Distance. Proceedings of the International Symposium on String Processing and Information Retrieval SPIRE 2022, LNCS (Springer) https://doi.org/10.1007/978-3-031-20643-6_20

Kosche, M., Koß, T., Manea, F. & Siemer, S. (2022): Combinatorial Algorithms for Subsequence Matching: A Survey. Proceedings of the International Workshop on Non-Classical Models of Automata and Applications NCMA 2022 (Invited Paper), EPTCS, https://doi.org/10.48550/arXiv.2208.14722

Day, J., Kosche, M., Manea, F. & Schmid, M.L. (2022): Subsequences With Gap Constraints: Complexity Bounds for Matching and Analysis Problems, Proceedings of the 33rd International Symposium on Algorithms and Computation ISAAC 2022, LIPICS.

Franke, K., Willeke, K.F., Ponder, k., Galdamez, M., Zhou, N., Muhammad, T., Patel, S., Froudarakis, E., Reimer, J., Sinz, F.H. & Tolias, A.S. (2022): State-dependent pupil dilation rapidly shifts visual feature selectivity, Nature: https://www.nature.com/articles/s41586-022-05270-3

Weisser, C., Gerloff, C., Thielmann, A., Python, A., Reuter, A., Kneib, T. & Säfken, B. (2022): Pseudo-Document Simulation for Comparing LDA, GSDMM and GPM Topic Models on Short and Sparse Text using Twitter Data , Computational Statistics, https://doi.org/10.1007/s00180-022-01246-z

Seufert, J., Python, A., Weisser, C., Cisneros, E., Kis-Katos, K.& Kneib, T. (2022): Mapping ex-ante spatial risks of COVID-19 in Indonesia using a Bayesian geostatistical model on airport network data, Journal of the Royal Statistical Society: Series A, http://doi.org/10.1111/rssa.12866

Soltau, J., Osterhoff M. & Salditt, T. (2022): Coherent diffractive imaging with diffractive optics. Phys. Rev. Lett., Vol. 128, Iss. 22: https://journals.aps.org/prl/accepted/92074Y4cZ8510b70943290056cd810d85f966689f

Kant, G., Wiebelt, L., Weisser, C., Kis-Katos, K., Luber, M., Säfken, B. (2022), An iterative topic model filtering framework for short and noisy user-generated data: analyzing conspiracy theories on twitter, International Journal of Data Science and Analytics, https://doi.org/10.1007/s41060-022-00321-4

Rieseberg, T.P., Dadras, A., Fürst-Jansen, J.M.R., Dhabalia Ashok, A., Darienko, T., de Vries, S., Irisarri, I. & de Vries, J. (in press): Crossroads in the evolution of plant specialized metabolism. invited review Sem Cell Dev Biol.

de Vries, S. & de Vries, J. (2022): Evolutionary genomic insights into cyanobacterial symbioses in plants. invited review Quant Plant Biol., 3:e16, 1–13, https://dx.doi.org/10.1017/qpb.2022.3

Pucker, B., Irisarri, I., de Vries, J. & Xu, B. (2022): Plant genome sequence assembly 3.0: progress, challenges, and future directions. invited review Quant Plant Biol., 3:e5, 1–14: https://dx.doi.org/10.1017/qpb.2021.18

von Pappenheim, F., Wensien M., Ye, J., Uranga, J., Irisarri, I., de Vries, J., Funk, L.-M., Mata, R., Tittmann, K. (2022): Widespread occurrence of covalent lysine–cysteine redox switches in proteins. Nat Chem Biol, https://doi.org/10.1038/s41589-021-00966-5

Formenti, G., Theissinger, K., Fernandes, C., Bista, I., Bombarely, A., Bleidorn, C., Ciofi, C., Crottini, A., Godoy, J.A., Höglund, J., Malukiewicz, J., Mouton, A., Oomen, R.A., Paez, S., Palsbøll, P.J., Pampoulie, C., Ruiz-Lopez, M.J., Svardal, H., Theofanopoulou, C., de Vries, J., Waldvogel, A.-M., Zhang, G., Mazzoni, C.J., Jarvis, E.D. & Bálint, M. (in press): The European Reference Genome Atlas Consortium. Bridging the gap between genomics and biodiversity conservation. Trends Ecol Evol.

