Team


Univ.-Prof. Dr. habil. Ricardo Büttner, Leitung

  • Seit 09/2024: Helmut-Schmidt-Universität / Universität der Bundeswehr Hamburg, Inhaber des Lehrstuhls für Hybrid Intelligence
  • 2021-2024: Universität Bayreuth, Inhaber des Lehrstuhls für Wirtschaftsinformatik und Data Science
  • 2013-2020: Habilitation an der Universität Trier (venia legendi, Dr. oec. habil.)
  • 2017-2021: HAW Aalen, Professor für Data Science und Leiter des Machine Learning Zentrums
  • 2009-2017: FOM Hochschule, Professor für Wirtschaftsinformatik und Institutsleiter
  • 2003-2009: Promotion an der Universität Hohenheim im DFG KI-Schwerpunktprogramm 1083 (Dr. oec.), berufsbegleitend
  • 2006-2009: BMW AG, Leiter der Abteilung BMW-Personalstrategie und -politik
  • 2004-2006: BMW AG, Leiter des F&E Strategieteams
  • 2002-2004: Studium BWL an der FernUni Hagen (Dipl.Kfm.), berufsbegleitend
  • 2002-2004: BMW AG, Produktmanager Z4, Z8, X5
  • 2000-2002: BMW AG, Produktcontroller und SAP Projektmanager
  • 1996-2000: Studium Wirtschaftsingenieurwesen an der TU Ilmenau (Dipl.-Wirtsch.-Ing.)
  • 1994-1999: Studium Informatik an der TU Ilmenau (Dipl.-Inf.)

Mehr als 150 begutachtete Veröffentlichungen in Zeitschriften und Konferenzbeiträgen (inkl. 51 mit A/A* Ranking gemäß VHB, ABDC, CORE); 18 internationale Best Paper, Best Reviewer und Service Awards und Nominierungen.

www.hsu-hh.de/ai | [email protected] | +49 40 6541 2899
Sekretariat: Hr. Tamm | [email protected] | +49 40 6541 3942


Pascal Penava

Pascal Penava, M.Sc., Mitarbeiter am Lehrstuhl und Doktorand

  • Ab 12/2024: Helmut-Schmidt-Universität / Universität der Bundeswehr Hamburg, Mitarbeiter und Doktorand am Lehrstuhl für Hybrid Intelligence
  • 2023-2024: Universität Bayreuth, Mitarbeiter und Doktorand am Lehrstuhl für Wirtschaftsinformatik und Data Science
  • 2021-2023: Studium Digitalisierung und Entrepreneurship an der Universität Bayreuth (M.Sc.)
  • 2018-2021: Studium Information Systems an der Friedrich-Alexander-Universität Erlangen-Nürnberg (B.Sc.)

Mein Forschungsgebiet beinhaltet die Erforschung und Entwicklung innovativer Machine-Learning-Ansätze mit Praxisbezug. Mein Interesse liegt dabei vor allem im Bereich Hybrider Intelligenz, mit dem Fokus auf EEG-basierten Mensch-Computer-Schnittstellen und der Analyse von Zeitreihen-Daten. Ein weiterer Schwerpunkt meiner Forschung liegt auf der Anwendung von Computer-Vision-Methoden in verschiedenen industriellen Bereichen.


Christopher Mai, M.Sc., Mitarbeiter am Lehrstuhl und Doktorand

  • Seit 10/2024: Helmut-Schmidt-Universität / Universität der Bundeswehr Hamburg, Mitarbeiter und Doktorand am Lehrstuhl für Hybrid Intelligence
  • 2024: Universität Bayreuth, Mitarbeiter und Doktorand am Lehrstuhl für Wirtschaftsinformatik und Data Science
  • 2019-2023: Studium Maschinenbau an der Brandenburgischen Technischen Universität Cottbus-Senftenberg (M.Sc.)
  • 2016-2019: Studium Maschinenbau an der Brandenburgischen Technischen Universität Cottbus-Senftenberg (B.Sc.)

Mein Forschungsinteresse liegt in der Erforschung, Entwicklung und Optimierung innovativer Machine-Learning-Ansätze, die gezielt auf praktische Anwendungen ausgerichtet sind. Im Fokus steht dabei vor allem die Anwendung von Computer-Vision-Methoden in unterschiedlichen industriellen Sektoren. Hierunter zählt insbesondere das Erkennen von Anomalien an Objekten während des Produktionsprozesses, um Fehler frühzeitig zu identifizieren.


Leopold Fischer-Brandies, M.Sc., Mitarbeiter am Lehrstuhl und Doktorand

  • Seit 10/2024: Helmut-Schmidt-Universität / Universität der Bundeswehr Hamburg, Mitarbeiter und Doktorand am Lehrstuhl für Hybrid Intelligence
  • 2021-2024: Studium Digitalisierung und Entrepreneurship an der Universität Bayreuth (M.Sc.)
  • 2017-2021: Studium Betriebswirtschaftslehre an der Universität Bayreuth (B.Sc.)

Mein Forschungsbereich umfasst im Allgemeinen die Erforschung und Entwicklung von Maschine-Learning-Methoden (insbesondere im Bereich Deep Learning) und deren praktische Anwendung. Meine weiteren Forschungsinteressen liegen in der Entwicklung und dem Einsatz von Agenten-Systemen, Sprachmodellen und Methoden zur Erkennung von Deepfakes.


