MDSI Promovierenden-Fellowships
Die Förderung zukünftiger Datenwissenschaftler und interdisziplinärer Experten in einem breiten Spektrum von Forschungsbereichen ist tief in der Mission des MDSI verwurzelt. Damit soll eine neue Generation von Datenanalysten mitunter auf die Anforderungen der zunehmend digitalisierten Arbeitsabläufe und Wertschöpfungsketten außerhalb der Hochschulen vorbereitet werden. Mit einem starken Fokus auf die Unterstützung von Studentinnen, was sich gut in die Bemühungen zur Förderung der Vielfalt in der Datenwissenschaft einfügt, hat das MDSI ein Programm für herausragende Promovierende in den entsprechenden Wissenschaftszweigen eingerichtet.
Die MDSI-Promovierenden-Fellowships sind ein wesentlicher Bestandteil dieses Programms. Sie werden jährlich ausgeschrieben und laden Doktorandinnen und Doktoranden ein, ihr Promotionsprojekt bei einem MDSI-Kernmitglied oder einem an der TUM ansässigen ELLIS-Munich-Mitglied zu beginnen. Die erfolgreichen Kandidaten werden drei Jahre lang gefördert, und das MDSI übernimmt außerdem die Kosten für eine Konferenzreise. Zusätzlich profitieren sie von dem speziell auf sie zugeschnittenen MDSI-Promotionsprogramm. Darüber hinaus fördert das MDSI die Zusammenarbeit und Interaktion mit Fellows und Dozierenden aus anderen Forschungsbereichen und knüpft Kontakte zu Industriepartnern.
Bis 2025 wurden viele Promovierenden-Fellowships von unserem Partner Linde finanziert. Die Förderung durch Linde hatte insbesondere das Ziel herausragende Doktorandinnen zu unterstützen.
Ausschreibung
Bitte beachten Sie die Einzelheiten zu den Bewerbungsvoraussetzungen und den nächsten Aufruf zur Einreichung von Bewerbungen.
Laufende Fellowships

Maha Badri
Erdsystemmodellierung
Hybride Modellierung der Vegetation
Betreuer: Prof. Dr. Niklas Boers
Gefördert durch: Linde

Methodik der Fernerkundung
Wissensdestillation aus großen Verwaltungsdaten (KnowDisBAD)
Betreuer: Prof. Dr. Marco Körner
Gefördert durch: Linde

Martin Großhauser
Betreuer: Prof. Dr. Julien Gagneur
Gefördert durch: Linde
Business Analytics & Intelligent Systems
Skalierbares Reinforcement Learning für industrielle Anwendungen
Betreuer: Prof. Dr. Maximilian Schiffer
Gefördert durch: MDSI
Artificial Intelligence in Healthcare and Medicine
Betreuer: Prof. Dr. Daniel Rückert
Gefördert durch: Linde
Data Analytics and Machine Learning
Molekulare Modellierung auf Grundlage neuronaler Netze mit langreichweitigen Methoden aus Physik, Chemie und Materialwissenschaft
Betreuer: Prof. Dr. Stephan Günnemann
Gefördert durch: MDSI
Labor für elektrochemische Materialien
Lernen der Materialdarstellung für die Syntheseplanung
Betreuer: Prof. Dr. Jennifer Rupp
Gefördert durch: MDSI
Isabel Schorr
Human-Centered Technologies for Learning
Betreuer: Prof. Dr. Enkelejda Kasneci
Gefördert durch: MDSI
Yanfei Shan
Chair of Sustainability Assessment of Food & Agricultural Systems
Integration von Deep Learning und Satellitenbildern zur Bewertung der Biodiversität
Betreuer: Prof. Dr. Livia Cabernard
Gefördert durch: Linde

Data Science in Systems Biology
Ein gemeinsamer Ansatz zur Integration von microRNA und Transkriptionsfaktor-Regulationsanalyse auf Massen- und Einzelzellebene
Betreuer: Prof. Dr. Markus List
Gefördert durch: Linde

Thermofluiddynamik
Physikgestütztes maschinelles Lernen für thermoakustische Modellierung
Betreuer: Prof. Wolfgang Polifke, Ph.D.
Gefördert durch: Linde
Ausgelaufene Fellowships


Bildverarbeitung & Künstliche Intelligenz
Dynamische gleichzeitige Lokalisierung und Abbildung
Betreuer: Prof. Dr. Daniel Cremers
Gefördert durch: Linde

Dynamische Systeme
Multiskalendynamik tiefer neuronaler Netze
Betreuer: Prof. Christian Kühn, PhD
Gefördert durch: Linde

Kristina Mach
Anwendungen in der Medizin
Computer Vision für die ophthalmologische Chirurgie
Betreuer: Prof. Dr. Nassir Navab
Gefördert durch: Linde

Shiva Madadkhani
Resource Economics
Ökonomie der erneuerbaren Energien
Betreuer: Prof. Svetlana Ikonnikova, PhD
Gefördert durch: Linde

Julian Mayer-Steudte
Theoretische Teilchen- und Kernphysik
Theoretische Teilchenphysik, Computerphysik
Betreuer: Prof. Dr. Nora Brambilla
Gefördert durch: MDSI

Technische Physik
Kontrolle der Musterbildung während der Elektrooxidation von Si mit einem räumlichen Modulator für Licht
Betreuer: Prof. Dr. Katharina Krischer
Gefördert durch: Linde

Data Analytics and Machine Learning
Robustheit von neuronalen Netzen für die kombinatorische Optimierung
Betreuer: Prof. Dr. Stephan Günnemann
Gefördert durch: Linde

Mathematische Statistik
Identifizierbarkeit und Inferenz von kausalen Effekten in Modellen mit latenten Variablen
Betreuer: Prof. Dr. Mathias Drton
Gefördert durch: MDSI

Kamilia Zaripova
Computer Aided Medical Procedures & Augmented Reality
Geometrisches Deep Learning
Betreuer: Prof. Dr. Nassir Navab
Gefördert durch: Linde