2021
M. Reichardt, P.M. Jensen, V.A. Dahl, A.B. Dahl, M. Ackermann, H. Shah, F. Länger, C. Werlein, M.P. Kuehnel, D. Jonigk & T. Salditt (2021): 3D virtual histopathology of cardiac tissue from Covid-19 patients based on phase-contrast X-ray tomography eLife, 10:e71359, http://doi.org/10.7554/eLife.71359

J. Soltau, L. M. Lohse, M. Osterhoff & T. Salditt (2021): Finite-difference propagation for the simulation of x-ray multilayer optics. Opt. Express, 25, 29, 41932-41953, http://doi.org/10.1364/OE.445300

M. Eckermann, B. Schmitzer, F. van der Meer, J. Franz, O. Hansen, C. Stadelmann & T. Salditt (2021): Three-dimensional virtual histology of the human hippocampus based on phase-contrast computed tomography. Proc. Natl. Acad. Sci., 118, 48, e2113835118, http://doi.org/10.1073/pnas.2113835118

Fürst-Jansen, J.M.R, de Vries, S., Lorenz, M., von Schwartzenberg, K., Archibald, J.M. & de Vries, J. (2021): Submergence of the filamentous Zygnematophyceae Mougeotia induces differential gene expression patterns associated with core metabolism and photosynthesis. Protoplasma doi: 10.1007/s00709-021-01730-1

Irisarri, I., Darienko, T., Pröschold, T., Fürst-Jansen, J.M.R., Jamy, M. & de Vries, J. (2021): Unexpected cryptic species among streptophyte algae most distant to land plants. Proc R Soc B 288:20212168. | cover contribution

Wickell, D., Kuo, L.-Y., Yang, H.-P., Dhabalia Ashok, A., Irisarri, I., Dadras, A., de Vries, S., de Vries, J., Huang, Y.-M., Li, Z., Barker, M., Hartwick, N., Michael, T. & Li, F.-W. (2021): Underwater CAM photosynthesis elucidated by Isoetes genome. Nat Commun 12:6348

Völkner, C., Holzer, L.J., Day, P.M., Dhabalia Ashok, A., de Vries, J., Bölter, B. & Kunz, H.-H. (2021): Two plastid POLLUX ion channel-like proteins are required for stress-triggered stromal Ca2+ release. Plant Physiol 187:2110-2125

de Vries, S., Fürst-Jansen, J.M.R., Irisarri, I., Dhabalia Ashok, A., Ischebeck, T., Feussner, K., Abreu, I.N., Petersen, M., Feussner, I. & de Vries, J. (2021): The evolution of the phenylpropanoid pathway entailed pronounced radiation and divergence of enzyme families. Plant J 107:975-1002 | Research Highlight | Cover contribution

Pyc, M., Gidda, S., Seay, D., Esnay, N., Kretzschmar, F., Cai, Y., Doner, N., Greer, M., Hull, J., Coulon, D., Bréhélin, C., Yurchenko, O., de Vries, J., Valerius, O., Braus, G., Ischebeck, T., Chapman, K., Dyer, J. & Mullen, R. (2021): LDIP cooperates with SEIPIN and LDAP to facilitate lipid droplet biogenesis in plants. Plant Cell 33:3076-3103

Resemann, H., Herrfurth, C., Feussner, K., Hornung, E., Ostendorf, A., Gömann, J., Mittag, J., van Gessel, N., de Vries, J., Ludwig-Müller, J., Markham, J., Reski, R. & Feussner, I. (2021): Convergence of sphingolipid desaturation across over 500 million years of plant evolution. Nat Plants 7: 219-232

Buchmueller, A., G. Kant, C. Weisser, B. Saefken, T. Kneib & K. Kis-Katos (2021): Twitmo: Twitter Topic Modeling and Visualization for R (R package version 0.1.2).

Weisser, C., Lenel, F., Lu, Y., Kis-Katos, K. & Kneib, T. (2021): Using solar panels for business purposes: Evidence based on high-frequency power usage data, Development Engineering, https://doi.org/10.1016/j.deveng.2021.100074

Nietert, M., Vinnhoven, L., Auer, F., Hafkemeyer, S. & Stanke, F. (accepted): Comprehensive analysis of chemical structures that have been tested as CFTR activating substances in a publicly available database CandActCFTR. Frontiers in Pharmacology.

