Forschungsprofil der TRA Modelling

Im Mittelpunkt dieses transdisziplinären Forschungsbereiches steht die Mathematik. Sie dient als universelles Werkzeug und als Sprache für die quantitativen Wissenschaften. Eine zentrale Herausforderung für die Informatik liegt in der Verbesserung datengesteuerter Methoden zur Erstellung intelligenter Modelle komplexer Systeme. Während sich vorherige wissenschaftliche Epochen auf das Verständnis einzelner Bestandteile konzentriert haben, ist es eine der größten Herausforderungen unserer Zeit zu verstehen, wie diese Komponenten gegenseitig wechselwirken. Daraus ergibt sich ein Verständnis dafür, wie die zunehmend komplexen Systeme um uns herum tatsächlich funktionieren. Unser Bestreben, diese inzwischen tiefgreifenden Einzelerkenntnisse zu kombinieren, treibt zahlreiche Bereiche von Wissenschaft und Technik an.

In der TRA Modelling kreieren Forschende aus einem breiten Spektrum von Disziplinen wie angewandter Mathematik, Informatik, quantitativer Ökonomie, Lebenswissenschaften, Medizin und Geowissenschaften Modelle, die komplexe Systeme nicht nur beschreiben, sondern auch analysieren können. Erreicht wird dies durch das Zusammenspiel von mathematischer Modellierung, klassischen Beobachtungsmethoden, Datenanalyse, Datensimulation und kreativem Geist.

Forschungsschwerpunkte

Kollaborative/finanzierte Projekte

Presse: Forschung in der TRA

Selbstverständnis

Die TRA Modelling adressiert bewusst ein breites, offenes Spektrum an transdisziplinären Themen. Sie ist affiliiert mit dem Exzellenzcluster Hausdorff Center for Mathematics (HCM) und kooperiert darüber hinaus mit Forschenden aus den Exzellenzclustern ImmunoSensation2 und PhenoRob sowie dem b-it (Bonn-Aachen International Center for Information Technology), dem Fraunhofer Institut SCAI oder dem Max-Planck-Institut für Mathematik.

Neben der traditionellen Zusammenarbeit der Bonner Wirtschaftswissenschaften mit Mathematik sind Themen Interdisciplinary Research Units Mathematics and life sciences (HCM), die über 30-jährige Kooperation des Instituts für Diskrete Mathematik mit IBM und allgemein das Forschungsfeld „combinatorial optimization, complexity, and chip design“ an der Schnittstelle Mathematik, Informatik und Ingenieurswissenschaften oder der SFB 1060 - Die Mathematik der emergenten Effekte an der Schnittstelle Mathematik und Physik zu nennen.

Ursprünglich um die Kernbereiche Mathematik und Informatik, angewandt auf die quantitative Ökonomie, aufgebaut, hat sich der Fokus der TRA inzwischen zu weiteren vielversprechenden Anwendungsfelder wie Lebenswissenschaften/Medizin, Geodäsie und Chemieingenieurwesen weiterentwickelt.

Forschungsschwerpunkte und Teilgebiete

In einem partizipativen Bottom-up-Prozess hat die TRA kürzlich ihr Forschungsprofil geschärft und drei (sich natürlich überschneidende) Teilbereiche aktiver und vielversprechender Forschungskooperationen definiert:

“Mathematics, Computational Biology & Medicine”
Angewandte Mathematik/Computational Science/Lebenswissenschaften/Medizin
Beispiele Forschungsmethoden: Datenanalyse im Bereich der Zellsequenzierung, Neurowissenschaften, Modellierung klinischer und pharmakologischer Daten
“Computer and Data Science for Economics”
Angewandte Mathematik / Computational Science / Quantitative Ökonomie
Beispiele Forschungsmethoden: Datenanalyse und maschinelles Lernen angewandt auf Ökonomie und Ökonometrie, algorithmische Ökonomie
“Data Analytics and Algorithm Engineering”
Applied Mathematics / Computational Science / Agricultural Science / Engineering
Beispiele Forschungsmethoden: (vorausschauende) Datenanalyse und/oder Algorithm Engineering für Erdbeobachtungsdaten, Umwelt- oder Wetterdaten

Beispiel: Mathematik und Lebenswissenschaften

Quantitative Analysen und die Erzeugung großer Datensätze in den Biowissenschaften haben seit den 1990er Jahren stetig zugenommen. Dies ist häufig mit dem Wunsch verbunden, bereits vorhandene Datensätze zu nutzen, um Vorhersagen über biologische Prozesse zu treffen. Um dies zu erreichen, werden in den Forschungsbereichen Biomathematik & Computational Life Sciences mathematische Modellierung und experimentelle Methoden kombiniert. Für ihren Erfolg sind echte inter- und transdisziplinäre Forschungsansätze unabdingbar.