Luca Eisentraut, M.Sc., Doktorand

  • Seit 10/2024: Helmut-Schmidt-Universität / Universität der Bundeswehr Hamburg, Doktorand am Lehrstuhl für Hybrid Intelligence
  • 2022-2024: Studium Maschinenbau an der Universität Bayreuth (M.Sc.)
  • 2020-2023: Studium Betriebswirtschaftslehre an der Universität Bayreuth (M.Sc.)
  • 2017-2020: Studium Wirtschaftsingenieurwesen an der Universität Bayreuth (B.Sc.)

Mein Forschungsschwerpunkt liegt auf der Entwicklung innovativer Machine-Learning-Ansätze, mit einem Fokus auf Bildverarbeitung und Anwendungen im Sicherheitssektor. Durch meinen interdisziplinären Hintergrund interessiere ich mich besonders für die Schnittstelle zwischen technischen und wirtschaftlichen Fragestellungen. Bisher habe ich mich mit Methoden zur Qualitätskontrolle in industriellen Prozessen sowie zur medizinischen Bildanalyse beschäftigt. Im Rahmen meiner Forschung an der HSU werde ich vor allem an Fragestellungen der Technologie, der Chancen sowie der Risiken von Deepfakes, insbesondere im Kontext sicherheitsrelevanter Anwendungen, arbeiten.


Christian Woesle, M.Systems Eng., ISO Zentralsekretariat Genf, externer Doktorand

  • Seit 10/2024: Helmut-Schmidt-Universität / Universität der Bundeswehr Hamburg, Doktorand am Lehrstuhl für Hybrid Intelligence
  • 2022-2024: IT Programme Manager beim ISO Zentralsekretariat in Genf
  • 2020-2022: Gründung und Leitung des Start-ups epanora in Toulouse und La Reunion
  • 2017-2020: Technischer Projekt Manager bei Airbus in München und Toulouse
  • 2005-2017: Netzwerk Architekt bei einer Bundesoberbehörden in München
  • 2013-2016: Studium Systems Engineering an der Hochschule München (M. Systems Eng.)
  • 2008-2011: Studium Wirtschaftsinformatik an der FOM Hochschulzentrum München (B.Sc.)

Mein Forschungsbereich liegt in der Analyse des aktuellen Stand der KI Technik bestehender und sich in der Erforschung befindlicher KI-Systeme, mit dem Ziel, eine eindeutige Klassifizierung dieser Systeme vorzunehmen und mögliche Verwandtschaftsgrade aufzuzeigen. Daraus abgeleitet besteht weiterer Forschungsbedarf darin, Problembereiche zu identifizieren und zu adressieren, insbesondere im Hinblick auf den Missbrauch von KI, Bias in KI-Systemen und sicherheitstechnische Aspekte. Hierbei strebe ich sowohl theoretischen Erkenntnisfortschritt als auch eine praktische Umsetzung an, basierend auf realen Anwendungsfällen.


Norbert Mönks, M.Sc. & MBA, BMW AG, externer Doktorand

  • Seit 10/2024: Helmut-Schmidt-Universität / Universität der Bundeswehr Hamburg, Doktorand am Lehrstuhl für Hybrid Intelligence
  • 2022-2024: Berufsbegleitendes Studium: Sustainability Management (MBA) an der SRH Fernhochschule
  • Seit 2016: IT Spezialist & Sub-PDO bei der BMW AG
  • 2014-2017: Berufsbegleitendes Studium: IT Management (M.Sc.) an der FOM Hochschule München
  • 2013-2016: Senior IT Consultant bei der Ventum Consulting GmbH & Co KG.
  • 2008-2011: Berufsbegleitendes Studium: Wirtschaftsinformatik (B.Sc.) an der FOM Hochschule München
  • 2007-2015: Gründung und Leitung des Start-ups Manathan GmbH
  • 2004-2011: IT Manager bei der IDEO GmbH

Mein Forschungsschwerpunkt liegt in der Analyse der aktuellen und zukünftigen Entwicklungen von KI-Technologien, ihrer Anwendung und den damit verbundenen Herausforderungen. Ein zentraler Aspekt meiner Arbeit ist es, Lösungsansätze für bestehende Probleme zu identifizieren und umzusetzen. Dabei liegt ein besonderer Fokus auf Sicherheitsaspekten, wie der Reduzierung von Missbrauchspotenzialen und der Minimierung von Bias in KI-Systemen, sowie auf den Auswirkungen von KI auf Nachhaltigkeitsaspekte. Neben der theoretischen Forschung ist mir auch die praktische Umsetzung der entwickelten Lösungen ein wichtiges Anliegen.


Justin Hoffmann, M.A., externer Doktorand
Mein Forschungsinteresse liegt in der Erforschung komplementärer Einsatzmöglichkeiten des System-Dynamics-Ansatzes und von Sprachmodellen. Durch diese Forschung soll die Zugänglichkeit komplexer System-Dynamics-Modelle durch den Einsatz von Sprachmodellen gesteigert werden. Darüber hinaus besteht ein wesentlicher Forschungsschwerpunkt in der Erweiterung und Optimierung von System-Dynamics-Modellen mit Hilfe von Sprachmodellen. Das primäre Ziel meiner Forschung liegt in der Entwicklung praktischer Anwendungsmöglichkeiten, insbesondere für die Entscheidungsunterstützung.

HSU

Letzte Änderung: 8. November 2024