Vinnhoven, L., Voskamp, M. & Nietert, M. (2021): Mapping Compound Databases to Disease Maps—A MINERVA Plugin for CandActBase, J. Pers. Med., 11(11), 1072, https://www.mdpi.com/2075-4426/11/11/1072

Tillmann, A., Thielmann, A, Kant, G., Weisser, C., Säfken, B., Silbersdorff, A. & Kneib, T. (2021), AuDoLab Automatic document labelling and classification for extremely unbalanced data, Journal of Open Source Software, 6 (66), 3719, https://doi.org/10.21105/joss.03719

Kruse, R., Säfken, B., Silbersdorff, A. & Weisser, C., (Eds.) (2021), Learning Deep Textwork: Perspectives on Natural Language Processing and Artificial Intelligence, Göttingen University Press, pages. 1-181, http://dx.doi.org/10.17875/gup2021-1608

Vinhoven, L., Stanke, F., Hafkemeyer, S., & Nietert, M.M.(2021): CFTR Lifecycle Map - A Systems Medicine Model of CFTR Maturation to Predict Possible Active Compound Combinations. International Journal of Molecular Science, 22, 14.

Gawrychowski, P., Manea, F., & Siemer, S. (2021): Matching Patterns with Variables under Hamming Distance, Proc. MFCS 2021, LIPIcs, to appear.

Thielmann, A., Weisser, C., Krenz, A. and Säfken, B. (2021): Unsupervised Document Classification integrating Web-Mining, One-Class SVM and LDA Topic Modeling. Journal of Applied Statistics (Special Issue: Statistical Approaches for Big Data and Machine Learning). https://www.tandfonline.com/doi/pdf/10.1080/02664763.2021.1919063

Berzish, M., Kulczynski, M., Mora, F., Manea, F. , Day, J., Nowotka, D. & Ganesh, V. (2021): An SMT Solver for Regular Expressions and Linear Arithmetic over String Length, Proceedings of CAV 2021, LNCS.

Gawrychowski, P., Kosche, M., Koss, T., Manea, F. & Siemer, S. (2021): Efficiently Testing Simon's Congruence, Proc. STACS 2021, LIPIcs.

Day, J., Fleischmann, P., Kosche, M. & Koss, T. Manea, F. & Siemer, S. (2021): The Edit Distance to k-Subsequence Universality, Proc. STACS 2021, LIPIcs.


2020
Säfken, B., Silbersdorff, A. & Weisser, C. (2020): Learning Deep - Perspectives on Deep Learning Algorithms and Artificial Intelligence, Universitätsverlag Göttingen, pages. 1-146 https://doi.org/10.17875/gup2020-1338.

Kant, G., Weisser, C. & Säfken, B. (2020): TTLocVis: A Twitter Topic Location Visualization Package. Journal of Open Source Software, 5 (54), 2507, https://doi.org/10.21105/joss.02507.

Fernau, H., Manea, F., Mercas, R. & Schmid, M. L. (2020): Pattern Matching with Variables: Efficient Algorithms and Complexity Results. ACM Trans. Comput. Theory 12(1): 6:1-6:37.

Ustyuzhaninov, I., Cadena, S. A., Froudarakis, E., Fahey, P. G., Walker, E. Y., Cobos, E., Reimer, J., Sinz, F. H., Tolias, A. S., Bethge, M. & Ecker, A. S. (2020): Rotation-invariant clustering of functional cell types in primary visual cortex. International Conference on Learning Representations (ICLR).

Barker, L., Fleischmann, P., Harwardt, K., Manea, F. & Nowotka D. (2020): Scattered Factor-Universality of Words. DLT 2020: 14-28.

Fleischmann, P., Lejeune, M., Manea, F., Nowotka, D. & Rigo, M. (2020): Reconstructing Words from Right-Bounded-Block Words. DLT 2020: 96-109.

Day, J. D. & Manea, F. (2020): On the Structure of Solution Sets to Regular Word Equations. ICALP 124:1-124:16.

Fink, S., Ruffing, E., Burst, T., & Chinnow, K. (2020). Mapping the emotional landscape of consultation contributions. Paper presented at the ECPR Joint Sessions Toulouse: https://ecpr.eu/Events/PaperDetails.aspx?PaperID=48213&EventID=129

Lohse, L. M., Robisch, A.-L., Töpperwien, M., Maretzke, S., Krenkel, M., Hagemann, J. & Salditt, T. (2020): A phase-retrieval toolbox for X-ray holography and tomography Journal of Synchrotron Radiation 27, 3.