Die Exzellenzcluster Hausdorff Center for Mathematics und ImmunoSensation2 haben in diesem Bereich an der Universität Bonn durch Interdisciplinary Research Units eine Vorreiterrolle übernommen. Auch in der TRA Modelling und der TRA Leben & Gesundheit etabliert sich die Schnittstelle zwischen Mathematik, Informatik und Life Sciences.

Pressemitteilung: Joint Symposium Mathematics & Life Science

Beispiel: Mathematische Modellierung und rechnergestützte Wissenschaft in Wirtschaft und Biowissenschaften

Entscheidungsfindung ist mit Risiken und Unsicherheiten verbunden. In Pandemiezeiten wird die Komplexität der Unsicherheiten und Einflussfaktoren, die aus verschiedenen Bereichen zusammenkommen, noch deutlicher: Computergestützte Modelle, die von Epidemiologen verwendet werden, um die Auswirkungen von Distanzierungsregeln auf die Ausbreitung von Viren vorherzusagen, beinhalten Unsicherheiten wie die sich entwickelnde Inzidenzzahl. Wenn Wirtschaftswissenschaftler die Auswirkungen der Pandemie auf die Märkte untersuchen, müssen sie mit Unsicherheiten über Preiselastizitäten umgehen. Die Prognosen von Finanzexperten sind mit Unsicherheiten über die Entwicklung der Aktienkurse verbunden. Die Faktoren, die für die Übertragung von Viren und deren Einfluss relevant sind, können zwischen Personengruppen stark variieren - sowohl auf biomedizinischer als auch auf sozioökonomischer Ebene. Die Coronavirus-Pandemie zeigt also, dass große gesellschaftliche Herausforderungen und die damit verbundenen komplexen Fragen nicht von einer wissenschaftlichen Disziplin allein beantwortet werden können. Es ist notwendig, das Fachwissen, die Erkenntnisse und Modelle verschiedener Disziplinen zu kombinieren, um die Unzulänglichkeiten fragiler Implikationen zu überwinden und Wissenslücken zu ermitteln.

Collaboration: Open Source Economics and TRA

Presse: Auf dem Weg zur besseren Entscheidungsfindung

Presse: Welche Faktoren beeinflussen die Virusausbreitung?

Beispiel: Mathematische Modellierung und Datenanalyse in der Geodäsie

Viele Bereiche der modernen Geodäsie können als interdisziplinäre, datengetriebene Wissenschaft mit Anwendungen wie dem Verständnis von Risiken für die Gesellschaft oder nachhaltigen Wege für die menschliche Entwicklung gesehen werden. In Zeiten von Klimawandel und Klimakatastrophen wie Überschwemmungen auf der einen Seite und Digitalisierung und Big Data auf der anderen Seite ist eine Interaktion zwischen diesen Bereichen dringend erforderlich. Forschende in diesem Bereich arbeiten mit einer Vielzahl von raum-zeitlichen Datensätzen und erstellen Modelle und Messungen zur Höhe des Meeresspiegels, zum Anstieg und Rückgang der Weltmeere oder zur Dynamik der Ozeanzirkulation. Zur Lösung der gestellten Aufgaben ist es notwendig, Fachwissen aus der angewandten und numerischen Mathematik, der angewandten Statistik, dem wissenschaftlichen Rechnen und der angewandten Informatik in der Geowissenschaft zu kombinieren.

News from TRA projects/initiatives

Mathematics meets Life Sciences

The tremendous advances made in experimental life sciences in recent years provide a wealth of data on how organisms function. To gain biomedical knowledge from these data, both mathematical modeling and numerical analysis techniques in conjunction with experimental data are essential. At a joint symposium of the Clusters of Excellence Hausdorff Center for Mathematics and ImmunoSensation² as well as the Transdisciplinary Research Areas "Modelling" and "Life and Health" of the University of Bonn, the professors working at the interfaces and their colleagues presented their research and invited to participate.