Eckermann, M., Frohn, J., Reichardt, M., Osterhoff, M., Sprung, M., Westermeier, F., Tzankov, A., Werlein, C., Kuehnel, M., Jonigk D. & Salditt T. (2020): 3d Virtual Patho-Histology of Lung Tissue from Covid-19 Patients based on Phase Contrast X-ray Tomography eLife, 9:e60408.

Töpperwien, M., van der Meer, F., Stadelmann, C. & Salditt, T. (2020): Correlative x-ray phase-contrast tomography and histology of human brain tissue affected by Alzheimer's disease, NeuroImage, 210, 116523.

Reichardt, M., Töpperwien, M., Khan, A., Alves, F. & Salditt, F. (2020): Fiber orientation in a whole mouse heart reconstructed by laboratory phase-contrast micro-CT, Journal of Medical Imaging, 7, 023501

Klatt, M., Tameling, C. & Munk, A. (2020): Empirical regularized optimal transport: Statistical theory and applications. SIAM Journal on Mathematics of Data Science 2 (2), 419-443.

Behr, M., Ansari, M.A., Munk, A. & Holmes, C. (2020): Testing for dependence on tree structures. Proceedings of the National Academy of Sciences 117 (18), 9787-9792.

Röhling, S., Linne, A., Schellhorn, J., Hosseini, M., Dencker, T. & Morgenstern, B. (2020): The number of k-mer matches between two DNA sequences as a function of k and applications to estimate phylogenetic distances PLOS ONE 15, e0228070.

de Vries, S. & de Vries, J. (2020): A Global Survey of Carbohydrate Esterase Families 1 and 10 in Oomycetes. Frontiers in Genetics, 11, 756. ttps://doi.org/10.3389/fgene.2020.00756

de Vries, S., de Vries, J., Archibald, J. M. & Slamovits, C.S. (2020): Comparative analyses of saprotrophy in Salisapilia sapeloensis and diverse plant pathogenic oomycetes reveal lifestyle-specific gene expression. FEMS Microbiology Ecology, 96, 2020, fiaa184. doi: 10.1093/femsec/fiaa184.

de Vries, J. & Ischebeck, T. (2020): Ties between Stress and Lipid Droplets Pre-date Seeds. Trends in Plant Science, https://doi.org/10.1016/j.tplants.2020.07.017.

de Vries, J., de Vries, S., Curtis, B.A., Zhou, H., Penny, S., Feussner, K., Pinto, D.M., Steinert, M., Cohen, A. M., von Schwarzenberg, K. & Archibald, J.M. (2020): Heat stress response in the closest algal relatives of land plants reveals conserved stress signaling circuits. The Plant Journal 103, 1025-1048.

Li, F.-W., Nishiyama, T., Waller, M., Frangedakis, E., Keller, J., Li, Z., Fernandez-pozo, N., Barker, M.S., Bennett, T., Blázquez, M.A., Cheng, S., Cuming, A.C., de Vries, J., de Vries, S., Delaux, P.-M., Diop, I.S., Harrisom C.j., Hauser, D., Hernández-García, J., Kirbis, A., Meeks, J.C., Monte, I., Mutte, S.K., Neubauer, A., Quandt, D., Robinson, T., Shimamura, M., Rensing, S.S., Villarreal, J.C., Weijers, D., Wicke, S., Wong, G.K.-S., Sakakibara, K. & Szövényi, P. (2020): Anthoceros genomes illuminate the origin of land plants and the unique biology of hornworts. Nature Plants, 6:259-272.

Schmitzer, B., Schäfers, K.P. & Wirth, B. (2020): Dynamic Cell Imaging in PET with Optimal Transport Regularization, IEEE Trans Med Imaging 39(5), 1626-1635 (2020) https://doi.org/10.1109/TMI.2019.2953773

Rudolf, D., Natarovskii, V. & Sprungk, B. (accepted for publication): Quantitative spectral gap estimate and Wasserstein contraction of simple slice sampling, Ann. Appl. Probab.

Rosenzweig, S., Scholand, N., Holme, H.C.M. & Uecker, M. (2020): Cardiac and Respiratory Self-Gating in Radial MRI using an Adapted Singular Spectrum Analysis (SSA-FARY). IEEE Transactions on Medical Imaging, 39:3029-3041.


2019

Kneib, T., Klein, N., Lang, S. & Umlauf, N. (2019): Modular Regression - A Lego System for Building Structured Additive Distributional Regression Models with Tensor Product Interactions (with discussion and rejoinder) TEST, 28, 1-59.

Cadena, S. A., Denfield, G. H., Walker, E. Y., Gatys, L. A., Tolias, A. S., Bethge, M. & Ecker, A. S. (2019): Deep convolutional models improve predictions of macaque V1 responses to natural images PLoS Computational Biology.

Chereda, H., Bleckmann, A., Kramer, F., Leha, A. & Beissbarth, T. (2019): Utilizing Molecular Network Information via Graph Convolutional Neural Networks to Predict Metastatic Event in Breast Cancer. Stud Health Technol Inform. 2019 Sep 3; 267:181-186.

Mayer-Ahuja, N., Dunkel, D. & Hanekop, H. (2019): Sekundäranalysen zum Wandel von Arbeit nach dem Fordismus: Zur Einführung. In: Wolfgang Dunkel, Heidemarie Hanekop, Nicole Mayer-Ahuja (Hg.): Blick zurück nach vorn, Sekundäranalysen zum Wandel von Arbeit nach dem Fordismus. International Labour Studies, Campus Verlag, Frankfurt/ New York, S. 7-24.

Ruhlandt A. & T. Salditt, T. (2019): Time-resolved x-ray phase-contrast tomography of sedimenting micro-spheres. New Journal of Physics, 21, 043017

Osterhoff, M., Goeman, J., Saltitt, T. & Köster, S. (2019): STXM Analysis: Preparing To Go Live @ 750Hz. AIP Conference Proceedings 2054, 060075 (2019); Https://doi.org/10.1063/1.5084706.

Sommerfeld, M., Schrieber, J., Zemel, Y. & Munk, A. (2019): Optimal Transport: Fast Probabilistic Approximation with Exact Solvers. Journal of Machine Learning Research 20 (105), 1-23.

Holme, H. C. M., Rosenzweig, S., Ong, F., Wilke, R.N., Lustig, M. & Uecker M. (2019): ENLIVE: An Efficient Nonlinear Method for Calibrationless and Robust Parallel Imaging. Scientific Reports, 9:3034.

Salecker, J., Sciaini, M., Meyer, K.M. & Wiegand, K. (2019): The nlrx R package: A next-generation framework for reproducible NetLogo model analyses. Methods in Ecology and Evolution 10, 1854-1863.

Leimeister, C.-A., Schellhorn, J., Dörrer, S., Gerth, M., Bleidorn, C. & Morgenstern, B. (2019): Prot-SpaM: Fast alignment-free phylogeny reconstruction based on whole-proteome sequences GigaScience 8, giy148.

Post, S. (2019): Polarizing communication as media effects on antagonists. Understanding communication in conflicts in digital media societies. Communication Theory 29(2), 213-235.

Schmitzer, B. (2019): Stabilized Sparse Scaling Algorithms for Entropy Regularized Transport Problems, SIAM Journal on Scientific Computing (SISC) 41(3), A1443-A1481 https://doi.org/10.1137/16M1106018

Post, S., Bienzeisler, N. & Lohöfener, M. (2019): Partisan News Feeding on Twitter in a Controversy. The European Case of Agricultural Genome Editing. Accepted for presentation at the 8th, European Communciation Conference (ECREA). Braga (Portugal), October 2020.

Frahm, J., Voit, D. & Uecker, M. (2019): Real-Time Magnetic Resonance Imaging: Radial Gradient-Echo Sequences With Nonlinear Inverse Reconstruction. Investigative Radiology 54:757-766.


2018

Thaden, H. & Kneib, T. (2018): Structural Equation Models for Dealing with Spatial Confounding. The American Statistician, 72, 239-252.

Perera-Bel, J., Hutter, B., Heining, C., Bleckmann, A., Fröhlich, M., Fröhling, S., Glimm, H., Brors, B. & Beißbarth, T. (2018): From somatic variants towards precision oncology: Evidence-driven reporting of treatment options in molecular tumor boards. Genome Med. 2018 Mar 15;10(1):18.