What factors impact the spread of viruses?

Many different factors are responsible for the spread of infectious diseases. What is known is that the spread process depends essentially on the infectiousness of the pathogen and the immune response of the host, but also on human behavior. This relates, for example, to the extent to which distance regulations are observed. Less often considered, however, is the fact that the factors and their influence can vary greatly between groups of people - both at the biomedical and socioeconomic levels. Mathematicians, physicians and economists now want to take a closer look at this so-called inter-individual variability in a joint collaboration project of the University of Bonn and the University Hospital Munich. The goal is to determine new factors that are relevant for the transmission or containment of SARS-CoV-2 viruses. The German Research Foundation (DFG) is funding the project with several hundred thousand euros, of which 270,000 euros will go to Bonn.

Better decision-making: researchers link models from economics, epidemiology and financial research

Making a decision involves risks and uncertainties - as everyone experiences in their everyday lives. In pandemic times, however, the complexity of decisions and the many uncertainties that come together from different areas become all too apparent. A team of economists, epidemiologists, mathematicians and financial experts has now joined forces at the University of Bonn to bring their individual models together and calculate uncertainties. The goal: Making decisions based on a wider range of information. The Transdisciplinary Research Unit "Mathematics, Modelling and Simulation of Complex Systems" at the University of Bonn is funding the project with nearly 100,000 euros over two years. The results may be relevant for policy advice.

Geförderte Projekte

Aktuelle Förderungen erfolgen für Projekte an den Schnittstellen Geodäsie und Informatik, Mathematik und Lebenswissenschaften/Medizin, Ökonomie und Informatik sowie Mathematik, Informatik und Linguistik.

Bereits geförderte Initiativen und Projekte

Vormals geförderte Initiativen (by AD):

"CiliaQ, Digitalization of software applications"; Kontakt: Prof. Dagmar Wachten

Vormals anschubgeförderte Projekte (by AD):

„Algorithmic Data Analytics for Geodesy”; Kontakt: Prof. Petra Mutzel & Prof. Jan-Henrik Haunert
„Establishment of computational methods for spatially-resolved deep profiling of biological tissues”; Kontakt: Prof. Jan Hasenauer, Prof. Michael Hölzel & Prof. Marieta Toma
„UNCOVer: Uncertainty Quantification of COVID-19 Epidemiological Models”; Kontakt: Dr. Dilan Pathirana & Elba Raimúndez Álvarez

Aktuell geförderte Initiativen (by AD):

"Transdisciplinary research portfolio, uncertainty quantification, and robust decisions - Initiating a transdisciplinary research program"; Kontakt: Prof. Philipp Eisenhauer (Koordinator), Prof. Jan Hasenauer, JProf. Lena Janys, Dr. Daniel Oeltz & Dilan Pathirana, PhD
Symposium „Microfluencers: From small organisms to large impact”; Kontakt: Prof. Ulrike Endesfelder
Mathematical Life Sciences Club (MaLiS-Club); Kontakt: Prof. Dr. Alexander Effland, Prof. Dr. Jan Hasenauer, Prof. Dr. Kevin Thurley

Aktuell anschubgeförderte Projekte (by AD):

"Naproche - Natural Language Proof Checking" / "Naproche for Teaching"; Kontakt: Prof. Peter Koepke
"Assessing the separate and synergistic effects of amyloid and tau on human brain activity using a computational model of brain oscillations"; Kontakt: Dr. Xenia Kobeleva
"Practical Characterization of Self-Assembling Optical Systems by Joint Forward and Inverse Modelling"; Kontakt: Prof. Matthias Hullin
"MaxCut & Binary Quadratic Programming"; Kontakt: Dr. Sven Mallach
"Development of Continuous Spatio-Temporal Finite Element Based Models for Sea Surface Approximation"; Kontakt: Dr. Jan Martin Brockmann
MoSeS: Model Selection in Systems Biology; Kontakt: Dr. Dilan Pathirana & Jakob Vanhoefer
Facilitating work with computational models: Software for economics and beyond; Kontakt: Prof. Hans-Martin von Gaudecker
Novel Paradigms for Matching Problems in Shape Analysis; Kontakt: JProf. Florian Bernard
Uncertainty meets explainability; Kontakt: JProf. Lena Janys