Proksch, K., Werner, F. & Munk, A. (2018): Multiscale scanning in inverse problems. The Annals of Statistics 46 (6B), 3569-3602.

Dislich, C., Hettig, E., Salecker, J., Heinonen, J., Lay, J., Meyer, K.M., Wiegand, K. & Tarigan, S. (2018): Land-use change in oil palm dominated tropical landscapes – An agent-based model to explore ecological and socio-economic trade-offs. PLOS ONE 13, e0190506.

Plüss, B., Sperrle, F., Gold, V., El-Assady, M., Hautli-Janisz, A., Budzysnka, K. & Reed, C. (2018): "Augmenting Public Deliberations through Stream Argument Analytics and Visualisations" In: Proceedings of Leipzig symposium on Visualization In Applications (LEVIA), 2018, pp. 1–9. Leipzig, Germany. (https://ul.qucosa.de/api/qucosa%3A32801/attachment/ATT-0/)

Rudolf, D. & Schweizer, N. (2018): Perturbation theory for Markov chains via Wasserstein distance, Bernoulli 24, 2610-2639.

Whelan, S., Irisarri, I. & Burki, F. (2018): PREQUAL: detecting non-homologous characters in sets of unaligned homologous sequences. Bioinformatics 34(22):3929-3930.

Wang, X., Roeloffs, V., Klosowski, J., Tan, Z., Voit, D., Uecker, M. & Frahm, J. (2018): Model-based T1 Mapping with Sparsity Constraints Using Single-Shot Inversion-Recovery Radial FLASH. Magnetic Resonance in Medicine 79:730-740.


2017

Hanekop, H. & Mayer-Ahuja, N. (2017): IT-basierte Sekundäranalyse: Neue Konturen von Produktion und Arbeit? In: Mitteilungen aus dem SOFI, Jg. 11, Ausgabe 26, S. 16.

Birke, P. & Mayer-Ahuja, N. (2017): Sekundäranalyse qualitativer Organisationsdaten. In: Liebig, Stefan; Matiaske, Wenzel; Rosenbohm, Sophie, Handbuch empirische Organisationsforschung, Springer (mit Peter Birke), 105-126.

Gold, V., El-Assady, M., Hautli-Janisz, A., Bögel, T., Rohrdantz, C., Butt, M., Holzinger, K. & Keim, D.A. (2017): "Visual Linguistic Analysis of Political Discussions: Measuring Deliberative Quality". Digital Scholarship in the Humanities 32(1), pp. 141–158. (https://academic.oup.com/dsh/article-abstract/32/1/141/2957350?redirectedFrom=fulltext)

Irisarri, I., Baurain, D., Brinkmann, H., Delsuc, F., Sire, J.-Y., Kupfer, A., Petersen, J., Jarek, M., Meyer, A., Vences, M. & Philippe, H. (2017): Phylotranscriptomic consolidation of the jawed vertebrate timetree. Nat. Ecol. Evol. 1: 1370-1378. DOI:10.1038/s41559-017-0240-5.

Osterhof, M. (2017): dada – a web-based 2D detector analysis tool. IOP Conf. Series: Journal of Physics: Conf. Series 849, 012059, doi :10.1088/1742-6596/849/1/012059

Schaetz, S., Voit, D., Frahm, J. & Uecker, M. (2017): Accelerated Computing in Magnetic Resonance Imaging - Real-Time Imaging Using Non-Linear Inverse Reconstruction. Computational and Mathematical Methods in Medicine 2017:3527269


2016

Gatys, L.A., Ecker, A.S. & Bethge, M. (2016): Image Style Transfer Using Convolutional Neural. In: Networks Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition.


2015

Klein, N., Kneib, T., Lang, S. & Sohn, A. (2015): Bayesian Structured Additive Distributional Regression with an Application to Regional Income Inequality in Germany. Annals of Applied Statistics, 9, 1024-1052.

Reinhardt, D., Engelmann, F., Moerov, A. & Hollick, H. (2015): Show Me Your Phone, I Will Tell You Who Your Friends Are: Analyzing Smartphone Data To Identify Social Relationships. In Proceedings of the 14th ACM International Conference on Mobile and Ubiquitous Multimedia (MUM).